Mehrebenenanalyse mit R (HLM mit R)
Power / Stichprobengröße

Arndt Regorz, Dipl. Kfm. & MSc. Psychologie, 03.07.2026

Wenn Sie eine Mehrebenenanalyse (Linear Mixed Effects Model, Hierarchical Linear Model) planen, dann sollten Sie vorab die nötige Stichprobengröße mittels einer Poweranalyse bestimmen. Dieses Videotutorial zeigt Ihnen, wie das geht. Außerdem ist ein Beispiel für R-Code der Powerberechnung angegeben, damit Sie diesen mit Copy&Paste nutzen und für Ihre Zwecke anpassen können.

(Hinweis: Mit Anklicken des Videos wird ein Angebot des Anbieters YouTube genutzt.)

# install.packages("mlmpower") # just once
library(mlmpower) # each session

# 1 Defining the model

our_model <-(
outcome("popularity") +
effect_size(
icc = 0.25,
within = 0.10,
between = 0.15,
product = 0.02,
random_slope = 0.01
)
+ within_predictor("extrav_cwc", icc = 0.0, weight = 1)
+ between_predictor("extrav_mean", weight = 0.33)
+ between_predictor("teacher_exp", weight = 0.67)
+ product("extrav_cwc", "teacher_exp", weight = 1)
+ random_slope("extrav_cwc", weight = 1)
)

# 2 Running the power analysis

# 1st Run
set.seed(123456)
results_1 <- power_analysis(
our_model,
replications = 500,
n_within = 20,
n_between = c(10, 20, 30)
)
print(results_1)

# 2nd Run
set.seed(123456)
results_2 <- power_analysis(
our_model,
replications = 2000,
n_within = 20,
n_between = c(21, 22, 23, 24)
)
print(results_2)