Pemodelan Linear Berhierarki (HLM / Pemodelan Berbilang Aras)
Pemodelan Linear Berhierarki (HLM), juga dikenali sebagai Pemodelan Berbilang Aras (MLM), ialah kaedah statistik parametrik untuk menganalisis data bersarang atau berkluster — contohnya pelajar dalam kelas, pesakit dalam hospital, atau pekerja dalam organisasi. Diformalkan oleh Raudenbush dan Bryk dalam teks seminal mereka pada tahun 2002 (berdasarkan kajian dari pertengahan 1980-an), HLM secara serentak menganggarkan kesan peringkat individu dan peringkat kumpulan sambil memperuntukkan varians dengan betul merentasi aras.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/ms/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.
- Model Kesan CampuranStatistik↔ compare
- Analisis Varians Satu HalaStatistik↔ compare
- ANOVA ukuran berulangStatistik↔ compare
- Pemodelan Persamaan Struktural (SEM)Statistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →