Anpassung von Mehrebenenmodellen in komplexen Umfragedaten mit Entwurfsgewichten: Empfehlungen

HINTERGRUND: Mehrebenenmodelle (MLM) bieten Analysten komplexer Umfragedaten einen einzigartigen Ansatz, um individuelle und kontextuelle Determinanten der öffentlichen Gesundheit zu verstehen. Es gibt jedoch nur wenig zusammenfassende Anleitung zur Anpassung von MLM in komplexen Umfragedaten mit Entwurfsgewichten. Simulationsarbeiten deuten darauf hin, dass Analysten die Entwurfsgewichte mit zwei Methoden skalieren und die MLM mit ungewichteten und skalierten Daten anpassen sollten. Dieser Artikel untersucht die Leistung von skalierten Gewichten und ungewichteten Analysen über eine Vielzahl von MLM und Softwareprogrammen. METHODEN: Anhand von Daten aus der Nationalen Umfrage über Kinder mit besonderen Gesundheitsbedürfnissen 2005-2006 (NS-CSHCN: n = 40.723), die Daten von in Bundesstaaten gruppierten Kindern sammelte, untersuche ich die Leistung der Skalierungs-Methoden in Bezug auf den Ergebnistyp (kategorial vs. kontinuierlich), den Modelltyp (Level-1, Level-2 oder kombiniert) und die Software (Mplus, MLwiN und GLLAMM). ERGEBNISSE: Skalierte gewichtete Schätzungen und Standardfehler unterschieden sich geringfügig von ungewichteten Analysen und stimmten eher miteinander als mit ungewichteten Analysen überein. Die beobachteten Unterschiede waren jedoch minimal und führten nicht zu unterschiedlichen inferenziellen Schlussfolgerungen. Ebenso zeigten die Ergebnisse minimale Unterschiede zwischen den Softwareprogrammen, was das Vertrauen in die Ergebnisse und inferenziellen Schlussfolgerungen unabhängig von der Softwarewahl erhöhte. SCHLUSSFOLGERUNG: Wenn Entwurfsgewichte in MLM einbezogen werden, sollten Analysten die Gewichte skalieren und Software verwenden, die die skalierten Gewichte korrekt in die Schätzung einbezieht.