Modélisation multiniveau
La modélisation multiniveau (également appelée modélisation linéaire hiérarchique, modélisation à effets mixtes) est un cadre statistique permettant d'analyser des données organisées en structures imbriquées ou groupées — des étudiants au sein d'écoles, des patients au sein d'hôpitaux, des mesures répétées au sein d'individus. Développée par Bryk et Raudenbush (1992), elle tient compte de la dépendance entre les observations et partitionne la variance en niveaux (intra-groupe et inter-groupes), permettant une inférence valide et révélant les effets contextuels. Elle est essentielle en éducation, en médecine, en recherche organisationnelle et dans tout domaine où les données présentent des hiérarchies naturelles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+31 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 4). Multilevel (Hierarchical) Linear Modeling. ScholarGate. https://scholargate.app/fr/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.
- Analyse de la variance (ANOVA)Statistiques de recherche↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Modélisation par équations structurellesStatistiques de recherche↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →