Hierarchical Linear Modeling (HLM / Multilevel Modeling)
Hierarchické lineární modelování (HLM), známé také jako víceroveňové modelování (MLM), je parametrická statistická metoda pro analýzu vnořených nebo shlukovaných dat – například studentů ve třídách, pacientů v nemocnicích nebo zaměstnanců v organizacích. HLM, formalizované Raudenbushem a Brykem v jejich klíčové publikaci z roku 2002 (navazující na práci z poloviny 80. let), současně odhaduje individuální a skupinové efekty a správně rozděluje rozptyl mezi úrovněmi.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Raudenbush, S.W. & Bryk, A.S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods (2nd ed.). Sage. ISBN: 978-0761919049
- Hox, J.J. (2010). Multilevel Analysis: Techniques and Applications (2nd ed.). Routledge. DOI: 10.4324/9780203852279 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/cs/statistics/hlm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model smíšených efektůStatistika↔ compare
- Jednofaktorová analýza rozptyluStatistika↔ compare
- ANOVA pro opakovaná měřeníStatistika↔ compare
- Modelování pomocí strukturálních rovnic (SEM)Statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →