Modelagem Linear Hierárquica (HLM / Modelagem Multinível)
A Modelagem Linear Hierárquica (HLM), também conhecida como Modelagem Multinível (MLM), é um método estatístico paramétrico para analisar dados aninhados ou agrupados — por exemplo, alunos em turmas, pacientes em hospitais ou funcionários em organizações. Formalizada por Raudenbush e Bryk em seu texto seminal de 2002 (baseado em trabalhos de meados da década de 1980), a HLM estima simultaneamente efeitos no nível individual e no nível do grupo, ao mesmo tempo em que particiona corretamente a variância entre os níveis.
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.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/pt/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.
- Modelo de Efeitos MistosEstatística↔ compare
- Análise de Variância UnifatorialEstatística↔ compare
- ANOVA de medidas repetidasEstatística↔ compare
- Modelagem de Equações Estruturais (MEE)Estatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →