เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองเชิงเส้นลำดับชั้น (HLM)× | Generalized Linear Model (GLM)× | |
|---|---|---|
| สาขาวิชา | สถิติศาสตร์ | สถิติศาสตร์ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1992 | 1972 |
| ผู้ริเริ่ม≠ | Bryk & Raudenbush | John A. Nelder & Robert W. M. Wedderburn |
| ประเภท≠ | Multilevel linear regression | Regression framework |
| แหล่งต้นตำรับ≠ | Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods (2nd ed.). Sage Publications. ISBN: 978-0761919049 | Nelder, J. A., & Wedderburn, R. W. M. (1972). Generalized linear models. Journal of the Royal Statistical Society: Series A (General), 135(3), 370–384. DOI ↗ |
| ชื่อเรียกอื่น | HLM, multilevel linear model, nested data model, random coefficient model | GLM, generalized regression, exponential family regression, link-function model |
| ที่เกี่ยวข้อง≠ | 4 | 6 |
| สรุป≠ | The Hierarchical Linear Model (HLM) is a multilevel regression method designed for data in which lower-level units (e.g., students, patients) are nested within higher-level groups (e.g., schools, hospitals). It simultaneously models within-group relationships and between-group variation, producing unbiased estimates and correct standard errors that ordinary regression cannot provide for nested data. | The Generalized Linear Model is a unified regression framework that extends ordinary linear regression to outcomes from the exponential family — including binary, count, proportion, and continuous positive outcomes. A link function connects the linear predictor to the mean of the response, enabling principled modelling beyond the Gaussian case. |
| ScholarGateชุดข้อมูล ↗ |
|
|