MAIHDA
MAIHDA — Multilevel Analysis of Individual Heterogeneity and Discriminatory Accuracy — is a quantitative method for studying intersectional inequalities. Introduced for intersectionality by Clare Evans and S. V. Subramanian in 2018, building on Juan Merlo's discriminatory-accuracy framework, it treats the many strata formed by crossing social categories (for example gender × race/ethnicity × education) as level-2 units in a multilevel model, then partitions outcome variation between and within those strata to assess how much intersectional position predicts the outcome.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- Evans, C. R., Williams, D. R., Onnela, J.-P., & Subramanian, S. V. (2018). A multilevel approach to modeling health inequalities at the intersection of multiple social identities. Social Science & Medicine, 203, 64–73. DOI: 10.1016/j.socscimed.2017.11.011 ↗
- Merlo, J. (2018). Multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) within an intersectional framework. Social Science & Medicine, 203, 74–80. DOI: 10.1016/j.socscimed.2017.12.026 ↗
- Evans, C. R., Leckie, G., Subramanian, S. V., Bell, A., & Merlo, J. (2024). A tutorial for conducting intersectional multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA). SSM - Population Health, 26, 101664. DOI: 10.1016/j.ssmph.2024.101664 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 22). Multilevel Analysis of Individual Heterogeneity and Discriminatory Accuracy (MAIHDA). ScholarGate. https://scholargate.app/fa/gender-studies/maihda-intersectional-analysis
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- Gender Gap DecompositionGender Studies↔ مقایسه
- Intersectionality AnalysisGender Studies↔ مقایسه
- رگرسیون لجستیکآمار پژوهش↔ مقایسه
روشهای مشابه
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →