مدلسازی خطی سلسلهمراتبی (HLM / مدلسازی چندسطحی)
مدلسازی خطی سلسلهمراتبی (Hierarchical Linear Modeling - HLM)، که با نام مدلسازی چندسطحی (Multilevel Modeling - MLM) نیز شناخته میشود، یک روش آماری پارامتری برای تحلیل دادههای خوشهای یا تودرتو است — به عنوان مثال، دانشآموزان در کلاسها، بیماران در بیمارستانها، یا کارکنان در سازمانها. این روش که توسط Raudenbush و Bryk در متن بنیادین سال ۲۰۰۲ خود (با تکیه بر کارهای اواسط دهه ۱۹۸۰) صورتبندی شد، به طور همزمان اثرات سطح فردی و سطح گروهی را برآورد کرده و واریانس را در سطوح مختلف به درستی تفکیک میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/fa/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.
- مدل اثرات مختلط (یا مدل خطی مختلط) رگرسیون معمولی را با گنجاندن هر دو اثرات ثابتآمار↔ compare
- تحلیل واریانس یکطرفهآمار↔ compare
- ANOVA با اندازهگیریهای مکررآمار↔ compare
- مدلسازی معادلات ساختاری (SEM)آمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →