Modellazione Lineare Gerarchica (HLM / Modellazione Multilivello)
La Modellazione Lineare Gerarchica (HLM), nota anche come Modellazione Multilivello (MLM), è un metodo statistico parametrico per analizzare dati nidificati o raggruppati — ad esempio studenti all'interno di classi, pazienti all'interno di ospedali, o dipendenti all'interno di organizzazioni. Formalizzata da Raudenbush e Bryk nel loro testo seminale del 2002 (basandosi su lavori della metà degli anni '80), l'HLM stima simultaneamente effetti a livello individuale e di gruppo, ripartendo correttamente la varianza tra i livelli.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/it/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.
- Modello a Effetti MistiStatistica↔ compare
- Analisi della Varianza a una ViaStatistica↔ compare
- ANOVA per misure ripetuteStatistica↔ compare
- Modellazione di equazioni strutturali (SEM)Statistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →