Я пролистал несколько книг (Raudenbush & Bryk, Snijders & Bosker, Gelman & Hill и т. Д.) И несколько статей (Gelman, Jusko, Primo & Jacobsmeier и т. Д.), И я до сих пор не успокоился основные различия между использованием кластерных стандартных ошибок стихов многоуровневого моделирования.
Я понимаю те части, которые связаны с вопросом исследования под рукой; Есть определенные типы ответов, которые вы можете получить только при многоуровневом моделировании. Однако, например, для двухуровневой модели, где ваши коэффициенты интереса находятся только на втором уровне, в чем преимущество одного метода перед другим? В этом случае я не беспокоюсь о том, чтобы делать прогнозы или извлекать отдельные коэффициенты для кластеров.
Основное различие, которое мне удалось обнаружить, заключается в том, что кластерные стандартные ошибки страдают, когда кластеры имеют неравные размеры выборки, и что многоуровневое моделирование слабо в том смысле, что оно предполагает спецификацию распределения случайных коэффициентов (тогда как использование кластерных стандартных ошибок не имеет модели) ,
И в конце концов, означает ли все это, что для моделей, которые якобы могут использовать любой из этих методов, мы должны получить аналогичные результаты с точки зрения коэффициентов и стандартных ошибок?
Любые ответы или полезные ресурсы будут с благодарностью.