Statistische Analyseverfahren, die mit den Begriffen Cluster- oder Paneldaten in Verbindung stehen, werden in verschiedenen Forschungsdisziplinen mit unterschiedlichen Synonymen bezeichnet. Gängige Bezeichnungen in der Psychologie, Medizin und empirischen Sozialforschung sind zum Beispiel Mehrebenenanalyse (multilevel modeling), Hierarchische lineare Modellierung (hierarchical linear models) und Analyse gemischter Modelle (mixed model analysis). In der Ökonometrie, vor allem in der Längsschnittforschung, ist vorrangig der Begriff der Paneldatenanalyse geprägt. In den meisten Fällen bezieht sich die Bezeichnung auf die Struktur der vorliegenden Daten.

Datenstruktur

In einem Datensatz können Beobachtungseinheiten in mehreren Ebenen enthalten sein. Ein Beispiel mit zwei Ebenen aus der Bildungsforschung  wäre eine Untersuchung des Lernerfolgs von Schülern (Ebene 1) aus verschiedenen Klassen (Ebene 2). Hierbei bilden die Beobachtungen der Schüler die erste Ebene und die Verschiedenen Klassen die zweite Ebene. Es können Charakteristika (Variablen) auf Schülerebene (z.B. Testergebnisse aus Leistungskontrollen, Geschlecht) und auf Klassenebene  (z.B. Klassengröße, Eigenschaften des Klassenlehrers) im Datensatz enthalten sein. Die folgene Darstellung zeigt eine schematische Darstellung dieser Datenstruktur.  Der Abbildung steht eine Datentabelle gegenüber, die verdeutlicht, wie die Daten orgenisiert sein müssen, um eine Mehrebenenanalyse durchführen zu können.

Dieses Beispiel lässt sich auf mehr als zwei Ebenen erweitern. Werden die Schüler zum Beispiel über mehrer Zeitpunkte beobachtet, kommt eine weitere Ebene hinzu. Die folgende Abbildung verdeutlicht dies.

Hier etwas zu abhängigkeiten in den Daten.

Modellierung