Zusammenfassung
In den letzten Jahren sind statistische Verfahren bedeutsam geworden, die unter den Namen Hierarchische Lineare Modelle, multi-level modeling oder mixed models eingeführt wurden. Obschon diese Verfahren einige neue Komplexitäten mit sich bringen (die wir hier auch nicht einführen können), so ist der Grundgedanke recht einfach. Es geht um folgendes Problem: Angenommen, Sie suchen nach Prädiktoren für Schulerfolg in Mathematik. Sie erheben bei einer großen Stichprobe von Schülern aus vielen Schulklassen eine Reihe von Variablen (z.B. Intelligenz, Motivation).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Einführende Kapitel finden sich in Eid et al. (2013), Field (2013), Tabachnick und Fidell (2013). Einführungsbücher lassen sich danach kategorisieren, ob sie eher die Fragestellungen der Anwendungsfächer (also Teilnehmer als unterste Einheit der Analyse) oder der experimentellen Grundlagenforschung fokussieren. Ein damit korreliertes Merkmal ist die Software, die zur Erläuterung genutzt wird. Heck und Thomas (2009), Raudenbush und Bryk (2002) sowie Bickel (2007) orientieren sich eher an Fragestellungen der Anwendungsfächer. Dabei ist das Buch von Raudenbush und Bryk der eher schwierige „Klassiker“ des Feldes; Heck und Thomas und insbesondere Bickel verstehen sich demgegenüber eher als einführend. Raudenbush und Bryk sind an HLM orientiert. (Sie sind die Entwickler dieser Software.) Ebenso nutzen Heck und Thomas HLM für ihre Erläuterungen, haben aber den Anspruch, dass auch Anwender anderer Software Nutzen von ihrem Buch haben. Bickel erläutert seine Analysen mit SPSS. In der experimentellen Grundlagenforschung nutzt man eher R; Baayen (2008) gibt hier eine Einführung. Einem interessanten Konzept folgt das Buch von Garson (2013). In den ersten Kapiteln führt der Editor in das Konzept der Hierarchischen Linearen Modelle ein, inklusive der Nutzung dreier Statistikprogramme (HLM, SAS, SPSS); danach folgen Kapitel von Kollegen, die die Anwendung der Modelle an konkreten Forschungsfragestellungen erläutern.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Wentura, D., Pospeschill, M. (2015). Hierarchische Lineare Modelle – eine Heranführung. In: Multivariate Datenanalyse. Basiswissen Psychologie. Springer, Wiesbaden. https://doi.org/10.1007/978-3-531-93435-8_14
Download citation
DOI: https://doi.org/10.1007/978-3-531-93435-8_14
Publisher Name: Springer, Wiesbaden
Print ISBN: 978-3-531-17118-0
Online ISBN: 978-3-531-93435-8
eBook Packages: Psychology (German Language)