HLM, een acroniem voor hiërarchische lineaire modelleren, is een geavanceerde regressiemodel gebruikt om te analyseren datasets die waarschijnlijk fout voorwaarden hebben gecorreleerd. In tegenstelling tot de correlaties, regressie modellering kunt tot stand brengen causale effecten tussen gegevensreeksen. Een veronderstelling van de standaard regressiemodel is echter dat de voorwaarden van de fout van de gegevens niet worden gecorreleerd. In gevallen waar verschillende hoeveelheden aanvraaggegevens zijn ontleend aan een aantal groepen (bijvoorbeeld informatie over studenten bij een bepaalde school), zal de fout voorwaarden van gemeenschappelijke oorsprong worden gecorreleerd. HLM rekening gecorreleerde fout voorwaarden, zodat kan worden gebruikt op dergelijke datasets. Bij de rapportage van de resultaten van het model in een dagboek of academische publicatie, zorg ervoor dat de volgende APA-richtlijnen gebruiken.
Een overzicht van de eigenschappen van uw gegevensset in de sectie procedures van uw papier. Zijn het aantal gevallen binnen uw gegevensset, de methode die u gebruikt voor het genereren van een aselecte steekproef en de bronnen van uw aanvraaggegevens niveau (dat wil zeggen, waar de gegevens vandaan).
Staat uw null en alternatieve hypothese, samen met de exacte p-waarde die u gebruikt om te beoordelen van de statistische significantie, in uw sectie van de procedure. De wetenschappelijke methode vereist dat wanneer u presenteren de statistische gegevens die u hebt gegenereerd, u eerst wat het statistisch model was aangeven voor het testen.
Genereer een tabel van de resultaten van uw model. Terwijl APA formaat niet specifiek dit eisen, is het bij glimlachte en beschouwd als de duidelijkste rapportage van uw model bevindingen. Als uw model HLM getest meerdere onafhankelijke variabelen, een reeks van gegevens u vermoedt dat een oorzakelijke invloed op een andere gegevensreeks heeft, uw resultaten groeperen op categorie van onafhankelijke variabelen in verschillende grafieken; Maak een ander grafiektype voor elke categorie.
Label van de volgende handelingen uit voor elke onafhankelijke variabele u getest: de titel van de onafhankelijke variabele, de regressie-coëfficiënt, de standaardfout van de regressie, van de regressie T-statistiek, van de regressie vrijheidsgraden en de p-waarde op die de resultaten van de regressie statistisch significant zijn. Al deze gegevens worden gegenereerd door uw HLM tool, al zul je om naar de gegevens rond categorische grafieken maken.