Auszug
Die Hierarchische Lineare Modellierung (HLM) stellt ein statistisches Verfahren zur Auswertung von Daten mit hierarchischer Struktur dar. Eine solche Struktur liegt vor, wenn ein Datensatz Variablen auf verschiedenen Untersuchungsebenen wie z.B. Variablen bezüglich Mitarbeitern (Individualebene), Teams (Gruppenebene) und Unternehmen (Organisationsebene) enthält. So lässt sich, wie in Abbildung 19.1 für eine Zwei-Ebenen-Untersuchung beispielhaft dargestellt, mittels HLM eine Vielzahl möglicher Variablenzusammenhänge analysieren: (a) Zusammenhänge zwischen Variablen auf unterschiedlichen Untersuchungsebenen, z.B. zwischen dem Führungsstil eines Projekt-leiters (G) und dem individuellen Commitment der Teammitglieder (Y), (b) Fall (a) ergänzt um Variablenzusammenhänge auf gleicher Ebene, z.B. der Beziehung zwischen der individuellen Leistungsmotivation (X) und dem Commitment eines Teammitglieds, und (c) Zusammenhänge zwischen Variablen derselben Untersuchungsebene moderiert durch Einflüsse einer anderen Untersuchungsebene, z.B. zwischen individueller Leistungsmotivation und Commitment eines Teammitglieds bei Berücksichtigung des Führungsstils des Projektleiters.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
Backhaus K., B. Erichson, W. Plinke und R. Weiber (2003): Multivariate Analysemethoden: eine anwendungsorientierte Einführung, Berlin et al.
Bassiri D. (1988): Large and Small Sample Properties of Maximum Likelihood Estimates for the Hierarchical Linear Model, Dissertation, Michigan State University.
Bryk A.S. und W. Raudenbush (2002): Hierarchical Linear Models: Applications and Data Analysis Methods, 2, Newbury Park et al.
Buse A. (1982): The Likelihood Ratio, Wald, and Lagrange Multiplier Tests: An Expository Note, The American Statistician, 36, 153–157.
DiPrete T.A. und J.D. Forristal (1994): Multilevel Models: Methods and Substance, Annual Review of Sociology, 20, 331–357.
Ditton H. (1998): Mehrebenenanalyse: Grundlagen und Anwendungen des Hierarchisch Linearen Modells, Weinheim.
Hoegl M., K.P. Parboteeah und C.L. Munson (2003): Team-Level Antecedents of Individuals’ Knowledge Networks, Decision Sciences, 34, 741–770.
Hofmann D.A. (1997): An Overview of the Logic and Rationale of Hierarchical Linear Models, Journal of Management, 23, 723–744.
Hofmann D.A. und M.B. Gravin (1998): Centering Decisions in Hierarchical Linear Models: Implications for Research in Organizations, Journal of Management, 24, 623–641.
Hox J. (2002): Multilevel Analysis. Techniques and Applications, Mahwah.
Johnston J. und J. DiNardo (1997): Econometric Methods, 4. Auflage, New York et al.
Klein K.J., H. Tosi und A.A. Cannella (1999): Multilevel Theory Building: Benefits, Barriers, and New Developments, Academy of Management Review, 24, 243–248.
Kreft I.G.G., J. de Leeuw und L.S. Aiken (1995): The Effect of Different Forms of Centering in Hierarchical Linear Regression Models, Multivariate Behavioral Research, 30, 1–21.
Kreft I.G.G. (1996): Are Multilevel Techniques Necessary? An Overview Including Simulation Studies. For-schungsbericht, California State University.
Kreft I.G.G. und J. de Leeuw (1998): Introducing Multilevel Modeling, Newbury Park.
Centre for Multilevel Modelling (2005): Homepage, http://multilevel.ioe.ac.uk/, Zugriff am 21.10.2005.
Raudenbush S.W. und X. Liu (2000): Statistical Power and Optimal Design for Multisite Randomized Trails, Psychological Methods, 5, 199–213.
Raudenbush S., A. Bryk, Y.F. Cheong und R. Congdon (2004): HLM 6: Hierarchical and Nonlinear Modeling, Scientific Software International, Lincolnwood.
Snijders T. und R. Bosker (1999): Multilevel Analysis, London.
Van Dick R., U. Wagner, J. Stellmacher und O. Christ (2005): Mehrebenenanalysen in der Organisationspsychologie: Ein Plädoyer und ein Beispiel, Zeitschriftfür Arbeits-und Organisationspsychologie, 49, 27–34.
Whitener E.M. (2001): Do ‘High Commitment’ Human Resource Practices Affect Employee Commitment? A Cross-Level Analysis Using Hierarchical Linear Modeling, Journal of Management, 27, 515–535.
Editor information
Rights and permissions
Copyright information
© 2007 Betriebswirtschaftlicher Verlag Dr. Th. Gabler |d GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Walter, S.G., Rack, O. (2007). Eine anwendungsbezogene Einführung in die Hierarchische Lineare Modellierung (HLM). In: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (eds) Methodik der empirischen Forschung. Gabler. https://doi.org/10.1007/978-3-8349-9121-8_19
Download citation
DOI: https://doi.org/10.1007/978-3-8349-9121-8_19
Publisher Name: Gabler
Print ISBN: 978-3-8349-0469-0
Online ISBN: 978-3-8349-9121-8
eBook Packages: Business and Economics (German Language)