Hierarchical Linear Modeling (HLM / Multilevel Modeling)
Hierarchical Linear Modeling (HLM), tuntud ka kui Multilevel Modeling (MLM), on parameetriline statistiline meetod pesastatud või klastreeritud andmete analüüsimiseks – näiteks õpilased klassiruumides, patsiendid haiglates või töötajad organisatsioonides. Raudenbushi ja Bryki poolt nende 2002. aasta mõjukas teoses (tuginedes 1980. aastate keskpaiga töödele) formaliseeritud HLM hindab samaaegselt üksiktasandi ja rühmade tasandi efekte, jaotades samal ajal õigesti dispersiooni tasemete vahel.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/et/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 ModelStatistika↔ compare
- Ühesuunaline dispersioonanalüüsStatistika↔ compare
- Korduvate mõõtmiste ANOVAStatistika↔ compare
- Struktuurvõrrandite modelleerimine (SEM)Statistika↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →