ScholarGate
Assistent
Process / pipelinehierarchical-data-analysis

Multilevelmodellering

Multilevelmodellering (også kaldet hierarkisk lineær modellering, mixed-effects modellering) er et statistisk rammeværk til analyse af data organiseret i indlejrede eller klyngede strukturer – studerende inden for skoler, patienter inden for hospitaler, gentagne målinger inden for individer. Udviklet af Bryk og Raudenbush (1992) tager det højde for afhængighed mellem observationer og opdeler varians i niveauer (inden for klynger og mellem klynger), hvilket muliggør gyldig inferens og afslører konteksteffekter. Det er essentielt inden for uddannelse, medicin, organisationsforskning og ethvert felt, hvor data har naturlige hierarkier.

Anvend med StatMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

+31 more

Kilder

  1. Bryk, A. S., & Raudenbush, S. W. (1992). Hierarchical Linear Models: Applications and Data Analysis Methods. SAGE Publications. DOI: 10.2307/2075823
  2. Goldstein, H. (2011). Multilevel Statistical Models (4th ed.). Wiley-Blackwell. DOI: 10.1002/9780470973394
  3. Shrout, P. E., & Fleiss, J. L. (1979). Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin, 86(2), 420–428. DOI: 10.1037/0033-2909.86.2.420

Sådan citerer du denne side

ScholarGate. (2026, June 4). Multilevel (Hierarchical) Linear Modeling. ScholarGate. https://scholargate.app/da/research-statistics/multilevel-modeling

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.

Compare side by side

Refereret af

ScholarGateMultilevel Modeling (Multilevel (Hierarchical) Linear Modeling). Hentet 2026-06-15 fra https://scholargate.app/da/research-statistics/multilevel-modeling · Datasæt: https://doi.org/10.5281/zenodo.20539026