Hierarchikus lineáris modellezés (HLM / Multiszintű modellezés)
A hierarchikus lineáris modellezés (HLM), más néven multiszintű modellezés (MLM), egy paraméteres statisztikai módszer a hierarchikus vagy klaszterezett adatok elemzésére – például diákok osztályokon belül, betegek kórházakon belül, vagy alkalmazottak szervezeteken belül. Raudenbush és Bryk által 2002-ben, alapvető művükben (az 1980-as évek közepének munkájára építve) formalizált HLM módszer egyszerre becsli az egyéni és a csoportszintű hatásokat, miközben helyesen particionálja a varianciát a szintek között.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/hu/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.
- Vegyes hatású modellStatisztika↔ compare
- Varianciaanalízis egytényezősStatisztika↔ compare
- Ismételt méréses ANOVAStatisztika↔ compare
- Strukturális egyenlet modellezés (SEM)Statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →