រូបភាព៖ Colleen Taugher, ២០០៥ — កែលម្អដោយ Everyguy, ២០១១ (CC BY 2.0) · Wikimedia Commonsគំរូពហុកម្រិត និងឋានានុក្រម (Multilevel and Hierarchical Models)៖ ពេលទិន្នន័យអ្នកមិនឯករាជ្យពីគ្នាទេ
សិស្សនៅក្នុងថ្នាក់ដូចគ្នា អ្នកជំងឺនៅមន្ទីរពេទ្យដូចគ្នា ឬចម្លើយដដែលៗពីមនុស្សម្នាក់ឆ្លងកាត់ពេលវេលា — ទិន្នន័យទាំងនេះមានរចនាសម្ព័ន្ធជាក្រុម (nested/clustered) ដែលបំពានលក្ខខណ្ឌសម្មតិកម្មភាពឯករាជ្យ (independence) របស់ការតំរែតំរង់ធម្មតាដែលបានសិក្សារួចហើយ (មេរៀនទី ១៥)។ មេរៀននេះពន្យល់ពីមេកូអេភីតសហសម្ព័ន្ធក្នុងថ្នាក់ (intraclass correlation, ICC) ភាពខុសគ្នារវាង fixed effects ទល់នឹង random effects និង random slopes និងបង្ហាញជំហានសាងសង់គំរូពហុកម្រិតមួយ ពីគំរូទទេ (null model) រហូតដល់គំរូដែលមានអថេរកម្រិតទី ២ និង random slope — ជាមួយកំហុសដ៏ញឹកញាប់ដែលធ្វើឱ្យនិក្ខេបបទជាច្រើនជួបបញ្ហាការពារ។
🎯 គោលបំណងនៃមេរៀន — បន្ទាប់ពីអានចប់ អ្នកនឹងអាច៖
- កំណត់ថាទិន្នន័យមួយមានរចនាសម្ព័ន្ធជាក្រុម (nested/clustered) ដែរឬទេ ហើយលើកឧទាហរណ៍ពិតបានបី៖ សិស្សក្នុងសាលា អ្នកជំងឺក្នុងមន្ទីរពេទ្យ និងការសង្កេតដដែលៗក្នុងមនុស្សម្នាក់ (repeated measures)។
- ពន្យល់ថាហេតុអ្វីការធ្វើតំរែតំរង់ធម្មតាលើទិន្នន័យជាក្រុម ដោយមិនគិតពីក្រុម បង្កឱ្យកំហុសប្រភេទទី ១ (Type I error) កើនឡើង តាមរយៈគំនិត «design effect»។
- គណនា និងបកស្រាយ Intraclass Correlation Coefficient (ICC) ពីគំរូទទេ (null/empty model) — ប្រាប់ថាភាពប្រែប្រួលប៉ុន្មាន% ស្ថិតនៅចន្លោះក្រុម។
- បែងចែក fixed effect ទល់នឹង random intercept និង random slope ជាគំនិត ហើយដឹងកាលណាគួរបញ្ចូល random slope ក្នុងគំរូ។
- តាមដានជំហានសាងសង់គំរូពហុកម្រិតពី null model → បញ្ចូលអថេរកម្រិតទី ២ → random slope ហើយដឹងថាកម្មវិធីស្ថិតិមួយណា (lme4, HLM, Mplus) សមស្របនឹងគោលបំណងនីមួយៗ។
⚡ សង្ខេបក្នុង ៣០ វិនាទី
- ទិន្នន័យជាក្រុម (nested/clustered data) កើតឡើងពេលការសង្កេតកម្រិតទាប (ឧ. សិស្ស) «ស្ថិតនៅក្នុង» ឯកតាកម្រិតខ្ពស់ (ឧ. សាលា) — ការសង្កេតក្នុងក្រុមដូចគ្នា ជារឿយៗស្រដៀងគ្នាជាងការសង្កេតពីក្រុមផ្សេង។
- ICC (Intraclass Correlation Coefficient) វាស់ចំណែកនៃភាពប្រែប្រួលសរុបដែលស្ថិតនៅចន្លោះក្រុម — ICC ខ្ពស់ មានន័យថាសមាជិកក្រុមដូចគ្នាស្រដៀងគ្នាខ្លាំង ហើយលក្ខខណ្ឌឯករាជ្យកាន់តែបំពាន។
- Fixed effect ជាប៉ារាម៉ែត្រតែមួយដែលអនុវត្តដូចគ្នាលើគ្រប់ក្រុម ខណៈ random effect (intercept ឬ slope) អនុញ្ញាតឱ្យប៉ារាម៉ែត្រនោះប្រែប្រួលពីក្រុមមួយទៅក្រុមមួយទៀត ដោយខ្ចីកម្លាំងស្ថិតិពីក្រុមទាំងអស់ (partial pooling/shrinkage)។
- Design effect (DEFF ≈ ១ + (ទំហំក្រុមជាមធ្យម − ១) × ICC) បង្ហាញថា ទោះ ICC តូច ក៏អាចបន្ថយទំហំគំរូមានប្រសិទ្ធភាព (effective sample size) យ៉ាងខ្លាំង ប្រសិនបើទំហំក្រុមធំ។
- ជំហានសាងសង់គំរូ៖ ចាប់ផ្ដើមពី null model (គណនា ICC) → បញ្ចូលអថេរកម្រិតទី ១ និងទី ២ (fixed effects) → សាកល្បង random slope ប្រសិនបើទ្រឹស្ដីស្នើថាឥទ្ធិពលប្រែប្រួលតាមក្រុម។
- កំហុសដ៏ញឹកញាប់បំផុត៖ រំលងការត្រួតពិនិត្យ ICC ទាំងស្រុង ឬមានឯកតាកម្រិតទី ២ ចំនួនតិចពេក (ឧ. ក្រោម ២០) ធ្វើឱ្យការប៉ាន់ប្រមាណ variance component មិនអាចទុកចិត្តបាន (Maas & Hox, ២០០៥)។
០១ · ហេតុអ្វីសំខាន់ហេតុអ្វីគំរូពហុកម្រិតសំខាន់ចំពោះការស្រាវជ្រាវសង្គម សុខភាព និងអប់រំ
ការវិភាគតំរែតំរង់ដែលបានសិក្សារួច (មេរៀនទី ១៥) សន្មតថាការសង្កេតនីមួយៗ «ឯករាជ្យពីគ្នា» (independent) — ន័យថាដឹងអំពីការសង្កេតមួយ មិនប្រាប់អ្វីអំពីការសង្កេតមួយទៀតឡើយ។ ប៉ុន្តែទិន្នន័យជាក់ស្ដែងភាគច្រើនក្នុងសេដ្ឋកិច្ច អប់រំ សុខភាពសាធារណៈ ចិត្តវិទ្យា និងសង្គមវិទ្យា មិនមានលក្ខណៈនេះទេ — សិស្សនៅក្នុងថ្នាក់ដូចគ្នា ចែករំលែកគ្រូ កម្មវិធីសិក្សា និងបរិយាកាសដូចគ្នា ដូច្នេះចុងក្រោយពួកគេមានទំនោរស្រដៀងគ្នាខ្លះ ទោះគ្មានការប៉ះពាល់ផ្ទាល់ពីគ្នាទៅវិញទៅមកក៏ដោយ។ គំរូពហុកម្រិត (multilevel models) ដែលហៅផងដែរថា គំរូឋានានុក្រម (hierarchical models) ឬ mixed-effects models ត្រូវបានរចនាឡើងដើម្បីគិតគូររចនាសម្ព័ន្ធក្រុមនេះដោយផ្ទាល់ ជំនួសការធ្វើពុតថាវាមិនមាន។
សម្រាប់និស្សិតអនុបណ្ឌិត និងបណ្ឌិតដែលប្រមូលទិន្នន័យពីសិស្សច្រើនសាលា អ្នកជំងឺច្រើនមន្ទីរពេទ្យ បុគ្គលិកច្រើនអង្គការ ឬស្ទង់មតិមនុស្សដូចគ្នាច្រើនលើកតាមពេលវេលា ការរំលងបញ្ហានេះ មិនត្រឹមតែជាកំហុសបច្ចេកទេសប៉ុណ្ណោះទេ — វាប៉ះពាល់ដោយផ្ទាល់ដល់ថាតើលទ្ធផលសារៈសំខាន់ស្ថិតិ (p-value) អាចទុកចិត្តបានដែរឬទេ។ ទិន្នន័យជាក្រុមដែលមិនបានគិតគូរ អាចបង្កឱ្យសារៈសំខាន់ក្លែងក្លាយ (false positives) កើនឡើងយ៉ាងខ្លាំង — នេះជាកំហុសដែលគណៈកម្មការស្ថិតិជាញឹកញាប់រកឃើញ ហើយទាមទារឱ្យវិភាគឡើងវិញទាំងស្រុង។
⚠️ ហេតុអ្វីនេះសំខាន់ចំពោះនិក្ខេបបទ
សំណួរដូចជា «ទិន្នន័យរបស់អ្នកមានរចនាសម្ព័ន្ធក្រុមដែរឬទេ ហើយអ្នកបានគិតគូរវាយ៉ាងដូចម្ដេច?», «ICC របស់អ្នកប៉ុន្មាន?», ឬ «ហេតុអ្វីអ្នកប្រើការតំរែតំរង់ធម្មតា ខណៈសិស្សរបស់អ្នកមកពី ៤០ សាលា?» ជាសំណួរដែលបន្ទប់ការពារសួរញឹកញាប់ចំពោះនិក្ខេបបទណាដែលប្រមូលទិន្នន័យពីក្រុម។ ការមិនដឹងចម្លើយ បង្ហាញពីគម្លាតយល់ដឹងធ្ងន់ធ្ងរមួយអំពីរចនាសម្ព័ន្ធទិន្នន័យផ្ទាល់របស់ខ្លួនឯង។
០២ · និយមន័យនិយមន័យស្នូល និងប្រវត្តិសង្ខេបនៃគំរូពហុកម្រិត
ទិន្នន័យ ជាក្រុម (clustered) ឬ ជាក្រុមតាមឋានានុក្រម (nested) កើតមានពេលការសង្កេត «កម្រិតទី ១» (level-1 units — ឧ. សិស្ស អ្នកជំងឺ ឬការសង្កេតនីមួយៗតាមពេលវេលា) ត្រូវបានដាក់ចូលទាំងស្រុងនៅក្នុងឯកតា «កម្រិតទី ២» (level-2 units — ឧ. សាលា មន្ទីរពេទ្យ ឬបុគ្គលម្នាក់ក្នុងករណីទិន្នន័យតាមដាន)។ រចនាសម្ព័ន្ធនេះអាចបន្តដល់កម្រិតទី ៣ ទី ៤ បានដែរ (ឧ. សិស្ស ក្នុង ថ្នាក់ ក្នុង សាលា ក្នុង តំបន់អប់រំ)។ ចំណុចសំខាន់គឺ៖ ការសង្កេតកម្រិតទី ១ ដែលស្ថិតនៅក្នុងឯកតាកម្រិតទី ២ ដូចគ្នា មិនមែនឯករាជ្យពីគ្នាទេ — ពួកគេចែករំលែកកត្តាបរិយាកាសរួម ដែលមិនបានវាស់ដោយផ្ទាល់ តែប៉ះពាល់ដល់គ្រប់សមាជិកក្រុមដូចគ្នា។
ប្រវត្តិគំនិតនេះអាចតាមដានទៅដល់ William S. Robinson ដែលក្នុងអត្ថបទ «Ecological Correlations and the Behavior of Individuals» (Robinson, ១៩៥០) បានព្រមានថាសហសម្ព័ន្ធដែលគណនាលើទិន្នន័យកម្រិតក្រុម (ឧ. មធ្យមភាគសាលា) អាចខុសគ្នាទាំងស្រុងពីសហសម្ព័ន្ធកម្រិតបុគ្គល — ហៅថា «ecological fallacy»។ នេះបង្ហាញឱ្យឃើញថា កម្រិតវិភាគ (level of analysis) សំខាន់ណាស់ចំពោះការបកស្រាយ។ បន្ទាប់មក Nan Laird និង James Ware បានបោះពុម្ពគ្រឹះគណិតវិទ្យាសំខាន់មួយ «Random-Effects Models for Longitudinal Data» (Laird & Ware, ១៩៨២) ដែលបង្ហាញពីការប៉ាន់ប្រមាណគំរូដែលមានទាំង fixed effects និង random effects រួមគ្នា — គណិតវិទ្យាគ្រឹះដូចគ្នានឹងគំរូពហុកម្រិតសព្វថ្ងៃ។
ក្នុងវិស័យអប់រំ Harvey Goldstein បានអភិវឌ្ឍវិធីប៉ាន់ប្រមាណ Iterative Generalized Least Squares (IGLS, Goldstein, ១៩៨៦) ហើយ Murray Aitkin និង Nicholas Longford បានអនុវត្តគំនិតនេះទៅលើសំណួរ «school effectiveness» ក្នុងអត្ថបទ «Statistical Modelling Issues in School Effectiveness Studies» (Aitkin & Longford, ១៩៨៦) ដែលជះឥទ្ធិពលខ្លាំងទៅលើការស្រាវជ្រាវអប់រំជំនាន់ក្រោយ។ ស្របគ្នានេះ Stephen Raudenbush និង Anthony Bryk បានអភិវឌ្ឍក្របខ័ណ្ឌ Hierarchical Linear Models (HLM) ដែលផ្សព្វផ្សាយយ៉ាងទូលំទូលាយតាមរយៈសៀវភៅ Hierarchical Linear Models: Applications and Data Analysis Methods (Raudenbush & Bryk, ២០០២)។ ឈ្មោះ «hierarchical linear model», «multilevel model», និង «mixed-effects model» ត្រូវបានប្រើប្រាស់ជំនួសគ្នាភាគច្រើនក្នុងអក្សរសិល្ប៍សព្វថ្ងៃ ទោះបីជាមានប្រភពមកពីវដ្ដសិក្សាដែលខុសគ្នា (ស្ថិតិអប់រំ ទល់នឹង ជីវសាស្ត្រ/វេជ្ជសាស្ត្រ) ក៏ដោយ។
០៣ · ឧទាហរណ៍ទិន្នន័យជាក្រុម (Nested/Clustered Data)៖ ឧទាហរណ៍ពិតបីប្រភេទ
ដើម្បីដឹងថាគួរប្រើគំរូពហុកម្រិតដែរឬទេ សំណួរដំបូងគឺ៖ «តើការសង្កេតរបស់ខ្ញុំត្រូវបានដាក់ជាក្រុមតាមឯកតាខ្ពស់ជាងដែរឬទេ?»។ ឧទាហរណ៍ខាងក្រោម គ្របដណ្ដប់លើរចនាសម្ព័ន្ធដែលជួបញឹកញាប់បំផុតក្នុងការស្រាវជ្រាវអន្តរជាតិ៖
ឧទាហរណ៍ពិតល្បីមួយនៃទិន្នន័យពហុកម្រិតអន្តរជាតិ គឺការស្ទង់មតិ PISA (Programme for International Student Assessment) របស់អង្គការ OECD ដែលតេស្តលទ្ធផលសិក្សានិស្សិតជាច្រើនម៉ឺននាក់ ក្នុងច្រើនពាន់សាលា ក្នុងច្រើនដប់ប្រទេស — រចនាសម្ព័ន្ធបីកម្រិត៖ សិស្ស ក្នុង សាលា ក្នុង ប្រទេស។ អ្នកវិភាគ PISA ប្រើគំរូពហុកម្រិតជាស្តង់ដារ ដើម្បីញែកថាតើភាពខុសគ្នានៃលទ្ធផលសិក្សា មកពីកត្តាកម្រិតសិស្ស កម្រិតសាលា ឬកម្រិតប្រទេស។

💡 គន្លឹះ
សូមកុំច្រឡំ «ចំនួនការសង្កេត» ជាមួយ «ចំនួនឯកតាឯករាជ្យ»។ ប្រសិនបើអ្នកមានសិស្ស ៣,០០០ នាក់ ក្នុង ៥០ សាលា អ្នកមិនមាន «ទំហំគំរូ ៣,០០០» ក្នុងន័យស្ថិតិសុទ្ធនោះទេ — ព័ត៌មានឯករាជ្យពិតប្រាកដកាន់តែខិតទៅជិត ៥០ (ចំនួនសាលា) ជាងទៅជិត ៣,០០០ នោះទៀត ជាពិសេសចំពោះអថេរកម្រិតសាលា (ផ្នែកទី ០៤ បន្ទាប់)។
០៤ · បញ្ហាហេតុអ្វីការតំរែតំរង់ធម្មតាបរាជ័យនឹងទិន្នន័យជាក្រុម
ការតំរែតំរង់ធម្មតា (OLS, មេរៀនទី ១៥) សន្មតថាសេសសល់ (residuals) ឯករាជ្យពីគ្នា — លក្ខខណ្ឌសម្មតិកម្ម «independence» ។ ពេលទិន្នន័យជាក្រុម សេសសល់របស់ការសង្កេតក្នុងក្រុមដូចគ្នា មានទំនោរទាក់ទងគ្នា (correlated) ដោយសារកត្តាបរិយាកាសរួមដែលមិនបានវាស់ដោយផ្ទាល់ (ឧ. គុណភាពគ្រូ និយាមសាលា)។ លទ្ធផលជាក់ស្ដែងគឺ៖ standard error ដែលគណនាដោយមិនគិតពីក្រុម តែងតែទាបជាងតម្លៃពិត (anti-conservative) — ធ្វើឱ្យ confidence interval ចង្អៀតពេក និង p-value តូចពេក ជាងការពិត។
🧮 Design Effect — វាស់ទំហំបញ្ហា
DEFF ≈ ១ + (n̄ − ១) × ICC
n̄ = ទំហំក្រុមជាមធ្យម (ឧ. ចំនួនសិស្សជាមធ្យមក្នុងមួយសាលា) · ICC = Intraclass Correlation Coefficient (ផ្នែកទី ០៥)។ DEFF ប្រាប់ថា variance ពិតប្រាកដ ធំជាង variance ដែលគណនាដោយមិនគិតពីក្រុមប៉ុន្មានដង — ទំហំគំរូមានប្រសិទ្ធភាព (effective sample size) = N/DEFF។
ឧទាហរណ៍៖ ឧបមាសិស្ស ៣០ នាក់ជាមធ្យមក្នុងមួយសាលា ហើយ ICC = ០.១៨ (តម្លៃសាមញ្ញសម្រាប់លទ្ធផលសិក្សា)។ DEFF ≈ ១ + (៣០−១) × ០.១៨ ≈ ៦.២២។ ប្រសិនបើ N សរុប = ៣,០០០ ទំហំគំរូមានប្រសិទ្ធភាពពិតប្រាកដ ≈ ៣,០០០ / ៦.២២ ≈ ៤៨២ ប៉ុណ្ណោះ — តិចជាងលេខដែលមើលឃើញលើផ្ទៃក្រោយជិត ៦ ដង! នេះជាមូលហេតុដែល ICC តូច (ដូចជា ០.០៥) នៅតែអាចធ្វើឱ្យលទ្ធផលខុសគ្នាខ្លាំង ប្រសិនបើទំហំក្រុមធំ (Peugh, ២០១០)។
⚠️ ហានិភ័យពិតប្រាកដ៖ Type I Error កើនឡើង
ពេល standard error ត្រូវបានប៉ាន់ប្រមាណទាបពេក គម្លាតទំនុកចិត្ត ៩៥% ចង្អៀតពេក ហើយអថេរកម្រិតក្រុម (ឧ. ប្រភេទសាលា ថវិកាសាលា) អាចបង្ហាញជាសារៈសំខាន់ស្ថិតិ ទោះជាការពិតមិនមានឥទ្ធិពលសំខាន់ក៏ដោយ។ បញ្ហានេះកាន់តែធ្ងន់ធ្ងរចំពោះ អថេរកម្រិតទី ២ (ឧ. ចំណាត់ថ្នាក់សាលា) ជាងអថេរកម្រិតទី ១ (ឧ. ម៉ោងសិក្សារបស់សិស្សម្នាក់ៗ) ព្រោះអថេរកម្រិតទី ២ «ច្បាស់ម៉ោងនឹង» ត្រឹមតែចំនួនឯកតាកម្រិតទី ២ ប៉ុណ្ណោះ មិនមែនចំនួនការសង្កេតសរុបទេ។
ជម្រើសផ្សេងក្រៅពីគំរូពហុកម្រិត៖ សម្រាប់អ្នកដែលមកពីវដ្ដសិក្សាសេដ្ឋកិច្ច ជម្រើសមួយទៀតគឺ «clustered/robust standard errors» ឬ «fixed-effects regression» (ដាក់ dummy variable មួយក្នុងមួយក្រុម)។ វិធីទាំងនេះអាចកែ standard error បានត្រឹមត្រូវ ប៉ុន្តែ មិនផ្ដល់ព័ត៌មានអំពី ICC ឬភាពប្រែប្រួលរវាងក្រុម ហើយមិនអាចសាកល្បង random slope បានទេ — ជាភាពខុសគ្នាដែលបង្កការយល់ច្រឡំឆ្លងវដ្ដសិក្សាដ៏ញឹកញាប់ (Bell, Fairbrother & Jones, ២០១៩, ផ្នែកទី ០៦)។
០៥ · ICCIntraclass Correlation Coefficient (ICC)៖ ប៉ុន្មាន% នៃភាពប្រែប្រួលស្ថិតនៅចន្លោះក្រុម?
ដើម្បីវាស់កម្រិតនៃការ nest អ្នកវិភាគតែងតែចាប់ផ្ដើមដោយគំរូមួយដែលមិនមានអថេរពន្យល់ណាមួយ ហៅថា null model ឬ empty model — មានតែ random intercept សម្រាប់ក្រុម។ គំរូនេះញែកភាពប្រែប្រួលសរុបនៃអថេរលទ្ធផលជាពីរផ្នែក៖
🧮 Null Model និង ICC
Yᵢⱼ = γ₀₀ + u₀ⱼ + eᵢⱼ
Yᵢⱼ = តម្លៃរបស់បុគ្គល i ក្នុងក្រុម j · γ₀₀ = មធ្យមភាគសរុប (grand mean) · u₀ⱼ ~ N(0, τ₀₀) = ភាពខុសគ្នារបស់ក្រុម j ពីមធ្យមភាគសរុប (between-group variance) · eᵢⱼ ~ N(0, σ²) = ភាពខុសគ្នារបស់បុគ្គល i ក្នុងក្រុម j (within-group variance)។
ICC = τ₀₀ / (τ₀₀ + σ²)
ICC បកស្រាយបានពីរវិធីស្មើគ្នា៖ (១) ចំណែកនៃភាពប្រែប្រួលសរុបដែលស្ថិតនៅចន្លោះក្រុម — ICC = ០.២០ មានន័យថា ២០% នៃភាពខុសគ្នាទាំងអស់នៃអថេរលទ្ធផល មកពីភាពខុសគ្នារវាងសាលា (មិនមែនរវាងសិស្ស) ។ (២) សហសម្ព័ន្ធដែលរំពឹងទុករវាងសិស្សពីរនាក់ដែលជ្រើសចៃដន្យពីសាលាដូចគ្នា — ICC ខ្ពស់ មានន័យថាសិស្សពីរនាក់ក្នុងសាលាដូចគ្នា ស្រដៀងគ្នាខ្លាំងជាងសិស្សពីរនាក់ចៃដន្យពីសាលាផ្សេង។
💡 តម្លៃ ICC ជាក់ស្ដែង
ICC មិនមានតម្លៃ «ត្រឹមត្រូវ» ដាច់ខាតនោះទេ — វាខុសគ្នាទាំងស្រុងតាមវិស័យ និងអថេរលទ្ធផល។ ក្នុងការសិក្សាអប់រំ ICC សម្រាប់លទ្ធផលសិក្សា (សិស្សក្នុងសាលា) ជាធម្មតាចន្លោះពី ០.១០–០.២៥ (Peugh, ២០១០); ក្នុងការសិក្សាសុខភាព ICC សម្រាប់លទ្ធផលព្យាបាល (អ្នកជំងឺក្នុងគ្លីនិក) អាចទាបដល់ ០.០១–០.០៥ ប៉ុន្តែនៅតែសំខាន់ ប្រសិនបើទំហំក្រុមធំ (សូមមើល design effect ផ្នែកទី ០៤)។
ហេតុអ្វីគួរគណនា ICC មុនធ្វើអ្វីផ្សេង? ទី ១ វាបញ្ជាក់ថាគួរប្រើគំរូពហុកម្រិតដែរឬទេ (ICC ជិតសូន្យ មានន័យថាការ nest មិនសំខាន់ក្នុងអថេរនេះ ទោះបីជារចនាសម្ព័ន្ធទិន្នន័យជាក្រុមក៏ដោយ)។ ទី ២ វាផ្ដល់ «ចំណុចចាប់ផ្ដើម» សម្រាប់ប្រៀបធៀបថាគំរូពហុកម្រិតពេញលេញ អាចពន្យល់ភាពប្រែប្រួលរវាងក្រុមបានប៉ុន្មាន% (ឧ. ប្រសិនបើអថេរកម្រិតសាលាកាត់បន្ថយ τ₀₀ ពី ០.២០ ទៅ ០.០៨ នោះអថេរនោះពន្យល់បាន ៦០% នៃភាពប្រែប្រួលរវាងសាលា)។
០៦ · គំនិតស្នូលFixed Effect ទល់នឹង Random Intercept និង Random Slope
ចំណុចស្មុគស្មាញបំផុតមួយសម្រាប់អ្នកចាប់ផ្ដើមសិក្សាគំរូពហុកម្រិត គឺពាក្យ «fixed» និង «random»។ ក្នុងបរិបទគំរូពហុកម្រិត (ខុសពីន័យក្នុងសេដ្ឋកិច្ច ដែលនឹងបកស្រាយខាងក្រោម)៖
Fixed Effect
- ប៉ារាម៉ែត្រតែមួយ (coefficient តែមួយ) ប៉ាន់ប្រមាណ ហើយអនុវត្តដូចគ្នាចំពោះគ្រប់ឯកតាកម្រិតទី ២
- ឧ. «ជាមធ្យម រាល់ម៉ោងសិក្សាកើនឡើង ១ ម៉ោង ពិន្ទុកើនឡើង b ចំណុច» — b តែមួយសម្រាប់គ្រប់សាលា
- សមស្របនឹងកត្តាដែលទ្រឹស្ដីស្នើថាមានឥទ្ធិពលស្ថិតស្ថេរ (population average)
Random Effect (Intercept/Slope)
- ប៉ារាម៉ែត្រត្រូវបានសន្មតថាខុសគ្នាពីក្រុមមួយទៅក្រុមមួយទៀត ហើយ«ទាញចេញ» (drawn) ពីការចែកចាយធម្មតាដែលមានមធ្យម និង variance ខ្លួនឯង (τ)
- ខ្ចីកម្លាំងស្ថិតិឆ្លងក្រុម (partial pooling/shrinkage) — ក្រុមដែលមានទិន្នន័យតិច ត្រូវទាញទៅជិតមធ្យមភាគសរុបបន្តិច
- ឧ. «សាលាខ្លះមានចំណុចប្រសព្វខ្ពស់ជាង (ល្អជាងជាទូទៅ) សាលាផ្សេងទាបជាង»
Random intercept អនុញ្ញាតឱ្យ «ចំណុចឆ្នូត» (baseline level) ប្រែប្រួលតាមក្រុម — សាលាខ្លះល្អជាងទូទៅ សាលាខ្លះទាបជាង ទោះសិស្សមានលក្ខណៈដូចគ្នាក៏ដោយ។ Random slope ទៅមុខជាងនេះទៅទៀត៖ វាអនុញ្ញាតឱ្យ ឥទ្ធិពលខ្លួនឯង (coefficient របស់អថេរកម្រិតទី ១) ប្រែប្រួលតាមក្រុម — ឧ. ម៉ោងសិក្សាអាចជួយសិស្សខ្លាំងនៅសាលាខ្លះ ប៉ុន្តែជួយតិចជាងនៅសាលាផ្សេង (ប្រហែលសាលានោះមានការគាំទ្របន្ថែមច្រើនហើយ)។ ប្រសិនបើទ្រឹស្ដីស្នើថាឥទ្ធិពលមួយ «គួរតែខុសគ្នាតាមបរិបទ» random slope ជាការសាកល្បងផ្ទាល់នៃឧបសម្ព័ន្ធនោះ។
💡 Shrinkage/Partial Pooling ជាអ្វី?
គំរូពហុកម្រិតប៉ាន់ប្រមាណមធ្យមភាគសាលានីមួយៗ ដោយ «ខ្ចី» ព័ត៌មានពីសាលាផ្សេងទាំងអស់ — សាលាដែលមានសិស្សតិច (ទិន្នន័យតិច ភាពមិនច្បាស់ច្រើន) ត្រូវទាញទៅជិតមធ្យមភាគសរុបបន្តិច (shrink toward the grand mean) ខណៈសាលាដែលមានសិស្សច្រើន ត្រូវទាញតិច។ នេះជាគុណសម្បត្តិធំបំផុតមួយរបស់គំរូពហុកម្រិត ធៀបនឹងការប៉ាន់ប្រមាណសាលានីមួយៗដាច់ដោយឡែក (ឧ. fixed-effects regression ដែលប្រើ dummy variable ដាច់ដោយឡែកសម្រាប់សាលានីមួយៗ) ជាពិសេសពេលសាលាខ្លះមានសិស្សតិច។
⚠️ ការច្រឡំដ៏ញឹកញាប់ឆ្លងវដ្ដសិក្សា
ក្នុងសេដ្ឋកិច្ច (econometrics) ពាក្យ «fixed-effects model» ភាគច្រើនមានន័យថាការប៉ាន់ប្រមាណដែល «លុបបំបាត់» ភាពខុសគ្នារវាងក្រុមទាំងអស់ដោយស្វ័យប្រវត្តិ (demeaning ឬ dummy variable ក្នុងមួយក្រុម) ដោយមិនសន្មតការចែកចាយណាមួយឡើយ — ខណៈក្នុងគំរូពហុកម្រិត «fixed effect» មានន័យត្រឹមតែប៉ារាម៉ែត្រតែមួយដែលមិនប្រែប្រួលតាមក្រុម។ Bell, Fairbrother & Jones (២០១៩) ពន្យល់យ៉ាងលម្អិតអំពីការច្រឡំនេះ ហើយណែនាំឱ្យអ្នកនិពន្ធបញ្ជាក់ច្បាស់ជានិច្ចថាខ្លួនកំពុងប្រើន័យមួយណា។ និស្សិតដែលសិក្សាទាំងសេដ្ឋកិច្ច និងអប់រញ/សុខភាព គួរប្រុងប្រយ័ត្នបំផុតចំពោះចំណុចនេះ។
០៧ · ឧទាហរណ៍ឧទាហរណ៍អនុវត្ត៖ ពី Null Model ដល់ Random Slope
ដើម្បីបង្ហាញឱ្យច្បាស់ពីជំហានសាងសង់គំរូ យើងនឹងប្រើទិន្នន័យសម្មត (simulated/illustrative — មិនមែនទិន្នន័យពិតពីការសិក្សាជាក់ស្ដែងណាមួយទេ) តាមគំរូស្រាវជ្រាវអន្តរជាតិបែប PISA៖ សិស្ស ២,៤០០ នាក់ ក្នុង ៨០ សាលា (៣០ នាក់ក្នុងមួយសាលាជាមធ្យម) ដែលបានប្រឡងគណិតវិទ្យា។
ជំហាន ០ — Null Model (គណនា ICC)
គំរូដែលគ្មានអថេរពន្យល់ណាមួយ៖ τ₀₀ (between-school variance) = ១៨, σ² (within-school variance) = ៨២។ ICC = ១៨/(១៨+៨២) = ០.១៨ — ១៨% នៃភាពប្រែប្រួលសរុបនៃពិន្ទុគណិតវិទ្យា ស្ថិតនៅចន្លោះសាលា។ ចំនួននេះសំខាន់ណាស់ ហើយធ្វើឱ្យប្រាកដថាការ nest ត្រូវការគិតគូរ (ធៀបនឹង design effect ≈ ៦.២២ ដែលបានគណនារួច ផ្នែកទី ០៤)។
ជំហាន ១ — បញ្ចូលអថេរកម្រិតទី ១ (Fixed Effect)
យើងបញ្ចូលម៉ោងសិក្សារៀងសប្ដាហ៍ (អថេរកម្រិតសិស្ស) ជា fixed effect៖ b = ២.១ (p < .០១)។ ភាពប្រែប្រួលក្នុងសាលា (σ²) ថយចុះពី ៨២ ទៅ ៧៥ (ម៉ោងសិក្សាពន្យល់បានខ្លះនៃភាពខុសគ្នារវាងសិស្សក្នុងសាលាដូចគ្នា) ប៉ុន្តែ τ₀₀ (between-school) មិនផ្លាស់ប្តូរច្រើន — សមហេតុផល ព្រោះអថេរកម្រិតសិស្ស មិនគួរពន្យល់ភាពខុសគ្នារវាងសាលា។
ជំហាន ២ — បញ្ចូលអថេរកម្រិតទី ២ (Fixed Effect)
យើងបញ្ចូលចំណាត់ថ្នាក់ធនធានសាលា (school resourcing index, អថេរកម្រិតសាលា) ជា fixed effect បន្ថែម៖ b = ៣.៤ (p < .០១)។ ឥឡូវ τ₀₀ ថយចុះពី ១៨ ទៅ ៧ — អថេរនេះពន្យល់បាន (១៨−៧)/១៨ ≈ ៦១% នៃភាពប្រែប្រួលរវាងសាលា។ នេះជាវិធីវាស់ «pseudo-R²» កម្រិតកម្រិតទី ២ ដែលមានប្រយោជន៍ខ្លាំងសម្រាប់របាយការណ៍លទ្ធផល។
ជំហាន ៣ — Random Slope
ជាចុងក្រោយ យើងសាកល្បងថាតើឥទ្ធិពលម៉ោងសិក្សា ប្រែប្រួលតាមសាលាដែរឬទេ ដោយអនុញ្ញាតឱ្យ slope ម៉ោងសិក្សាជា random (មិនថេរឆ្លងសាលា)។ Variance របស់ random slope (τ₁₁) = ០.៣៥ ហើយការធ្វើតេស្ត likelihood-ratio ប្រៀបធៀបជាមួយគំរូដែលគ្មាន random slope បង្ហាញថាសារៈសំខាន់ស្ថិតិ (p = .០០៣)។ មានន័យថា ឥទ្ធិពលម៉ោងសិក្សាមិនថេរឆ្លងសាលាទេ — នៅសាលាខ្លះ ម៉ោងសិក្សាបន្ថែមជួយច្រើន ខណៈសាលាផ្សេង ជួយតិចជាង។ ជំហានបន្ទាប់ដែលធម្មជាតិគឺសាកល្បង cross-level interaction (ឧ. ធនធានសាលា × ម៉ោងសិក្សា) ដើម្បីពន្យល់ថាហេតុអ្វីឥទ្ធិពលនោះខុសគ្នា។
⚠️ ហេតុអ្វីនេះមិនមែនជា «ភស្តុតាងមូលហេតុ»
ដូចការតំរែតំរង់ធម្មតា (មេរៀនទី ១៥) គំរូពហុកម្រិតកែតម្រូវ standard error ឱ្យត្រឹមត្រូវជាង ប៉ុន្តែមិនផ្លាស់ប្តូរអត្ថន័យមូលហេតុ — ទិន្នន័យកាត់ផ្ដាច់ពេលវេលាតែមួយ (cross-sectional) នៅតែមិនអនុញ្ញាតឱ្យអះអាងថាធនធានសាលា«បណ្ដាល» ឱ្យពិន្ទុខ្ពស់ (Holland, ១៩៨៦)។ សាលាដែលមានធនធានច្រើន អាចទាក់ទាញគ្រួសារសិស្សខ្លាំងតាំងពីដើមហើយ (selection) មិនមែនធនធានខ្លួនឯងដែលបង្កផលប៉ះពាល់ទាល់តែសោះក៏អាចបាន។
០៨ · ប្រៀបធៀបតារាងប្រៀបធៀបគំរូទាំងបីកម្រិត
| លក្ខណៈ | តំរែតំរង់ធម្មតា (OLS) | Random Intercept | Random Intercept + Slope |
|---|---|---|---|
| សន្មតភាពឯករាជ្យ? | បាទ (ជារឿយៗខុស) | ទេ — គិតគូរការ nest តាម intercept | ទេ — គិតគូរការ nest តាម intercept និង slope |
| Standard error ចំពោះអថេរកម្រិតសាលា | ទាបពេក (anti-conservative) | ត្រឹមត្រូវជាង | ត្រឹមត្រូវបំផុត បើ random slope ត្រឹមត្រូវតាមទ្រឹស្ដី |
| ផ្ដល់ ICC ដែរឬទេ? | ទេ | បាទ | បាទ (បន្ថែម τ₁₁ សម្រាប់ slope) |
| ឥទ្ធិពលអថេរកម្រិតទី ១ ថេរឆ្លងក្រុម? | សន្មតថាថេរ | សន្មតថាថេរ | អនុញ្ញាតឱ្យប្រែប្រួល (សាកល្បងបាន) |
| ប៉ារាម៉ែត្រត្រូវប៉ាន់ប្រមាណ | តិចបំផុត | មធ្យម (+ τ₀₀) | ច្រើនជាង (+ τ₁₁ និង covariance) |
| ត្រូវការឯកតាកម្រិតទី ២ ប៉ុន្មាន? | មិនសំខាន់ | ~២០–៣០ អប្បបរមា | ~៣០–៥០ អប្បបរមា (Maas & Hox, ២០០៥) |
០៩ · កម្មវិធីកម្មវិធីស្ថិតិសម្រាប់គំរូពហុកម្រិត៖ lme4, HLM, Mplus និងផ្សេងទៀត
មិនថាប្រើកម្មវិធីណា គណិតវិទ្យាគ្រឹះដូចគ្នា — ភាពខុសគ្នាចំបងគឺចុចចំណុចខ្លាំង និងចំណុចអន់របស់កម្មវិធីនីមួយៗ។
(1 | school) សម្រាប់ random intercept ឬ (study_hours | school) សម្រាប់ random slope។ក្រៅពីនេះ Stata មាន command mixed, SPSS មាន module MIXED, ហើយ Python មានកញ្ចប់ statsmodels (MixedLM)។ ការជ្រើសកម្មវិធីភាគច្រើនអាស្រ័យលើវដ្ដសិក្សា (education/psychology ច្រើនប្រើ HLM/Mplus; biostatistics/public health ច្រើនប្រើ R ឬ Stata) និងថាតើត្រូវការភ្ជាប់ជាមួយ SEM ដែរឬទេ។
💡 គន្លឹះសរសេរនិក្ខេបបទ
មិនថាប្រើកម្មវិធីណា ត្រូវចែងច្បាស់ក្នុងជំពូកវិធីសាស្ត្រ៖ (១) ឈ្មោះ និង version កម្មវិធី/កញ្ចប់, (២) វិធីប៉ាន់ប្រមាណ (ML ឬ REML — restricted maximum likelihood ជាទូទៅសមស្របជាងសម្រាប់ variance components ក្នុងគំរូតូច), (៣) រចនាសម្ព័ន្ធ random effects ពេញលេញ (intercept តែម្នាក់ ឬ intercept + slope)។
១០ · ករណីសិក្សាករណីសិក្សា៖ ដាននៃការសម្រេចចិត្តប្រើគំរូពហុកម្រិតមួយ ពីដើមដល់ចប់
ករណីនេះតាមដានអ្នកស្រាវជ្រាវម្នាក់ ដែលសិក្សាកត្តាទាយលទ្ធផលសិក្សានិស្សិតអន្តរជាតិថ្នាក់អនុបណ្ឌិត ដែលប្រមូលទិន្នន័យពីច្រើនកម្មវិធីសិក្សា។
ជំហាន ១ — កត់សម្គាល់រចនាសម្ព័ន្ធទិន្នន័យ
អ្នកស្រាវជ្រាវប្រមូលទិន្នន័យពីនិស្សិត ៨៥០ នាក់ ក្នុង ២៨ កម្មវិធីអនុបណ្ឌិតពីសាកលវិទ្យាល័យផ្សេងៗគ្នា — កត់សម្គាល់ថានេះជារចនាសម្ព័ន្ធពីរកម្រិត (និស្សិត ក្នុង កម្មវិធី)។
ជំហាន ២ — ដំណើរការ Null Model គណនា ICC
ICC = ០.១៤ — ១៤% នៃភាពប្រែប្រួលពិន្ទុនិក្ខេបបទ ស្ថិតនៅចន្លោះកម្មវិធី។ ទោះ ២៨ កម្មវិធីស្ថិតនៅចន្លោះអប្បបរមានៃ Kreft’s 30/30 rule បន្តិច អ្នកស្រាវជ្រាវសម្រេចបន្តប្រើគំរូពហុកម្រិត ដោយកត់សម្គាល់កម្រិតនេះជាដែនកំណត់ (limitation)។
ជំហាន ៣ — បញ្ចូលអថេរកម្រិតនិស្សិត (Fixed Effects)
បញ្ចូលចំនួនម៉ោងធ្វើការស្រាវជ្រាវរៀងសប្ដាហ៍ និងកម្រិតអង់គ្លេស ជា fixed effects — ទាំងពីរសំខាន់ស្ថិតិ។
ជំហាន ៤ — បញ្ចូលអថេរកម្រិតកម្មវិធី ផ្អែកលើទ្រឹស្ដី
ផ្អែកលើការពិនិត្យអក្សរសិល្ប៍ ជ្រើសចំណាត់ថ្នាក់អង្គភាពណែនាំ (advising ratio) ជាអថេរកម្រិតកម្មវិធី — ពន្យល់បាន ៤៥% នៃភាពប្រែប្រួលរវាងកម្មវិធី។
ជំហាន ៥ — សាកល្បង Random Slope ដោយផ្អែកលើទ្រឹស្ដី
ទ្រឹស្ដីស្នើថាឥទ្ធិពលម៉ោងស្រាវជ្រាវអាចខុសគ្នាតាមកម្មវិធី (កម្មវិធីខ្លះមានការណែនាំស្អិតល្អិតជាង)។ ការធ្វើតេស្ត likelihood-ratio បង្ហាញថា random slope មិនសារៈសំខាន់ស្ថិតិទេ (p = .១៨) — អ្នកស្រាវជ្រាវសម្រេចទុក slope ជា fixed ដើម្បីជៀសវាងបញ្ហា overfitting random effects (ផ្នែកទី ១៣)។
ជំហានចុងក្រោយ — រាយការណ៍ទាំង Fixed និង Variance Components
របាយការណ៍ចុងក្រោយ រាយទាំង fixed-effect coefficient (ជាមួយ CI ៩៥%) និង variance components (τ₀₀, σ², ICC) ព្រមទាំងពន្យល់ច្បាស់ពីហេតុអ្វីមិនបញ្ចូល random slope ជាចុងក្រោយ — បង្ហាញភាពម៉ឺងម៉ាត់ក្នុងដំណើរការជ្រើសគំរូ។
១១ · ការសម្រេចចិត្តតើគួរប្រើគំរូពហុកម្រិតដែរឬទេ ហើយរចនាសម្ព័ន្ធណាសមស្រប?
សូមសួរខ្លួនឯងតាមលំដាប់ខាងក្រោម។
សំណួរទី ១៖ តើទិន្នន័យមានរចនាសម្ព័ន្ធក្រុមដែរឬទេ?
ប្រសិនបើការសង្កេតនីមួយៗ «ស្ថិតនៅក្នុង» ឯកតាខ្ពស់ជាង (សាលា មន្ទីរពេទ្យ បុគ្គល) → បន្តទៅសំណួរទី ២។ ប្រសិនបើគ្មានក្រុម (ឧ. ការសង្កេតនីមួយៗពិតជាឯករាជ្យ) → ការតំរែតំរង់ធម្មតាគ្រប់គ្រាន់។
សំណួរទី ២៖ តើ ICC ពីគំរូទទេ សំខាន់ដែរឬទេ?
គណនា null model ជានិច្ច ទោះ ICC ហាក់ដូចជាតិច — ត្រូវគិតគូរទំហំក្រុមផងដែរ (design effect, ផ្នែកទី ០៤)។ ICC ជិតសូន្យណាស់ (<០.០១) ជាមួយទំហំក្រុមតូច អាចអនុញ្ញាតឱ្យប្រើការតំរែតំរង់ធម្មតាដោយកែ standard error តិចតួចបាន ប៉ុន្តែគួរកត់សម្គាល់ច្បាស់ក្នុងនិក្ខេបបទ។
សំណួរទី ៣៖ តើមានឯកតាកម្រិតទី ២ គ្រប់គ្រាន់ដែរឬទេ?
Maas & Hox (២០០៥) ស្នើថា ~៥០ ឯកតាកម្រិតទី ២ ល្អសម្រាប់ប៉ាន់ប្រមាណ variance component ត្រឹមត្រូវ ខណៈ Kreft (១៩៩៦) ស្នើច្បាប់ «៣០/៣០» (៣០ ក្រុម × ៣០ ការសង្កេតក្នុងក្រុម) ជាអប្បបរមាគួរអនុវត្ត។ ក្រោម ២០ ក្រុម ត្រូវប្រុងប្រយ័ត្នខ្លាំង ហើយអាចត្រូវប្រើវិធីជំនួស (ឧ. Bayesian estimation ជាមួយ prior ប្រុងប្រយ័ត្ន)។
សំណួរទី ៤៖ តើទ្រឹស្ដីស្នើថាឥទ្ធិពលខុសគ្នាតាមក្រុមដែរឬទេ?
ប្រសិនបើមាន → សាកល្បង random slope ហើយធ្វើតេស្ត likelihood-ratio។ ប្រសិនបើគ្មានទ្រឹស្ដីជាក់លាក់ ឬគ្រាន់តែ «សាកល្បងមើល» → ប្រុងប្រយ័ត្ន ព្រោះ random slope ទាមទារទិន្នន័យច្រើនជាង ហើយអាចបង្កបញ្ហា convergence (ផ្នែកទី ១៣)។
ជំហានចុងក្រោយ៖ ចាប់ផ្ដើមសាមញ្ញ រីកដុះទាបៗ
ដំណើរការសាងសង់គំរូល្អបំផុត ចាប់ផ្ដើមសាមញ្ញ (null model) ហើយបន្ថែមភាពស្មុគស្មាញតែមួយជំហានម្ដង ដោយផ្ទៀងផ្ទាត់ variance components និងការធ្វើតេស្ត likelihood-ratio រាល់ជំហាន — ជំនួសសាងសង់គំរូស្មុគស្មាញបំផុតភ្លាមតែម្ដង។
១២ · ការសរសេររបៀបសរសេរផ្នែក «គំរូពហុកម្រិត» ក្នុងនិក្ខេបបទ
ផ្នែកនេះជាទូទៅចែកជាបី៖ ជំពូកវិធីសាស្ត្រ (ពន្យល់រចនាសម្ព័ន្ធទិន្នន័យ និងហេតុអ្វីជ្រើសគំរូពហុកម្រិត) ជំពូកលទ្ធផល (រាយតារាង fixed effects និង variance components ជំហានម្ដងៗ) និងការពន្យល់ ICC។ ប្រវែងប្រហាក់ប្រហែល៖ និក្ខេបបទអនុបណ្ឌិត ~៦០០–១,០០០ ពាក្យ និង និក្ខេបបទបណ្ឌិត ~១,៥០០–៣,០០០ ពាក្យ (បើប្រៀបធៀបគំរូច្រើនជំហាន)។
គំរូ ៥ ជំហាន
📝 រចនាសម្ព័ន្ធផ្នែកវិភាគពហុកម្រិត
ជំហានទី ១ ពន្យល់រចនាសម្ព័ន្ធក្រុម (ឧ. សិស្ស ក្នុង សាលា) ហើយចែង null model និង ICC ជាភស្តុតាងដែលតម្រូវឱ្យប្រើគំរូពហុកម្រិត។
ជំហានទី ២ រាយអថេរកម្រិតទី ១ និងកម្រិតទី ២ ទាំងអស់ ជាមួយការវាស់ (operationalization) របស់វា។
ជំហានទី ៣ ចែងលំដាប់គំរូដែលសាកល្បង (null → +level-1 → +level-2 → +random slope) ជាមួយការធ្វើតេស្ត likelihood-ratio ប្រៀបធៀបគ្នា។
ជំហានទី ៤ រាយតារាង fixed-effect coefficient (ជាមួយ CI ៩៥%) និង variance components (τ₀₀, σ², τ₁₁ បើមាន) សម្រាប់គំរូចុងក្រោយ។
ជំហានទី ៥ បកស្រាយ ICC និង coefficient សំខាន់ៗជាភាសាធម្មតា ជៀសវាងពាក្យ «បណ្ដាល» លើកលែងប្រើគំរូមូលហេតុពិតប្រាកដ។
កថាខណ្ឌគំរូ (ភាសាអង់គ្លេស)
ខាងក្រោមនេះជាកថាខណ្ឌគំរូដែល Eksastra សរសេរឡើងសម្រាប់ជាឧទាហរណ៍ (សម្រាប់ករណីសិក្សាផ្នែកទី ០៧ ខាងលើ)។ កុំចម្លងទាំងស្រុង — ត្រូវសរសេរឡើងវិញតាមការសិក្សារបស់អ្នក។
MODEL PARAGRAPH · MULTILEVEL MODEL RESULTS
A two-level random-intercept model was fitted to examine whether school resourcing predicted mathematics scores among 2,400 students nested within 80 schools, after accounting for weekly self-study hours at the student level. The null model indicated an intraclass correlation of ICC = .18, confirming that 18% of the total variance in scores was located between schools and that clustering could not be ignored. School resourcing was a significant level-2 predictor (b = 3.4, p < .01) and accounted for approximately 61% of the between-school variance. A subsequent model allowing the slope of self-study hours to vary randomly across schools provided a significantly better fit than the random-intercept-only model, χ²(1) = 8.9, p = .003, indicating that the benefit of additional study time differed meaningfully from school to school. Given the cross-sectional design, these results describe statistical association rather than causal effects of school resourcing on achievement.
ហេតុអ្វីកថាខណ្ឌនេះល្អ? (១) រាយ ICC ជាភស្តុតាងដំបូងដែលតម្រូវឱ្យប្រើវិធីសាស្ត្រនេះ។ (២) រាយ fixed effect ជាមួយចំណែកភាពប្រែប្រួលពន្យល់បាន (pseudo-R² កម្រិតទី ២)។ (៣) រាយការធ្វើតេស្ត likelihood-ratio ជាភស្តុតាងសម្រាប់ random slope មិនគ្រាន់តែលេខ coefficient។ (៤) ប្រកាសច្បាស់លាស់ពីដែនកំណត់មូលហេតុ។
១៣ · ជៀសវាងកំហុស ៨ យ៉ាងដែលគណៈកម្មការឃើញញឹកញាប់ចំពោះគំរូពហុកម្រិត
រំលងការត្រួតពិនិត្យ ICC ទាំងស្រុង ហើយប្រើការតំរែតំរង់ធម្មតាដោយផ្ទាល់
ប្រមូលទិន្នន័យពីច្រើនសាលា/មន្ទីរពេទ្យ ប៉ុន្តែដំណើរការតំរែតំរង់ធម្មតាដូចជាគ្មានក្រុម — Type I error កើនឡើងដោយមិនដឹងខ្លួន។ ដំណោះស្រាយ៖ គណនា null model និង ICC ជានិច្ច មុននឹងសម្រេចថាត្រូវប្រើគំរូពហុកម្រិតដែរឬទេ (ផ្នែកទី ០៥)។
ឯកតាកម្រិតទី ២ តិចពេក
ដំណើរការគំរូពហុកម្រិតជាមួយសាលាតែ ១០–១៥ — variance component (τ) ប៉ាន់ប្រមាណមិនច្បាស់ ហើយ CI ទូលំទូលាយខ្លាំង។ ដំណោះស្រាយ៖ អនុវត្តតាមច្បាប់ ~៣០ ឯកតាកម្រិតទី ២ អប្បបរមា (Kreft, ១៩៩៦; Maas & Hox, ២០០៥) ឬបញ្ជាក់ច្បាស់ជាដែនកំណត់ (limitation) ប្រសិនបើមិនអាចសម្រេចបាន។
ច្រឡំ Fixed Effect រវាងន័យសេដ្ឋកិច្ច និងន័យពហុកម្រិត
សរសេរថា «ប្រើ fixed-effects model» ដោយមិនបញ្ជាក់ថាមានន័យថាអ្វីក្នុងបរិបទអ្វី ធ្វើឱ្យអ្នកអានមកពីវដ្ដសិក្សាផ្សេង យល់ខុស។ ដំណោះស្រាយ៖ បញ្ជាក់ច្បាស់ជានិច្ចថាកំពុងប្រើន័យពហុកម្រិត (coefficient តែមួយ) ឬន័យសេដ្ឋកិច្ច (demeaning) (Bell, Fairbrother & Jones, ២០១៩)។
មិនបែងចែក Grand-Mean Centering ជាមួយ Group-Mean Centering
បញ្ចូលអថេរកម្រិតទី ១ ដោយមិនស្គាល់ថាការ center (grand-mean ឬ group-mean) ផ្លាស់ប្តូរអត្ថន័យ coefficient ទាំងស្រុង — group-mean centering ញែកឥទ្ធិពលកម្រិតសិស្សដាច់ដោយឡែកពីឥទ្ធិពលកម្រិតសាលាទាំងស្រុង ខណៈ grand-mean centering មិនញែក។ ដំណោះស្រាយ៖ សម្រេចចិត្តដោយផ្អែកលើសំណួរស្រាវជ្រាវ ហើយចែងច្បាស់ក្នុងជំពូកវិធីសាស្ត្រ។
មិនសាកល្បង Random Slope ទោះទ្រឹស្ដីស្នើថាគួរ
ប្រើ random intercept only ជានិច្ច ដោយធម្មជាតិដោយមិនគិតថាទ្រឹស្ដីស្នើថាឥទ្ធិពលខ្លះអាចប្រែប្រួលតាមក្រុម។ ដំណោះស្រាយ៖ សាកល្បង random slope ចំពោះអថេរដែលទ្រឹស្ដីស្នើថាគួរប្រែប្រួល ហើយធ្វើតេស្ត likelihood-ratio ផ្ទៀងផ្ទាត់ (ផ្នែកទី ០៧)។
Overfitting រចនាសម្ព័ន្ធ Random Effects
សាកល្បង random slope ច្រើនអថេរក្នុងពេលតែមួយ ជាមួយ covariance ពេញលេញ ទោះទិន្នន័យតិច — បង្ក convergence warnings ឬ «singular fit» (variance ប៉ាន់ប្រមាណស្ទើរសូន្យ)។ ដំណោះស្រាយ៖ បន្ថែម random effects តែមួយជំហានម្ដង ចាប់ផ្ដើមសាមញ្ញ ហើយអនុវត្តតែចំពោះអថេរដែលទ្រឹស្ដីគាំទ្រច្បាស់ (ផ្នែកទី ១១)។
មិនយល់ថាគ្មាន R² តែមួយក្នុងគំរូពហុកម្រិត
សួររក «R²» ដូចជាការតំរែតំរង់ធម្មតា ដោយមិនដឹងថាគំរូពហុកម្រិតមាន variance ច្រើនកម្រិត (level-1, level-2) ហើយត្រូវការរង្វាស់ផ្សេង ដូចជា «pseudo-R²» កម្រិតនីមួយៗ (ដូចបានគណនានៅផ្នែកទី ០៧) ឬ marginal/conditional R² (Nakagawa & Schielzeth-style measures)។ ដំណោះស្រាយ៖ រាយចំណែកភាពប្រែប្រួលពន្យល់បាននីមួយៗកម្រិត ជំនួសសួររក R² តែមួយ។
ចាត់ទុក Variance Component «មិនសារៈសំខាន់ស្ថិតិ» ថាជាសូន្យស្រេចស្រាល
ធ្វើតេស្ត random effect ហើយទទួលបាន p > .០៥ រួចសន្និដ្ឋានភ្លាមថាការ nest «មិនសំខាន់» ដោយមិនពិចារណាកម្លាំងស្ថិតិ (statistical power) ដែលទាបពេកសម្រាប់ variance components ជាពិសេសចំពោះឯកតាកម្រិតទី ២ តិច។ ដំណោះស្រាយ៖ ប្រើភស្តុតាងច្រើនមុខ (ICC design effect ទ្រឹស្ដី) ជំនួសតែ p-value តែមួយ មុនសម្រេចលុបកម្រិតណាមួយចេញ។
១៤ · ការការពារនិក្ខេបបទសំណួរ ៦ ដែលគណៈកម្មការតែងតែសួរ — និងរបៀបឆ្លើយ
«ហេតុអ្វីអ្នកប្រើគំរូពហុកម្រិត ជំនួសការតំរែតំរង់ធម្មតាជាមួយ dummy variable ឬ clustered standard errors?»
គន្លឹះឆ្លើយ៖ ចែង ICC ជាភស្តុតាង ហើយពន្យល់ថាគំរូពហុកម្រិតអនុញ្ញាតឱ្យវិភាគភាពប្រែប្រួលរវាងក្រុម និងសាកល្បង random slope ដែលវិធីជំនួសផ្សេងមិនអាចធ្វើបាន (ផ្នែកទី ០៤)។
«តើ ICC របស់អ្នកប៉ុន្មាន ហើយមានន័យថាអ្វី?»
គន្លឹះឆ្លើយ៖ ចែងតម្លៃពិតប្រាកដ និងបកស្រាយជាភាសាធម្មតា («X% នៃភាពប្រែប្រួលស្ថិតនៅចន្លោះក្រុម») ព្រមទាំងផ្ទៀងផ្ទាត់ជាមួយ design effect ប្រសិនបើ ICC ទាប។
«ហេតុអ្វីអ្នកបញ្ចូល (ឬមិនបញ្ចូល) random slope?»
គន្លឹះឆ្លើយ៖ ភ្ជាប់ការសម្រេចចិត្តទៅនឹងទ្រឹស្ដី ហើយរាយលទ្ធផលតេស្ត likelihood-ratio ជាភស្តុតាង មិនមែនគ្រាន់តែ «ចង់សាកល្បង»។
«តើមានឯកតាកម្រិតទី ២ គ្រប់គ្រាន់ដែរឬទេ?»
គន្លឹះឆ្លើយ៖ ចែងចំនួនពិតប្រាកដ ប្រៀបធៀបជាមួយច្បាប់ទូទៅ (Maas & Hox, ២០០៥; Kreft, ១៩៩៦) ហើយទទួលស្គាល់ដោយស្មោះត្រង់ប្រសិនបើតិចជាងអនុសាសន៍ ជាដែនកំណត់ការសិក្សា។
«តើអ្នកបែងចែក fixed effect និង random effect យ៉ាងដូចម្ដេច ហើយអ្នកប្រើន័យមួយណា?»
គន្លឹះឆ្លើយ៖ ចែងច្បាស់ថាកំពុងប្រើន័យពហុកម្រិត (coefficient តែមួយ ទល់នឹង coefficient ប្រែប្រួលតាមក្រុម) ហើយដឹងថាវដ្ដសិក្សាផ្សេងអាចប្រើពាក្យនេះខុសគ្នា (ផ្នែកទី ០៦)។
«តើគំរូនេះអាចអះអាងពីមូលហេតុបានទេ?»
គន្លឹះឆ្លើយ៖ ឆ្លើយដោយស្មោះត្រង់អាស្រ័យលើការរចនាស្រាវជ្រាវ — គំរូពហុកម្រិតកែ standard error ត្រឹមត្រូវជាង ប៉ុន្តែមិនបង្កើតភស្តុតាងមូលហេតុថ្មីឡើយ ប្រសិនបើជា cross-sectional/observational (ផ្នែកទី ០៧)។
១៥ · ប្រវត្តិពី Ecological Fallacy ដល់ lme4៖ ពេលវេលាសំខាន់ៗ
តារាងពេលវេលាខាងក្រោម តាមដានការវិវត្តន៍នៃគំរូពហុកម្រិត ចាប់ពីការព្រមានដំបូងអំពីកម្រិតវិភាគ រហូតដល់កញ្ចប់កម្មវិធីសព្វថ្ងៃ។
William S. Robinson បោះពុម្ព «Ecological Correlations and the Behavior of Individuals» ព្រមានអំពី ecological fallacy នៃកម្រិតវិភាគខុសគ្នា។
Yair Mundlak បោះពុម្ពអត្ថបទអំពីការបូកបញ្ចូលទិន្នន័យស៊េរីពេលវេលា និងកាត់ផ្ដាច់ ដែលជះឥទ្ធិពលខ្លាំងទៅលើការបែងចែក fixed/random effects ក្នុងសេដ្ឋកិច្ច។
Nan Laird និង James Ware បោះពុម្ព «Random-Effects Models for Longitudinal Data» ជាគ្រឹះគណិតវិទ្យាសំខាន់។
Harvey Goldstein បោះពុម្ពវិធីប៉ាន់ប្រមាណ IGLS ហើយ Murray Aitkin និង Nicholas Longford អនុវត្តគំរូពហុកម្រិតទៅលើ school effectiveness។
Stephen Raudenbush និង Anthony Bryk អភិវឌ្ឍ និងផ្សព្វផ្សាយក្របខ័ណ្ឌ Hierarchical Linear Models (HLM) យ៉ាងទូលំទូលាយ។
Ita Kreft ស្នើ «ច្បាប់ ៣០/៣០» សម្រាប់ទំហំគំរូអប្បបរមាក្នុងគំរូពហុកម្រិត។
Tom Snijders និង Roel Bosker បោះពុម្ពសេចក្ដីបញ្ចូលទូលំទូលាយ Multilevel Analysis លើកទី ១។
Cora Maas និង Joop Hox បោះពុម្ពការសិក្សាលម្អិតអំពីទំហំគំរូគ្រប់គ្រាន់សម្រាប់គំរូពហុកម្រិត។
James Peugh បោះពុម្ពមគ្គុទ្ទេសក៍អនុវត្តន៍ដ៏ទូលំទូលាយសម្រាប់គំរូពហុកម្រិតក្នុងវិទ្យាសាស្ត្រអប់រំ។
Douglas Bates និងសហការីបោះពុម្ពកញ្ចប់ R lme4 ដែលក្លាយជាឧបករណ៍ពេញនិយមបំផុតមួយសម្រាប់ mixed-effects models។
Andrew Bell, Malcolm Fairbrother និង Kelvyn Jones បោះពុម្ពការបំភ្លឺច្បាស់អំពីការច្រឡំពាក្យ fixed/random effects ឆ្លងវដ្ដសិក្សា។
គំរូពហុកម្រិតក្លាយជាស្តង់ដារក្នុងការសិក្សាអប់រំ សុខភាពសាធារណៈ និងសេដ្ឋកិច្ច ជាមួយការពង្រីកបន្តទៅជា multilevel structural equation modeling (SEM, ម៉ូឌុល D មេរៀនបន្ទាប់) និង Bayesian multilevel models។
១៦ · តេស្តខ្លួនឯងសំណួរត្រួតពិនិត្យការយល់ដឹង (ចុចដើម្បីមើលចម្លើយ)
១. គំរូទទេ (null model) ឱ្យ τ₀₀ = ២៥ និង σ² = ៧៥ តើ ICC ប៉ុន្មាន ហើយមានន័យថាអ្វី?
ចម្លើយ៖ ICC = ២៥/(២៥+៧៥) = ០.២៥ — ២៥% នៃភាពប្រែប្រួលសរុបនៃអថេរលទ្ធផល ស្ថិតនៅចន្លោះក្រុម។
២. ហេតុអ្វីការធ្វើតំរែតំរង់ធម្មតាលើទិន្នន័យជាក្រុម ដោយមិនគិតពីក្រុម បង្កឱ្យ Type I error កើនឡើង?
ចម្លើយ៖ ព្រោះ standard error ត្រូវបានប៉ាន់ប្រមាណទាបពេក (anti-conservative) — ទំហំគំរូមានប្រសិទ្ធភាពពិតប្រាកដ ទាបជាងទំហំគំរូបង្ហាញលើផ្ទៃក្រោយ (design effect)។
៣. តើភាពខុសគ្នារវាង fixed effect និង random slope នៃអថេរកម្រិតសិស្សមួយគឺជាអ្វី?
ចម្លើយ៖ Fixed effect សន្មតថា coefficient ដូចគ្នាសម្រាប់គ្រប់ក្រុម ខណៈ random slope អនុញ្ញាតឱ្យ coefficient នោះប្រែប្រួលតាមក្រុម។
៤. គំរូមួយមានឯកតាកម្រិតទី ២ ចំនួន ១២ ប៉ុណ្ណោះ តើបញ្ហាអ្វីទំនងនឹងកើតឡើង?
ចម្លើយ៖ ការប៉ាន់ប្រមាណ variance components (τ) ទំនងនឹងមិនច្បាស់ ហើយ CI ទូលំទូលាយខ្លាំង — ក្រោមអនុសាសន៍ច្បាប់ទូទៅ ~៣០ ឯកតាកម្រិតទី ២ (Kreft, ១៩៩៦; Maas & Hox, ២០០៥)។
៥. ហេតុអ្វីពាក្យ «fixed effect» អាចបង្កការយល់ច្រឡំរវាងអ្នកនិពន្ធមកពីសេដ្ឋកិច្ច និងអប់រំ/សុខភាព?
ចម្លើយ៖ ក្នុងសេដ្ឋកិច្ច fixed effect ជាធម្មតាមានន័យថាការលុបបំបាត់ភាពខុសគ្នារវាងក្រុមទាំងអស់ (demeaning/dummy) ខណៈក្នុងគំរូពហុកម្រិត វាមានន័យត្រឹមតែប៉ារាម៉ែត្រតែមួយដែលមិនប្រែប្រួលតាមក្រុម (Bell, Fairbrother & Jones, ២០១៩)។
៦. ហេតុអ្វីគួរគណនា null model មុនបញ្ចូលអថេរពន្យល់ណាមួយ?
ចម្លើយ៖ ដើម្បីទទួលបាន ICC ជាចំណុចចាប់ផ្ដើម ដែលបញ្ជាក់ថាត្រូវប្រើគំរូពហុកម្រិតដែរឬទេ ហើយអាចប្រើប្រៀបធៀបថាគំរូពេញលេញពន្យល់ភាពប្រែប្រួលរវាងក្រុមបានប៉ុន្មាន%។
៧. Shrinkage/partial pooling ជួយអ្វីចំពោះសាលាដែលមានសិស្សតិច?
ចម្លើយ៖ ជួយទាញការប៉ាន់ប្រមាណមធ្យមភាគសាលានោះទៅជិតមធ្យមភាគសរុបបន្តិច ដោយខ្ចីព័ត៌មានពីសាលាផ្សេងទាំងអស់ — កាត់បន្ថយភាពមិនច្បាស់ច្រើនជាងការប៉ាន់ប្រមាណសាលានោះដាច់ដោយឡែក។
៨. លំហាត់អនុវត្ត៖ តើគំរូមួយដែលមិនបានសាកល្បង random slope ទោះទ្រឹស្ដីស្នើថាគួរ នឹងប៉ះពាល់ដល់ការសន្និដ្ឋានយ៉ាងដូចម្ដេច?
ការណែនាំ៖ ចំអាលទៅលើគំនិតនៃភាពមិនត្រឹមត្រូវនៃគំរូ (model misspecification) — ប្រសិនបើឥទ្ធិពលពិតប្រាកដប្រែប្រួលតាមក្រុម ប៉ុន្តែគំរូសន្មតថាថេរ coefficient ជាមធ្យមប៉ាន់ប្រមាណបានត្រឹមត្រូវ ប៉ុន្តែព័ត៌មានសំខាន់អំពីភាពខុសគ្នារវាងក្រុម (heterogeneity) បាត់បង់ទាំងស្រុង។
១៧ · វាក្យសព្ទវាក្យសព្ទសំខាន់ ខ្មែរ–អង់គ្លេស
| English | ខ្មែរ | ន័យសង្ខេប |
|---|---|---|
| Multilevel / hierarchical model | គំរូពហុកម្រិត / ឋានានុក្រម | គំរូដែលគិតគូររចនាសម្ព័ន្ធក្រុម (nested) នៃទិន្នន័យ |
| Nested / clustered data | ទិន្នន័យជាក្រុម | ការសង្កេតកម្រិតទាបស្ថិតនៅក្នុងឯកតាកម្រិតខ្ពស់ |
| Level-1 / level-2 unit | ឯកតាកម្រិតទី ១ / ទី ២ | ឧ. សិស្ស (ទី ១) ក្នុងសាលា (ទី ២) |
| Intraclass Correlation Coefficient (ICC) | មេកូអេភីតសហសម្ព័ន្ធក្នុងថ្នាក់ | ចំណែកភាពប្រែប្រួលសរុបដែលស្ថិតនៅចន្លោះក្រុម |
| Null / empty model | គំរូទទេ | គំរូដែលគ្មានអថេរពន្យល់ មានតែ random intercept |
| Fixed effect | Fixed Effect | ប៉ារាម៉ែត្រតែមួយ ថេរឆ្លងគ្រប់ក្រុម |
| Random effect | Random Effect | ប៉ារាម៉ែត្រប្រែប្រួលតាមក្រុម ទាញចេញពីការចែកចាយ |
| Random intercept | Random Intercept | ចំណុចប្រសព្វប្រែប្រួលតាមក្រុម |
| Random slope | Random Slope | ជម្រាល (ឥទ្ធិពល) ប្រែប្រួលតាមក្រុម |
| Variance component | ធាតុផ្សំ Variance | τ (between-group) និង σ² (within-group) |
| Design effect (DEFF) | Design Effect | កត្តាកើនឡើង variance ដោយសារការ nest |
| Shrinkage / partial pooling | Shrinkage / Partial Pooling | ការខ្ចីកម្លាំងស្ថិតិឆ្លងក្រុមក្នុងការប៉ាន់ប្រមាណ |
| Grand-mean / group-mean centering | Grand-Mean / Group-Mean Centering | វិធីផ្លាស់ប្តូរមាត្រដ្ឋានអថេរកម្រិតទី ១ មុនបញ្ចូលគំរូ |
| Cross-level interaction | អន្តរកម្មឆ្លងកម្រិត | ឥទ្ធិពលឆ្លងគ្នារវាងអថេរកម្រិតទី ១ និងទី ២ |
| Ecological fallacy | Ecological Fallacy | ការសន្និដ្ឋានខុសដោយលាយកម្រិតវិភាគ |
📌 ពាក្យបច្ចេកទេសខ្មែរមួយចំនួនមិនទាន់មានស្តង់ដារឯកភាពនៅឡើយ។ ក្នុងនិក្ខេបបទជាភាសាខ្មែរ ត្រូវសរសេរពាក្យអង់គ្លេសក្នុងវង់ក្រចកនៅពេលប្រើលើកដំបូង ហើយប្រើពាក្យដដែលឱ្យស៊ីសង្វាក់។
១៨ · អានបន្ថែមឯកសារគួរអាន — ពីមូលដ្ឋានដល់កម្រិតខ្ពស់
📗 អានមុនគេ (សម្រាប់អនុបណ្ឌិត និងបណ្ឌិតឆ្នាំទី ១)
- Raudenbush, S. W., & Bryk, A. S. (២០០២), Hierarchical Linear Models: Applications and Data Analysis Methods (២nd ed.) — សៀវភៅស្តង់ដារដែលផ្សព្វផ្សាយក្របខ័ណ្ឌ HLM យ៉ាងទូលំទូលាយ។
- Hox, J. J. (២០១០), Multilevel Analysis: Techniques and Applications (២nd ed.) — សេចក្ដីណែនាំច្បាស់លាស់ ងាយយល់សម្រាប់អ្នកចាប់ផ្ដើម។
- Peugh, J. L. (២០១០). A practical guide to multilevel modeling. Journal of School Psychology — អត្ថបទណែនាំអនុវត្តន៍ជាក់ស្ដែង ពេញនិយមក្នុងការបង្រៀន។
📕 កម្រិតខ្ពស់ (សម្រាប់បណ្ឌិត)
- Snijders, T. A. B., & Bosker, R. J. (២០១២), Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling (២nd ed.) — ជម្រៅគណិតវិទ្យា និងបច្ចេកទេសកម្រិតខ្ពស់។
- Goldstein, H. (២០១១), Multilevel Statistical Models (៤th ed.) — ពង្រីកដល់គំរូស្មុគស្មាញ (cross-classified, multiple membership)។
- Gelman, A., & Hill, J. (២០០៧), Data Analysis Using Regression and Multilevel/Hierarchical Models — ភ្ជាប់ការតំរែតំរង់ និងគំរូពហុកម្រិតជាក្របខ័ណ្ឌតែមួយ ជាមួយឧទាហរណ៍អនុវត្តន៍ច្រើន។
- Bates, D., Mächler, M., Bolker, B., & Walker, S. (២០១៥). Fitting linear mixed-effects models using lme4. Journal of Statistical Software — ឯកសារបច្ចេកទេសសម្រាប់កញ្ចប់ lme4។
- Bell, A., Fairbrother, M., & Jones, K. (២០១៩). Fixed and random effects models: making an informed choice. Quality & Quantity — បំភ្លឺច្បាស់អំពីការច្រឡំពាក្យឆ្លងវដ្ដសិក្សា។
១៩ · FAQសំណួរដែលសួរញឹកញាប់
តើគំរូពហុកម្រិត ខុសពី repeated-measures ANOVA យ៉ាងដូចម្ដេច?
Repeated-measures ANOVA ទាមទារឱ្យគ្រប់បុគ្គលមានចំនួនការសង្កេតដូចគ្នាគ្រប់ពេលវេលា (balanced design) ហើយលំបាកគ្រប់គ្រង missing data។ គំរូពហុកម្រិតអនុញ្ញាតឱ្យមានចំនួនការសង្កេតខុសគ្នាក្នុងមនុស្សនីមួយៗ (unbalanced) ហើយគ្រប់គ្រង missing data បានប្រសើរជាង — ជាមូលហេតុដែលជារឿយៗសមស្របជាងសម្រាប់ទិន្នន័យតាមដានជាក់ស្ដែង។
តើពេលណាគួរជៀសវាងគំរូពហុកម្រិត?
ប្រសិនបើឯកតាកម្រិតទី ២ តិចជាង ១០–១៥ ហើយគោលបំណងគ្រាន់តែកែ standard error (មិនចាប់អារម្មណ៍ ICC ឬ random slope) វិធីផ្សេង ដូចជា clustered/robust standard errors អាចសមស្របជាង ដោយសារការប៉ាន់ប្រមាណ variance component នឹងមិនអាចទុកចិត្តបានជាមួយឯកតាតិចបែបនេះ (ផ្នែកទី ១១)។
តើគំរូពហុកម្រិត ទាក់ទងនឹង SEM (structural equation modeling) យ៉ាងដូចម្ដេច?
ទាំងពីរអាចបញ្ចូលគ្នាបានជា «multilevel SEM» ដែលមានប្រយោជន៍ពេលមានទាំងរចនាសម្ព័ន្ធក្រុម និងអថេរមិនឃើញផ្ទាល់ (latent variables)។ Mplus ជាកម្មវិធីពេញនិយមបំផុតសម្រាប់ការបញ្ចូលគ្នានេះ (ផ្នែកទី ០៩) — ជាប្រធានបទនៃមេរៀនបន្ទាប់ក្នុងម៉ូឌុល D។
តើ «mixed-effects model» និង «multilevel model» ជាវត្ថុដូចគ្នាដែរឬទេ?
ភាគច្រើនបាទ — ពាក្យទាំងពីរសំដៅទៅលើគណិតវិទ្យាគ្រឹះដូចគ្នា (Laird & Ware, ១៩៨២) ប៉ុន្តែមកពីវដ្ដសិក្សាផ្សេង៖ «mixed-effects» ញឹកញាប់ក្នុងជីវសាស្ត្រ/វេជ្ជសាស្ត្រ/R (lme4) ខណៈ «multilevel»/«hierarchical» ញឹកញាប់ក្នុងអប់រំ/សង្គមវិទ្យា (HLM, Mplus)។
តើត្រូវប្រើ ML ឬ REML ក្នុងការប៉ាន់ប្រមាណ?
REML (Restricted Maximum Likelihood) ជាទូទៅសមស្របជាងសម្រាប់ប៉ាន់ប្រមាណ variance components ដោយមិនមានភាពលម្អៀង ជាពិសេសចំពោះគំរូដែលមានឯកតាកម្រិតទី ២ តិច ខណៈ ML ត្រូវការសម្រាប់ប្រៀបធៀបគំរូដែលមាន fixed effects ខុសគ្នា (likelihood-ratio test លើ fixed effects)។
តើផ្នែកនេះទាក់ទងនឹងមេរៀន «ការវិភាគតំរែតំរង់» (មេរៀនទី ១៥) យ៉ាងដូចម្ដេច?
គំរូពហុកម្រិតគឺជាផ្នែកបន្ថែមផ្ទាល់ពីការតំរែតំរង់ពហុគុណ (មេរៀនទី ១៥)៖ សមីការស្នូលដូចគ្នា ប៉ុន្តែបន្ថែម random effects ដើម្បីគិតគូររចនាសម្ព័ន្ធក្រុម។ និស្សិតដែលយល់ច្បាស់ coefficient ស្តង់ដារ/មិនស្តង់ដារ និងលក្ខខណ្ឌសម្មតិកម្មពីមេរៀនទី ១៥ នឹងយល់គំរូពហុកម្រិតកាន់តែលឿន។
២០ · ប្រភពឯកសារយោង និងរូបភាព
- Robinson, W. S. (1950). Ecological correlations and the behavior of individuals. American Sociological Review, 15(3), 351–357.
- Mundlak, Y. (1978). On the pooling of time series and cross-section data. Econometrica, 46(1), 69–85.
- Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974.
- Goldstein, H. (1986). Multilevel mixed linear model analysis using iterative generalized least squares. Biometrika, 73(1), 43–56.
- Aitkin, M., & Longford, N. (1986). Statistical modelling issues in school effectiveness studies. Journal of the Royal Statistical Society, Series A, 149(1), 1–43.
- Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods (2nd ed.). Sage.
- Kreft, I. G. G. (1996). Are Multilevel Techniques Necessary? An Overview, Including Simulation Studies. California State University, Los Angeles.
- Snijders, T. A. B., & Bosker, R. J. (2012). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling (2nd ed.). Sage.
- Maas, C. J. M., & Hox, J. J. (2005). Sufficient sample sizes for multilevel modeling. Methodology, 1(3), 86–92. doi:10.1027/1614-2241.1.3.86
- Hox, J. J. (2010). Multilevel Analysis: Techniques and Applications (2nd ed.). Routledge.
- Peugh, J. L. (2010). A practical guide to multilevel modeling. Journal of School Psychology, 48(1), 85–112.
- Gelman, A., & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press.
- Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1–48. doi:10.18637/jss.v067.i01
- Bell, A., Fairbrother, M., & Jones, K. (2019). Fixed and random effects models: making an informed choice. Quality & Quantity, 53(2), 1051–1074. doi:10.1007/s11135-018-0802-x
- Goldstein, H. (2011). Multilevel Statistical Models (4th ed.). Wiley.
- Holland, P. W. (1986). Statistics and causal inference. Journal of the American Statistical Association, 81(396), 945–960.
- Muthén, L. K., & Muthén, B. O. (2017). Mplus User’s Guide (8th ed.). Muthén & Muthén.
📷 ឥណទានរូបភាព
រូបភាពក្នុងអត្ថបទនេះ បង្ហោះនៅ Wikimedia Commons៖ រូបថតថ្នាក់រៀន «Rwanda Classroom edited.png» ដោយ Colleen Taugher, ២០០៥ — កែលម្អដោយ Everyguy, ២០១១ (CC BY 2.0) · រូបថតមន្ទីរពេទ្យសម័យសង្គ្រាមលោកលើកទី ១ «Hospital ward.jpg» អ្នកថតមិនស្គាល់ឈ្មោះ ប្រហែល ១៩១៤–១៩១៨ (Public domain, UBC Library Digital Collections)។ ចុចលើរូបភាពណាមួយ ដើម្បីមើលទំហំធំ។
🎓 អត្ថបទនេះជាឯកសារសិក្សាសម្រាប់ជាជំនួយ។ វាមិនជំនួសការណែនាំរបស់គ្រូណែនាំ ឬបទប្បញ្ញត្តិនិក្ខេបបទរបស់សាកលវិទ្យាល័យអ្នកឡើយ។ លទ្ធផលសម្មត (ឧទាហរណ៍ចំនួនសិស្ស សាលា ICC coefficient) និងកថាខណ្ឌគំរូត្រូវបានបង្កើត/សរសេរដោយ Eksastra សម្រាប់ជាឧទាហរណ៍បង្រៀនតែប៉ុណ្ណោះ — មិនមែនទិន្នន័យពិតពីការសិក្សាជាក់ស្ដែងណាមួយទេ — សូមកុំចម្លងចូលក្នុងនិក្ខេបបទដោយផ្ទាល់។
🔬 ស៊េរីវិធីសាស្ត្រស្រាវជ្រាវ — ផែនការមេរៀនទាំង ២៤
ស៊េរីនេះរៀបចំសម្រាប់និស្សិតថ្នាក់អនុបណ្ឌិត និងបណ្ឌិត ពីមូលដ្ឋានទស្សនវិជ្ជា រហូតដល់ការបោះពុម្ព និងការការពារនិក្ខេបបទ។ មេរៀនថ្មីនឹងបន្ថែមជាបន្តបន្ទាប់។