Een van de aannames van ‘standaard’ regressietechnieken is onafhankelijkheid van de observaties. In veel epidemiologisch onderzoek wordt echter niet aan deze aanname voldaan. Onderzoek bij patiënten binnen een huisartspraktijk is hiervan een mooi voorbeeld. De observaties van patiënten die bij eenzelfde huisarts horen lijken meer op elkaar dan dat ze lijken op de observaties van patiënten die bij een andere huisarts horen. De statistische techniek die rekening houdt met dit soort ‘geclusterde’ data heet multilevel analyse. De cursus bestaat uit 3 dagen, waarin aandacht wordt besteed aan de opzet en analyse van onderzoek met geclusterde data. De theoretische achtergronden van multilevel analyse blijven uiteraard niet onbesproken maar de nadruk van de cursus ligt vooral op de praktische toepassingen ervan zoals "Hoe herken ik situaties waarin ik deze analysemethoden dien toe te passen?", "Hoe voer ik een dergelijke analyse uit?" en "Hoe interpreteer ik de computeroutput?". De cursus bestaat uit voordrachten en een uitgebreid computerpracticum waarin m.b.v. MLwiN niet alleen data uit de praktijkvoorbeelden kunnen worden geanalyseerd maar waarin ook ruimte is om (indien gewenst) eigen data te analyseren.

De volgende onderwerpen komen aan bod:

• basisprincipes van multilevel analyse
• random intercept en random slope
• lineaire multilevel modellen
• logistische multilevel modellen
• steekproefomvang
• multilevel toepassingen in longitudinaal onderzoek
• voordelen/nadelen van multilevel analyses ten aanzien van "naïeve" analyses (disaggregatie, aggregatie)

Leerdoelen

1. De cursist is in staat onderzoekssituaties te herkennen, waarin sprake is van een hiërarchische structuur waarmee bij de opzet en analyse rekening gehouden moet worden.
2. De cursist kent de theoretische achtergronden en specifieke aspecten van de opzet en analyse van onderzoek met een hiërarchische structuur en weet hoe hij bij de berekening van de steekproefomvang hiermee rekening moet houden.
3. De cursist kent de voor- en nadelen van een multilevel analyse ten opzichte van een “naïeve” analyse en kan verantwoorde keuzes maken voor de juiste analysestrategie voor hiërarchisch gestructureerd onderzoek.
4. De cursist is in staat om zelf een multilevel analyse uit te voeren met behulp van het softwareprogramma MLwiN op een personal computer en kan de resultaten van de computeroutput interpreteren.

Voor het volgen van deze cursus is vereist dat de cursus ‘Regressietechnieken’ (V05) is gevolgd. Indien u deze cursus niet heeft gevolgd maar wel van mening bent dat u over deze kennis beschikt op grond van andere cursussen/opleiding/ervaring, dan dient u een schriftelijke motivatie direct bij uw aanmelding mee te sturen. De cursuscoördinator beoordeelt op grond hiervan of u aan de cursus kan deelnemen.