Mehrebenenanalyse oder Varianzanalyse?

Zusammenfassung. Wer Experimente in Schulklassen durchführt, hat mit hierarchisch strukturierten Daten zu tun, was Mehrebenenanalysen nahelegt. Meist sind solche Experimente so aufwändig, dass die für hierarchisch lineare Modelle üblichen Stichprobengrößen nicht zu erreichen sind. Wenn man an Vorhersagen auf Klassenebene nicht interessiert ist, bieten sich alternativ Varianzanalysen an, die die Klasse als Faktor einbeziehen. In einer Simulationsstudie wurden die Äquivalenz, die Reaktion auf variierte Rahmenbedingungen und die Genauigkeit der Parameterschätzungen der beiden Verfahren geprüft. Dazu wurden acht mal 1000 Datensätze simuliert, die sich systematisch in der Anzahl der Klassen, der Balance der Klassengrößen und der Intraklassenkorrelation unterschieden. Die Datensätze wurden mit hierarchischen Regressionsanalysen nach dem random-intercept Modell und mit Varianzanalysen ausgewertet und die Ergebnisse verglichen. Es zeigte sich, dass die Teststärke der beiden Methoden praktisch gleich ist, dass die Rahmenbedingungen sich nur schwach auswirken und dass die hierarchische Regressionsanalyse die Modellparameter bei Datensätzen einer Größe von zehn Klassen befriedigend reproduziert.