2011 | OriginalPaper | Buchkapitel
Mehrebenenregressionsmodelle
verfasst von : Christian Geiser
Erschienen in: Datenanalyse mit Mplus
Verlag: VS Verlag für Sozialwissenschaften
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Mehrebenenmodelle
(Synonyme:
Multilevelmodelle, Hierarchische lineare Modelle, Random Coefficient Models, Mixed Models
) dienen dazu, geschachtelte Daten (Daten mit einer hierarchischen Struktur oder Clusterstruktur) auszuwerten. Beispielsweise liegt in Untersuchungen mit Schülern häufig eine hierarchische Struktur vor, und zwar dann, wenn in der gezogenen Stichprobe die Schüler in Schulklassen „geschachtelt“ (man sagt auch
geclustert
) sind. Man unterscheidet in diesem Zusammenhang zwischen
Level-l
- und
Level-2-Einheiten
. Im Schülerbeispiel stellen die Schüler die Level-1-Einheiten (Einheiten der unteren Ebene, der sog.
Micro-Ebene
) und die Schulklassen die übergeordneten Level-2-Einheiten (Einheiten der
Macro-Ebene
) dar. Je nach Untersuchungsdesign können weitere übergeordnete Ebenen (z.B. Schulen, Stadtteile, Gemeinden, Kreise, Bundesländer, usw.) hinzukommen. In unserer Betrachtung werden wir uns jedoch auf zwei Ebenen beschränken.