我浏览了几本书(Raudenbush和Bryk,Snijders和Bosker,Gelman和Hill等)和几篇文章(Gelman,Jusko,Primo和Jacobsmeier等),但我仍然没有真正地把头缠住使用聚类标准误差和多级建模之间的主要区别。
我了解手头上与研究问题有关的部分;您只能从多层建模中获得某些类型的答案。但是,例如,对于您的兴趣系数仅处于第二级的两级模型,采用一种方法相对于另一种方法有什么优势?在这种情况下,我不必担心进行预测或提取聚类的各个系数。
我已经发现的主要区别是,当聚类具有不相等的样本大小时,聚类标准误差会受到影响,并且多级建模的弱点在于它假定了随机系数分布的规格(而使用聚类标准误差是无模型的) 。
最后,是否所有这些都意味着对于表面上可以使用这两种方法的模型,我们应该在系数和标准误差方面得到相似的结果吗?
任何答复或有用的资源将不胜感激。
6
Stask用户可以很好地回答这个问题。
—
安迪W
谢谢。我以前确实读过,实际上使我更加怀疑真正的好处。但是,我想我的问题背后的真正动机是,如果我仅将二级系数视为感兴趣的话,那么我是否真的被认为是否过分有用就得到了验证。另外,也许我错过了,但是我不认为post会解决这两种方法是否应该产生相似的结果(当同时满足两种方法的假设时)。
—
RickyB
“第二级系数”是指第一级的参数作为因变量的水平?
—
sheß
是的,这就是我的意思。
—
RickyB