In diesem Video Tutorial lernen Sie die verschiedenen Schritte eines Linear Mixed Effects Models im Längsschnitt mit SPSS:
Nullmodell (leeres Modell)
Zeit/Messzeitpunkt als Prädiktor
Time varying und time invariant Covariates
Random Effects Model in SPSS (Modell mit Random Slopes)
Cross-Level-Interaction (Moderation des Effekts der Zeit durch einen Level 2 Prädiktor)
Berücksichtigung Kovarianzstruktur Level 1 (Autokorrelation 1. Grades)

Hinweis: Oben wurde durchweg der Begriff Linear Mixed Effects Modell (longitudinal) verwendet. Diese Klasse von Verfahren ist jedoch auch unter anderen Namen bekannt, z.B. als hierarchische lineare Modelle bzw. hierarchical linear model (HLM) oder auch als Mehrebenenmodell / multilevel model. Und im Längsschnitt ist es ein Beispiel für ein Linear Growth Model.

Eine Besonderheit bei solchen Modellen im Längssschnitt ist, dass man u.U. mit korrelierten Residuen auf Level 1 rechnen muss. Das gilt insbesondere für intensive longitudinal data, z.B. im Rahmen einer Tagebuchstudie (diary study), aber häufig auch für medizinische Verlaufsdaten.

Die Textfassung zu diesem Tutorial finden Sie unter:
http://www.regorz-statistik.de/inhalt...

Die Daten aus dem Kapitel 5 des Buchs von Hox et al. (2017) Multilevel Analysis finden Sie unter:
http://joophox.net/mlbook2/DataExchan...