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.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+31 more
Kilder
- Bryk, A. S., & Raudenbush, S. W. (1992). Hierarchical Linear Models: Applications and Data Analysis Methods. SAGE Publications. DOI: 10.2307/2075823 ↗
- Goldstein, H. (2011). Multilevel Statistical Models (4th ed.). Wiley-Blackwell. DOI: 10.1002/9780470973394 ↗
- 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.
- Variansanalyse (ANOVA)Forskningsstatistik↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Strukturel LigningsmodelleringForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →