Modelagem Multinível
Modelagem multinível (também chamada de modelagem linear hierárquica, modelagem de efeitos mistos) é um arcabouço estatístico para analisar dados organizados em estruturas aninhadas ou clusterizadas — alunos em escolas, pacientes em hospitais, medidas repetidas em indivíduos. Desenvolvida por Bryk e Raudenbush (1992), ela considera a dependência entre observações e particiona a variância em níveis (dentro do cluster e entre clusters), permitindo inferência válida e revelando efeitos de contexto. Essencial em educação, medicina, pesquisa organizacional e qualquer campo onde os dados possuam hierarquias naturais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+31 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 4). Multilevel (Hierarchical) Linear Modeling. ScholarGate. https://scholargate.app/pt/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.
- Análise de Variância (ANOVA)Estatística para pesquisa↔ compare
- Regressão LogísticaEstatística para pesquisa↔ compare
- Modelagem de Equações EstruturaisEstatística para pesquisa↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →