Mehrebenenanalysen mit hierarchisch-linearen Modellen

Authors:
  • TRTobias Richter
    Tobias Richter
  • JNJohannes Naumann
    Johannes Naumann

Abstract
Zusammenfassung. Dieser Beitrag gibt eine kurze Einführung in hierarchisch-lineare Modelle mit Zufallskoeffizienten, eine Klasse von Verfahren zur Auswertung von Daten mit hierarchisch geschachtelten Analyseebenen (z.B. Individuen in sozialen Gruppen, Messzeitpunkte in Personen). Ausgehend von den Unterschieden zu herkömmlichen linearen Modellen mit festen Effekten erläutern wir das Grundprinzip hierarchisch-linearer Modelle an einem Beispiel. Dann skizzieren wir das Vorgehen bei Parameterschätzung und Hypothesentestung, die Bedeutung unterschiedlicher Zentrierungsoptionen sowie Anwendungsvoraussetzungen hierarchisch-linearer Modelle.

This publication has 14 references indexed in Scilit: