Mixed-effects location scale Modelle für ordinale Daten

Grunddaten zu diesem Projekt

Beschreibung

Das Ausmaß, in dem Personen in einer Variable über die Zeit schwanken, spielt in einer Reihe von psychologischen Theorien eine zentrale Rolle. Zur Untersuchung von Hypothesen bezüglich dieser intraindividuellen Variabilität (auch als within-person Variabilität bezeichnet), führen Forscher:innen in der Regel eine Experience Sampling- oder eine Daily Diary-Studie durch, um die wiederholten Messungen der Variable, deren Schwankungen von Interesse ist, zu erheben. Die resultierenden Daten werden dann mit einer Erweiterung eines längsschnittlichen Mixed-Effects-Modells analy-siert, das als Mixed-Effects Location Scale Model (MELS) bezeichnet wird. Aktuell kann man das MELS nur dann nutzen, wenn die interessierende Variable kontinuierlich ist. Viele Variablen in der Psychologie besitzen aber ein ordinales Skalenniveau, so dass das MELS in diesen Situationen nicht für die Datenanalyse verwendet werden kann. Das Ziel des vorgeschlagenen Projekts ist es, das MELS so zu erweitern, dass eine oder mehrere ordinale Outcome-Variablen oder ein Mix aus ordinalen und kontinuierlichen Outcome-Variablen analysiert werden können. Für die Schätzung der Modellparameter soll ein Maximum-Likelihood-Ansatz hergeleitet und in einem R-Paket imple-mentiert werden. Außerdem soll die Performanz des vorgeschlagenen Maximum-Likelihood Like-lihood-Schätzers mit einem Bayes-Ansatz, der in JAGS implementiert wird, verglichen werden. Insgesamt glauben wir, dass die geplanten Erweiterungen des MELS angewandten Forscher:innen die Möglichkeit geben werden, eine Reihe neuer und interessanter Forschungsfragen mit geeigne-ten statistischen Ansätzen zu untersuchen.