MAIHDA
MAIHDA — Multilevel Analysis of Individual Heterogeneity and Discriminatory Accuracy — is a quantitative method for studying intersectional inequalities. Introduced for intersectionality by Clare Evans and S. V. Subramanian in 2018, building on Juan Merlo's discriminatory-accuracy framework, it treats the many strata formed by crossing social categories (for example gender × race/ethnicity × education) as level-2 units in a multilevel model, then partitions outcome variation between and within those strata to assess how much intersectional position predicts the outcome.
ระเบียนต้นฉบับ
การอ้างอิงถูกคัดลอกตามต้นฉบับจากระเบียนต้นฉบับของวิธีดำเนินการ ไม่มีการอ้างสิทธิ์ในระดับการตรวจสอบใด ๆ ที่อนุมานได้จากสิ่งเหล่านี้
- Evans, C. R., Williams, D. R., Onnela, J.-P., & Subramanian, S. V. (2018). A multilevel approach to modeling health inequalities at the intersection of multiple social identities. Social Science & Medicine, 203, 64–73. · DOI 10.1016/j.socscimed.2017.11.011
- Merlo, J. (2018). Multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) within an intersectional framework. Social Science & Medicine, 203, 74–80. · DOI 10.1016/j.socscimed.2017.12.026
- Evans, C. R., Leckie, G., Subramanian, S. V., Bell, A., & Merlo, J. (2024). A tutorial for conducting intersectional multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA). SSM - Population Health, 26, 101664. · DOI 10.1016/j.ssmph.2024.101664
ข้อเรียกร้องที่ดูแลจัดการ
ข้อเรียกร้องถูกจัดเก็บไว้ในบัญชีแยกประเภทหลักฐาน โดยแต่ละรายการมีชุดการประเมินของตนเอง
มุมมองนี้ไม่ได้สร้างการประเมินข้อเรียกร้องขึ้นมาเมื่อบัญชีแยกประเภทไม่มี
วิธีดำเนินการที่เกี่ยวข้อง
สร้างจากกราฟวิธีดำเนินการและแสดงเป็นความสัมพันธ์ที่แนะนำโดยเครื่องจักร — ไม่มีการอ้างสิทธิ์หลักฐานใด ๆ ที่อนุมานได้