Multilevel-Rasch-Modell
Das Multilevel-Rasch-Modell erweitert das Standard-Rasch-Modell auf Daten mit einer hierarchischen Struktur – zum Beispiel Schüler in Klassen in Schulen –, indem Personenparameter in ein hierarchisches lineares Modell eingebettet werden. Es liefert Schätzungen der Schwierigkeit von Items auf einer Logit-Skala, während gleichzeitig die Varianz der Personenfähigkeiten über die Cluster-Ebenen aufgeteilt und die Standardfehler für Nicht-Unabhängigkeit korrigiert werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Adams, R. J., Wilson, M. & Wu, M. (1997). Multilevel item response models: An approach to errors in variables regression. Journal of Educational and Behavioral Statistics, 22(1), 47–76. DOI: 10.3102/10769986022001047 ↗
- Fox, J.-P. & Glas, C. A. W. (2001). Bayesian estimation of a multilevel IRT model using Gibbs sampling. Psychometrika, 66(2), 271–288. DOI: 10.1007/BF02294839 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilevel Rasch Model. ScholarGate. https://scholargate.app/de/psychometrics/multilevel-rasch-model
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Differenzielles Item-Funktionieren (DIF)Psychometrie↔ vergleichen
- Item Response Theory (IRT)Psychometrie↔ vergleichen
- Mehrstufige konfirmatorische Faktorenanalyse (MCFA)Psychometrie↔ vergleichen
- Multilevel-MessinvarianzPsychometrie↔ vergleichen
- Rasch-ModellPsychometrie↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →