Multilevel Modelleren
Multilevel modelleren (ook wel hiërarchische lineaire modellering, mixed-effects modellering genoemd) is een statistisch raamwerk voor het analyseren van gegevens die georganiseerd zijn in geneste of geclusterde structuren – studenten binnen scholen, patiënten binnen ziekenhuizen, herhaalde metingen binnen individuen. Ontwikkeld door Bryk en Raudenbush (1992), houdt het rekening met afhankelijkheid tussen waarnemingen en verdeelt het variantie in niveaus (binnen-cluster en tussen-cluster), wat valide inferentie mogelijk maakt en contextuele effecten onthult. Essentieel in onderwijs, geneeskunde, organisatieonderzoek en elk vakgebied waar gegevens natuurlijke hiërarchieën hebben.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+31 more
Bronnen
- Bryk, A. S., & Raudenbush, S. W. (1992). Hierarchical Linear Models: Applications and Data Analysis Methods. SAGE Publications. DOI: 10.2307/2075823 ↗
- Goldstein, H. (2011). Multilevel Statistical Models (4th ed.). Wiley-Blackwell. DOI: 10.1002/9780470973394 ↗
- Shrout, P. E., & Fleiss, J. L. (1979). Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin, 86(2), 420–428. DOI: 10.1037/0033-2909.86.2.420 ↗
Deze pagina citeren
ScholarGate. (2026, June 4). Multilevel (Hierarchical) Linear Modeling. ScholarGate. https://scholargate.app/nl/research-statistics/multilevel-modeling
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.
- Variantieanalyse (ANOVA)Onderzoeksstatistiek↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Structurele vergelijkingsmodelleringOnderzoeksstatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →