Mixed Effects Model
Ein Mixed-Effects-Modell (oder lineares Mixed-Effects-Modell) erweitert die gewöhnliche Regression, indem es sowohl feste Effekte – Parameter auf Populationsebene, die allen Beobachtungen gemeinsam sind – als auch zufällige Effekte einschließt, die die Variabilität auf Subjekt-, Gruppen- oder Cluster-Ebene erfassen. Es ist das Standardwerkzeug für Messwiederholungs-, Längsschnitt- und Mehrebenendaten, bei denen Beobachtungen innerhalb derselben Einheit korreliert sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Quellen
- Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974. DOI: 10.2307/2529876 ↗
- Pinheiro, J. C., & Bates, D. M. (2000). Mixed-Effects Models in S and S-PLUS. Springer. ISBN: 978-0387989570
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Linear Mixed Effects Model. ScholarGate. https://scholargate.app/de/statistics/mixed-effects-model
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.
- Bayesian Mixed Effects ModelStatistik↔ compare
- Generalisiertes Lineares Modell (GLM)Statistik↔ compare
- Hierarchical Linear Model (HLM)Statistik↔ compare
- Multilevel ModelingForschungsstatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →