Mehrebenenregressionsmodelle

Zusammenfassung

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.