Multilevelmodel (gemengd model)

Een multilevelmodel werkt met gegevens die in groepen zitten: kinderen in klassen, studenten in werkgroepen, metingen binnen personen. Personen in dezelfde groep lijken vaak meer op elkaar dan personen in verschillende groepen, dus hun waarden zijn niet onafhankelijk. Het model geeft elke groep een eigen niveau (random intercept) en scheidt zo de verschillen tussen groepen van die binnen groepen. Het effect van een kenmerk (vast effect) wordt dan geschat met inachtneming van de groepen.

Voorbeeld: Een leestoets van 720 kinderen uit 40 klassen: 16% van de variatie ligt tussen de klassen. Het kenmerk “sociaaleconomische status” hangt samen met de leestoets (b = 2,61, p < ,001), ook als rekening wordt gehouden met de klas.

Let op: Er zijn meerdere groepen met elk meerdere gevallen nodig; bij minder dan 10 groepen zijn de schattingen op groepsniveau heel onzeker, vanaf ongeveer 30 zijn ze betrouwbaar. Een multilevelmodel laat samenhang zien, geen oorzaken.