Hierarkisk linjär modellering (HLM / Multilevelmodellering)
Hierarkisk linjär modellering (HLM), även känd som Multilevelmodellering (MLM), är en parametrisk statistisk metod för att analysera nästlade eller klustrade data – till exempel elever inom klasser, patienter inom sjukhus eller anställda inom organisationer. Formaliserad av Raudenbush och Bryk i deras banbrytande text från 2002 (byggande på arbete från mitten av 1980-talet), estimerar HLM samtidigt effekter på individnivå och gruppnivå samtidigt som variansen korrekt partitioneras över nivåerna.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Hierarchical Linear Modeling (HLM / Multilevel Modeling). ScholarGate. https://scholargate.app/sv/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.
- Modell för blandade effekterStatistik↔ compare
- Envägs variansanalysStatistik↔ compare
- ANOVA med upprepade mätningarStatistik↔ compare
- Strukturell ekvationsmodellering (SEM)Statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →