Hierarkkinen lineaarinen mallinnus (HLM / monitasomallinnus)
Hierarkkinen lineaarinen mallinnus (HLM), joka tunnetaan myös nimellä monitasomallinnus (MLM), on parametrisiin tilastollinen menetelmä, jota käytetään pesittyneiden tai ryvästyneiden aineistojen analysointiin – esimerkiksi opiskelijat luokissa, potilaat sairaaloissa tai työntekijät organisaatioissa. Raudenbushin ja Brykin vuonna 2002 julkaisemassa uraauurtavassa teoksessa (perustuen 1980-luvun puolivälin työhön) formalisoitu HLM estimoi samanaikaisesti yksilö- ja ryhmätason vaikutuksia ja jakaa varianssin oikein tasojen välillä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/fi/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 ModelTilastotiede↔ compare
- Yksisuuntainen varianssianalyysiTilastotiede↔ compare
- Toistomittaus-ANOVATilastotiede↔ compare
- Rakenteellinen yhtälömallinnus (SEM)Tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →