Многоуровневые модели следует использовать, когда данные вложены в иерархическую структуру, особенно когда существуют существенные различия между единицами более высокого уровня в зависимой переменной (например, ориентация на достижения учащихся различается между студентами, а также между классами, с которыми студенты вложены). В этих обстоятельствах наблюдения сгруппированы, а не независимы. Неспособность принять во внимание кластеризацию приводит к недооценке ошибок в оценках параметров, смещенной проверке значимости и тенденции отклонять нулевое значение, когда оно должно быть сохранено. Обоснование использования многоуровневых моделей, а также подробное объяснение того, как проводить анализ, предоставлено
Рауденбуш, С.В. Брик, А.С. (2002). Иерархические линейные модели: приложения и методы анализа данных. 2-е издание. Ньюбери Парк, Калифорния: Мудрец.
Книга R & B также хорошо интегрирована с программным пакетом HLM авторов, который очень помогает в изучении пакета. Объяснение того, почему многоуровневые модели необходимы и предпочтительнее некоторых альтернатив (например, фиктивное кодирование единиц более высокого уровня), представлено в классической статье.
Хоффман Д.А. (1997). Обзор логики и обоснования иерархических линейных моделей. Журнал управления, 23, 723-744.
Бумагу Хоффмана можно скачать бесплатно, если вы Google "Hoffman 1997 HLM" и доступ к PDF в Интернете.