Kümelenmiş standart hatalar ve çok düzeyli modelleme mi?

Birkaç kitap (Raudenbush & Bryk, Snijders & Bosker, Gelman & Hill, vb.) Ve birkaç makale (Gelman, Jusko, Primo & Jacobsmeier, vb.) kümelenmiş standart hataların kullanımı ile çok düzeyli modelleme arasındaki temel farklar.

Eldeki araştırma sorusuyla ilgili kısımları anlıyorum; yalnızca çok düzeyli modellemeden alabileceğiniz belirli cevap türleri vardır. Ancak, örneğin, ilgi katsayılarınızın sadece ikinci seviyede olduğu iki seviyeli bir model için, bir yöntemi diğerine göre yapmanın avantajı nedir? Bu durumda, tahminler yapmak veya kümeler için bireysel katsayıları çıkarmak konusunda endişelenmiyorum.

Bulabildiğim temel fark, kümeler eşit olmayan örnek boyutlarına sahip olduğunda kümelenmiş standart hataların acı çekmesi ve çok katlı modellemenin rastgele katsayı dağılımının bir özelliğini varsayması nedeniyle zayıf olmasıdır (oysa standart hataların kullanılması modelsizdir) .

Ve sonuçta, tüm bunlar görünüşte her iki yöntemi de kullanabilen modeller için, katsayılar ve standart hatalar açısından benzer sonuçlar almamız gerektiği anlamına mı geliyor?

Herhangi bir yanıt veya yardımcı kaynak çok takdir edilecektir.

Bu yazı, verilerime özgü olabilecek kişisel deneyimlere dayanıyor, bu yüzden cevap olarak nitelendirildiğinden emin değilim.

Verileriniz için hangi yöntemin en uygun olduğunu değerlendirmek için mümkünse simülasyonlar kullanmanızı öneririm. Bunu yaptım ve çok düzeyli modellemeye dayanan testlerin (birinci düzeydeki parametrelerle ilgili) diğer yöntemlerden (güç açısından) daha iyi performans gösterdiğini ve çok az ve eşit olmayan boyuttaki "kümeleri" olan küçük örneklerde bile boyutu koruduğunu bulmak şaşırdı. Henüz bu noktayı işaret eden bir makale bulamadım ve bunu nasıl gördüğümden gerçekten niş bir konu değil ve daha fazla ilgiyi hak ediyor. Bence farklı yöntemlerin sonlu örnekle veya birkaç / düzensiz kümelerle karşılaştırılması oldukça az araştırılmıştır.