Multilevel Modeling dengan paket “lme4” dan “multilevel”

#Load paket lme4 dan multilevel

library(lme4)

library(multilevel)

# Model dengan random intercept#

Null.Model<-lme(migrant2005~1,random=~1|villageid,data=dsmigration, control=list(opt=”optim”))

VarCorr(Null.Model)

tmod<-aov(migrant2005~as.factor(villageid),data=dsmigration)

# Menghitung “Intra Class Correlation” / persentase variasi yang bersumber dari perbedaan antar grup#

ICC1(tmod)

GREL.DAT<-GmeanRel(Null.Model)

names(GREL.DAT)

GREL.DAT$ICC

GREL.DAT$MeanRel

mean(GREL.DAT$MeanRel) #Average group-mean reliability

ICC2(tmod)

mod.ml<-lme(migrant2005~1,random=~1|villageid,data=dsmigration,method=”ML”,

control=list(opt=”optim”))

VarCorr(mod.ml)

Null.Model.2<-gls(migrant2005~1,data=dsmigration,

control=list(opt=”optim”))

anova(Null.Model,Null.Model.2)

# Model dengan Fixed Effect dan Random intercept#

Model.1<-lme(migrant2005~ses,random=~1|villageid,data=dsmigration,

control=list(opt=”optim”))

summary(Model.1)

VarCorr(Model.1)

library(lattice)

xyplot(migrant2005~SES|as.factor(villageid),data=dsmigration[1:1582,],

type=c(“p”,”g”,”r”),col=”dark blue”,col.line=”black”,

xlab=”Socio Economic Index”,

ylab=”migration”)

#Model dengan Random Effect(slope) dan Random Intercept#

Model.2<-lme(migrant2005~ses,random=~ses|villageid, data=dsmigration,

control=list(opt=”optim”))

summary(Model.2)

Model.2a<-update(Model.2,random=~1|villageid)

# Significance Test untuk Random Slope#

anova(Model.2,Model.2a)

Final.Model<-lme(migrant2005~HRS+LEAD+G.HRS+LEAD:G.HRS,

random=~LEAD|villageid,data=dsmigration,control=list(opt=”optim”))

round(summary(Final.Model)$tTable,dig=3)

Format dan Penyimpanan Data untuk Analisis Statistik Menggunakan R

Untuk memudahkan pengguna R, saya anjurkan untuk menggunakan file dataset dengan format “tab delimited” atau “comma delimited” . Jenis file seperti ini dapat dibuat melalui program microsoft excel, dengan “save as” dalam bentuk “tab delimited” atau”comma delimited”  sehingga file akan berekstension “.txt” atau “.csv”. Selanjutnya simpan data di working directory R dan perintahkan untukmembaca file tersebut dengan syntax  read.delim atau read.csv. sebagai berikut:

# membaca file bernama data1.txt atau data1.csv yang disimpan di working directory R dan object diberi nama ds

ds <- read.delim(‘data1.txt’)

ds<- read.csv(‘data1.csv’)