Methodenbewijsdossier

Hierarchical Linear Modeling

Hierarchical Linear Modeling (HLM), also known as Multilevel Modeling (MLM), is a parametric statistical method for analyzing nested or clustered data — for example students within classrooms, patients within hospitals, or employees within organizations. Formalized by Raudenbush and Bryk in their 2002 seminal text (building on work from the mid-1980s), HLM simultaneously estimates individual-level and group-level effects while correctly partitioning variance across levels.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Hierarchical Linear Modeling (HLM / Multilevel Modeling)

Taxonomisch methodendossier · hypothesis-test / statistics

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Used in the same domainMixed Effects Modelmachine-suggested · Relational suggestion, not evidence.Same method familyOne-way ANOVAmachine-suggested · Relational suggestion, not evidence.Same method familyRepeated-measures ANOVAmachine-suggested · Relational suggestion, not evidence.Used in the same domainSEMmachine-suggested · Relational suggestion, not evidence.