مدلسازی چندسطحی
مدلسازی چندسطحی (که مدلسازی خطی سلسلهمراتبی یا مدلسازی اثرات مختلط نیز نامیده میشود) یک چارچوب آماری برای تحلیل دادههای سازمانیافته در ساختارهای تودرتو یا خوشهای است—دانشآموزان در مدارس، بیماران در بیمارستانها، اندازهگیریهای مکرر در افراد. این روش که توسط Bryk و Raudenbush (1992) توسعه یافته است، وابستگی بین مشاهدات را در نظر میگیرد و واریانس را به سطوح (درون خوشهای و بین خوشهای) تقسیم میکند، که امکان استنتاج معتبر و آشکارسازی اثرات زمینهای را فراهم میآورد. این روش در آموزش، پزشکی، تحقیقات سازمانی و هر میدانی که دادهها دارای سلسلهمراتب طبیعی هستند، ضروری است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+31 more
منابع
- Bryk, A. S., & Raudenbush, S. W. (1992). Hierarchical Linear Models: Applications and Data Analysis Methods. SAGE Publications. DOI: 10.2307/2075823 ↗
- Goldstein, H. (2011). Multilevel Statistical Models (4th ed.). Wiley-Blackwell. DOI: 10.1002/9780470973394 ↗
- Shrout, P. E., & Fleiss, J. L. (1979). Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin, 86(2), 420–428. DOI: 10.1037/0033-2909.86.2.420 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 4). Multilevel (Hierarchical) Linear Modeling. ScholarGate. https://scholargate.app/fa/research-statistics/multilevel-modeling
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.
- تحلیل واریانس (ANOVA)آمار پژوهش↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- مدلسازی معادلات ساختاری (SEM)آمار پژوهش↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →