Die Mehrebenenanalyse ist ein statistisches Verfahren, das verwendet wird, wenn Daten hierarchisch strukturiert sind, d.h. Einheiten auf dem Individualniveau zu Einheiten aus einem oder mehreren höheren Niveaus gehören (z.B. Schüler in Klassen in Schulen). Es handelt sich um eine spezielle Regressionsanalyse, mit der Abhängigkeiten und Variationen auf verschiedenen Ebenen analysiert werden können. Das Buch behandelt die Logik der Mehrebenenanalyse, ihre wichtigsten statistischen Grundlagen sowie ihre Umsetzung in der Statistikumgebung R. Die Modellierung der Effekte auf verschiedenen Ebenen wird Schritt für Schritt erläutert, wobei ein besonderes Augenmerk auf Modellvergleichen liegt. Zudem werden besondere Anwendungsfälle, etwa kreuz-klassifizierte oder longitudinale Daten, illustriert. Als Beispiel dienen Daten aus der interkulturell vergleichenden Forschung.

Datensatz und ergänzende Materialien zu den Kapiteln sind auf der Produktseite des Buches auf SpringerLink verfügbar.

Autorentext

Dr. Matthias Sand ist Senior Researcher beim GESIS Leibniz Institut für Sozialwissenschaften in Mannheim im Bereich Survey Statistics.

Dr. Michael Braun war Projektberater bei GESIS sowie Außerplanmäßiger Professor an der Universität Mannheim

Klappentext

Einführung, Logik der Mehrebenenanalyse.- Wann sollte man eine Mehrebenenanalyse (nicht) verwenden?.- Das allgemeine Basismodell der Mehrebenenanalyse und seine Teilmodelle.- Mehrebenenmodelle für eine quantitative abhängige Variable in R.- Empfehlungen zum Vorgehen beim Vergleich von Mehrebenenmodellen.- Exkurs: Zentrierung unabhängiger Variablen.- Modelle mit drei oder mehr Ebenen.- Logistische Mehrebenenanalyse.- Kreuzklassifizierte (cross-classified) Daten.- Longitudinaldaten.

Inhalt

Einführung, Logik der Mehrebenenanalyse.- Wann sollte man eine Mehrebenenanalyse (nicht) verwenden?.- Das allgemeine Basismodell der Mehrebenenanalyse und seine Teilmodelle.- Mehrebenenmodelle für eine quantitative abhängige Variable in R.- Empfehlungen zum Vorgehen beim Vergleich von Mehrebenenmodellen.- Exkurs: Zentrierung unabhängiger Variablen.- Modelle mit drei oder mehr Ebenen.- Logistische Mehrebenenanalyse.- Kreuzklassifizierte (cross-classified) Daten.- Longitudinaldaten.