Онлайн-воркшоп "Модели со случайными и фиксированными эффектами в социальных науках и психологии" в СКИЛА

С 29 июня по 3 июля в лаборатории социальной и когнитивной информатики проходил обучающий онлайн-воркшоп для исследователей "Модели со случайными и фиксированными эффектами в социальных науках и психологии". Спикеры мероприятия Иван Иванчей и Борис Соколов рассказали участникам обо всех тонкостях многоуровневого моделирования, а слушатели представили собственные исследовательские проекты, в которых применяются регрессионные модели.

Лаборатория социальной и когнитивной информатики давно планировала провести мероприятие, на котором можно было бы поделиться опытом работы с регрессионными моделями, проконсультироваться с экспертами, а главное - сделать шаг вперёд в собственных исследованиях, которые предполагают применение многоуровневого моделирования.

Сложившаяся эпидемиологическая ситуация сильно ограничивает возможность очных встреч с коллегами, поэтому было найдено единственное верное решение - провести онлайн-воркшоп в системе Zoom. Подобный формат позволил принять участие в мероприятии исследователям из разных университетов, городов и даже стран. Около 40 коллег каждый день присоединялись к нашим онлайн-сессия в Zoom.

Интерес к воркшопу был связан не только с его темой, но и с замечательной возможностью послушать лекции, а также задать вопросы приглашённым спикерам - Борису Соколову и Ивану Иванчею.

Борис Соколов, Кандидат политических наук Старший научный сотрудник лаборатории сравнительных социальных исследований НИУ ВШЭ Разработчик курсов по статистике продвинутого уровня для магистрантов Преподаватель международной летней школы IPSA-HSE	Иван Иванчей, Кандидат психологических наук Постдок департамента экспериментальной психологии университета Гента Научный сотрудник лаборатории когнитивных исследований факультета психологии ИОН РАНХиГС Преподаватель курсов на платформе Stepik и летней школе АнДан

 

Первый день воркшопа был посвящен теории многоуровневого моделирования. Борис Соколов рассказал об основных типах многоуровневых моделей и интерпретации ключевых параметров, помог участникам побороть терминологическую неясность, напомнил о значимости коэффициентов при проверке статистических гипотез, объяснил, в чём заключается суть центрирования и стандартизации, within- и between-эффектов, как определить уровень воздействия, вычислить параметры и оценить качество модели. Завершилась первая онлайн-встреча в Zoom работой с линейными моделями в библиотеке lme4, а также обсуждением представления результатов с помощью разных пакетов R.

Второй день начался с повторения теоретических основ, но уже с экспериментально-психологичекой перспективы. Иван Иванчей предложил участникам поработать с конкретным примером исследования и обсудить спецификацию модели для этого примера. Подробно поговорили о выборе структуры случайных эффектов, о том, что делать с моделью после её создания и подсчёта коэффициентов, о проблемах при работе со смешанными моделями и о способах их решения, о дополнительных возможностях для анализа, диагностике и оценке модели.

 

Опираясь на выступления спикеров и получив ответы на самые животрепещущие вопросы по теме, участники принялись за работу над своими кейсами, которые смогли представить коллегам в последний день воркшопа.

Всего было представлено четыре кейса, над двумя из которых работали сотрудники лаборатории социальной и когнитивной информатики. В первом проекте исследователи пытались выяснить, что влияет на способность людей определять фейки в соцсетях и на их доверие к новостям (проект FakeNews СКИЛА). Второй проект осуществлялся с целью объяснить (спрогнозировать) уровень вовлеченности родителей третьеклассников на основании переменных, полученных при оценивании детей и опросе родителей в начале первого класса. Третий кейс был посвящён коммуникации в соцсетях (проект SocSig СКИЛА). В четвёртом проекте рассматривались факторы, объясняющие электоральную мобилизацию на местном уровне в России.

Спикеры дали feedback по каждому из проектов, что позволило всем участникам узнать ещё больше о моделях со случайными и фиксированными эффектами, а авторам кейсов - осуществить заметный рывок в проведении собственных исследований. Завершая воркшоп, Иван Иванчей и Борис Соколов любезно поделились полезными ссылками и списком литературы со всеми участниками мероприятия, а мы, дорогие коллеги, позволим себе поделиться этим списком с вами!

1. Простой базовый туториал: https://arxiv.org/pdf/1308.5499.pdf
2. GLMM FAQ: https://bbolker.github.io/mixedmodels-misc/glmmFAQ.html#testing-significance-of-random-effects
3. Введение в emmeans: https://aosmith.rbind.io/2019/03/25/getting-started-with-emmeans
4. Волченко, О. В., & Широканова, А. А. (2016). Применение многоуровневого регрессионного моделирования к межстрановым данным (на примере генерализованного доверия). Социология: методология, методы, математическое моделирование (4М), (43), 7-62.
5. Четвериков, А. А. (2015). Линейные модели со смешанными эффектами в когнитивных исследованиях. Российский журнал когнитивной науки, 2(1), 41-51.
6. Bates, D., Kliegl, R., Vasishth, S., & Baayen, H. (2015). Parsimonious mixed models.
7. Bates, D., Mächler, M., Bolker, B., & Walker, S. (2014). Fitting linear mixed-effects models using lme4. 
8. Bell, A., Fairbrother, M., & Jones, K. (2019). Fixed and random effects models: making an informed choice. Quality & Quantity, 53(2), 1051-1074.
9. Bell, A., Jones, K., & Fairbrother, M. (2018). Understanding and misunderstanding group mean centering: a commentary on Kelley et al.’s dangerous practice. Quality & Quantity, 52(5), 2031-2036.
10. Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. Sage publications.
11. Kuznetsova, A., Brockhoff, P. B., & Christensen, R. H. (2017). lmerTest package: tests in linear mixed effects models. Journal of statistical software, 82(13), 1-26.
12. McNeish, D., & Kelley, K. (2019). Fixed effects models versus mixed effects models for clustered data: Reviewing the approaches, disentangling the differences, and making recommendations. Psychological Methods, 24(1), 20.
13. Meteyard, L., & Davies, R. A. (2020). Best practice guidance for linear mixed-effects models in psychological science. Journal of Memory and Language, 112, 104092.
14. Oshchepkov, A., & Shirokanova, A. (2020). Multilevel modeling for economists: why, when and how.
15. Winter, B. (2013). Linear models and linear mixed effects models in R with linguistic applications.