Egocentric Network Analysisにおける多レベルモデリング：SASおよびRを用いた実践的ガイド

科学分野:

• ソーシャルネットワーク分析
• 統計モデリング
• 健康科学研究

背景:

• 自己中心型ネットワークデータは、ネストされた構造（エゴ内のオルター）とエゴ内の依存関係を持ちます。
• 従来の回帰モデルは独立性を仮定しますが、これは自己中心型ネットワークデータによって違反されます。
• 正確な分析には、階層的データ構造を考慮する手法が必要です。

研究 の 目的:

• 自己中心型ネットワークデータに対する多レベルモデリングの適用を例示すること。
• 従来の回帰モデルにおける独立性の仮定の違反に対処すること。
• 社会科学および健康科学の研究者向けの実践的なガイドを提供すること。

主な方法:

• 階層的データ構造およびエゴ内の依存関係に対応するために多レベルモデリングを利用すること。
• オルター、エゴ、および二者択一レベルでの効果をアウトカム変数に区別すること。
• ランダム切片、ランダム傾き、クロスレベル相互作用、および残差構造を含むモデル仕様を説明すること。

主要な成果:

• 連続変数および二値アウトカムに対する固定効果およびランダム効果の推定を実証しました。
• クラス内相関を評価し、クロスレベル相互作用をテストする方法を提供しました。
• SASおよびRを使用した段階的な実装ガイダンスを提供しました。

結論:

• 多レベルモデリングは、自己中心型ネットワークデータを分析するための厳密なアプローチを提供します。
• この方法論により、健康に対する個人、関係、および構造的影響についての深い洞察が可能になります。
• このガイドは、研究者がネットワークデータに高度な統計技術を適用するのを支援します。