مدل سلسله مراتبی خطی (HLM) چیست و چه کاربردی دارد؟ 

به گزارش سایت خبری ساعد نیوز و به نقل از ایران پژوهان: 

مدل سلسله مراتبی خطی (HLM) یک (OLS) تجزیه و تحلیل حداقل مربعات معمولی مبتنی بر رگرسیون است که ساختار سلسله مراتبی داده ها را به حساب می آورد. سلسله مراتبی داده های ساخت یافته است که در آن داده های گروه از واحد با هم به شکلی منظم خوشه، مانند دانش آموزان در کلاس های درس در مدارس تو در تو. ساختار تو در تو از داده نقض فرض استقلال از رگرسیون OLS، چرا که خوشه از مشاهدات مستقل از یکدیگر نیستند. HLM نیز گفته می شود مدل سازی چند سطح. مدل سلسله مراتبی خطی می توان به منظور پیش بینی استفاده می شود. همچنین می تواند به به منظور کاهش داده استفاده می شود، و می تواند برای طراحی از استنتاج علی مفید است.

انعطاف پذیری مدل HLM در انواع برنامه های کاربردی است که استفاده شده است. نرم افزار قابل توجهی از مدل HLM برای مطالعه داده های طولی که در آن مشاهدات در افراد تو در تو وجود دارد. مدل HLM طولی، گاهی اوقات به عنوان مدل منحنی رشد توصیف، درمان هم به شیوه ای انعطاف پذیر است که اجازه می دهد تا مدل سازی تغییر غیر خطی و ناپیوسته در زمان و با ظرفیت فضای ناجور از نقاط زمان و شماره نابرابر مشاهدات در سطح افراد.

مدل HLM یک چارچوب که شامل متغیرهای در هر سطح از مدل ارائه می کنند. به عنوان مثال، ویژگی های دانش آموز، مانند سن و مدرسه ویژگی ها، مانند نرخ فارغ التحصیلی، مدل سازی می شوند. مدل HLM می توان فراتر از دو سطح افزایش یافته است. به عنوان مثال، دانش آموزان مدارس تو در تو در درون مناطق آموزش و پرورش تو در تو. علاوه بر صرفا ساختارهای سلسله مراتبی، یک کلاس از مدل به نام مدل متقابل طبقه بندی که اجازه می دهد واحد به در بیش از یک خوشه که در آن خوشه از نظر ساختاری مرتبط نیست تو در تو وجود دارد. به عنوان مثال، دانش آموزان می تواند در عرض مدارس و کلیساها تو در تو، که در آن هیچ ارتباطی بین مدارس و کلیسا وجود دارد.