Modélisation Linéaire Hiérarchique (HLM / Modélisation Multiniveaux)
La Modélisation Linéaire Hiérarchique (HLM), également connue sous le nom de Modélisation Multiniveaux (MLM), est une méthode statistique paramétrique pour analyser des données imbriquées ou groupées — par exemple, des élèves dans des classes, des patients dans des hôpitaux, ou des employés dans des organisations. Formalisée par Raudenbush et Bryk dans leur texte séminal de 2002 (s'appuyant sur des travaux du milieu des années 1980), la HLM estime simultanément les effets au niveau individuel et au niveau du groupe tout en partitionnant correctement la variance entre les niveaux.
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.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/fr/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.
- Modèle à effets mixtesStatistique↔ compare
- Analyse de variance à un facteurStatistique↔ compare
- ANOVA à mesures répétéesStatistique↔ compare
- Modélisation par équations structurelles (MES)Statistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →