Hierarkisk lineær modellering (HLM / Multilevelmodellering)
Hierarkisk lineær modellering (HLM), også kendt som multilevelmodellering (MLM), er en parametrisk statistisk metode til analyse af data med en indlejret eller klynget struktur – for eksempel elever inden for klasser, patienter inden for hospitaler eller medarbejdere inden for organisationer. Formaliseret af Raudenbush og Bryk i deres skelsættende tekst fra 2002 (baseret på arbejde fra midten af 1980'erne), estimerer HLM samtidigt effekter på individniveau og gruppeniveau, mens varians på tværs af niveauer korrekt partitioneres.
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.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/da/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.
- Mixed Effects ModelStatistik↔ compare
- Envejs variansanalyseStatistik↔ compare
- ANOVA med gentagne målingerStatistik↔ compare
- Strukturel Ligningsmodellering (SEM)Statistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →