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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Rights and permissions
Copyright information
© 2011 VS Verlag für Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Geiser, C. (2011). Mehrebenenregressionsmodelle. In: Datenanalyse mit Mplus. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-93192-0_5
Download citation
DOI: https://doi.org/10.1007/978-3-531-93192-0_5
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-18002-1
Online ISBN: 978-3-531-93192-0
eBook Packages: Humanities, Social Science (German Language)