Modelowanie hierarchiczne liniowe (HLM / modelowanie wielopoziomowe)
Modelowanie hierarchiczne liniowe (HLM), znane również jako modelowanie wielopoziomowe (MLM), to parametryczna metoda statystyczna służąca do analizy danych zagnieżdżonych lub zgrupowanych — na przykład uczniów w klasach, pacjentów w szpitalach lub pracowników w organizacjach. Sformalizowane przez Raudenbusha i Bryka w ich przełomowym tekście z 2002 roku (opierając się na pracach z połowy lat 80.), HLM jednocześnie szacuje efekty na poziomie indywidualnym i grupowym, prawidłowo rozdzielając wariancję między poziomami.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/pl/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 Mieszanych EfektówStatystyka↔ compare
- Jednoczynnikowa analiza wariancjiStatystyka↔ compare
- Jednoczynnikowa ANOVA z powtarzanymi pomiaramiStatystyka↔ compare
- Modelowanie równań strukturalnych (SEM)Statystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →