Hiërarchische Lineaire Modellering (HLM / Multilevel Modellering)
Hiërarchische Lineaire Modellering (HLM), ook bekend als Multilevel Modellering (MLM), is een parametrische statistische methode voor het analyseren van geneste of geclusterde data — bijvoorbeeld studenten binnen klaslokalen, patiënten binnen ziekenhuizen, of werknemers binnen organisaties. Geformaliseerd door Raudenbush en Bryk in hun baanbrekende tekst uit 2002 (voortbouwend op werk uit het midden van de jaren '80), schat HLM tegelijkertijd effecten op individueel niveau en groepsniveau, terwijl de variantie correct over de niveaus wordt verdeeld.
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.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/nl/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.
- Gemengd effectenmodelStatistiek↔ compare
- One-way Analysis of VarianceStatistiek↔ compare
- Repeated-measures ANOVAStatistiek↔ compare
- Structurele vergelijkingsmodellering (SEM)Statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →