Kære Ingvill,

1. ALDER I ANDEN
Når man sætter alder i anden, så mener du jo på en eller anden måde, at effekten er (eller bør være) polynomisk. Og hvad siger alder i anden egentligt? Det handler om, at de forskellige aldersgrupper får tillagt anderledes vægt (i forhold til forklaringen af variationen i din afh. variabel). Sagt anderledes: Forholdet mellem lad os sige 20-30-årige og 50-60-årige bliver pludselig "boostet". Fx 20^2 = 400, mens 50^2 = 2500. Dvs. forskellen var oprindeligt 50-20=30 år, og nu er den 2500-400=2100 "år". Oprindeligt er der altså en procentvis forskel på 150% - men i anden er den på 525%!!! Min pointe er altså, at med alder i anden tillægger du de forskellige aldersgruppe en anderledes betydning. OG pointen er endvidere, at netop denne vægt forklarer, hvad der foregår, når det kommer til at forklare variationen i den afh. variabel. Derfor er man nogle gange interesseret i at tage alder i anden med i sin model (eller man kan eksplorativt prøve at se, hvad der sker). Jeg håber det gav mening ;).

2. FRA INSIG. TIL SIG. I MODELLEN
Dette er jeg ikke helt sikker på. Men her kommer en forsøgsvis forklaring, som I lige selv må overveje om den lyder plausibel:
Normalt er det en dårlig idé at tolke for meget på de nestede variable. Pointen er jo netop, at interaktionen (og alder i anden er jo en interaktion) gerne skulle forklare mere variation end en isoleret effekt. Derfor: Hvis I vil tolke tolke på parameterestimater skal man som hovedregel tolke på "den højeste orden".
Argumentet er lidt, sådan som jeg ser det, at når man har "alder i anden" med i modellen, så vil man automatisk have "alder i første" med (der er en eller anden hierarkisk regel, som I sikkert husker meget bedre end jeg). Dvs. estimatet for "alder i første" vil have indflydelse i modellen - uanset om det er signifikant eller ej.
Alligevel er jeg i tvivl. Giv mig lige lidt tid til at tænke over den. Eller også er der andre, der kan springe til ;)

Mvh. Kristian

Hej Fannypacks

Jeg vil blot tilslutte mig Kristians forklaring, men dog opfordre jer til også (enten nu eller når I skal kontrolere modellen) at tænke over, om det ikke giver mere mening af se på alder kategorielt fremfor kontinuert. Altså at alderseffekter I ser skyldes forskelle mellem forskellige aldersgrupper, fx unge-endnu ikke etablerede på arbejdsmarkede, midalderende på arbejdsmarkedet og pensionister eller generationer før og efter 68 mm opgør m. traditionelle famileroller.
Bare for at minde jer om, at enhver statistisk operationalisering skal bygge på teoretiske argumenter...

Christoph

Hej Mads

Jeg har forsøgt at lave netop en model, hvor jeg både undersøgte om en kohorte- eller en alderseffekt gjorde sig gældende (og nåede frem til, at det var kohorte effekten, der havde størst forkalringskraft). Men jeg spekulerer på, om der en matematisk/statisktisk funktion, der kan have sløret den ene variabel (udover at de naturligvis er samvariende), måske noget med "aggregeringen" af variablen (vi betragtede alder som en kontrolvariabel og tilføjede den til modellen uden at modellen blev signifikant bedre)?

Christoph