Ho sfogliato diversi libri (Raudenbush & Bryk, Snijders & Bosker, Gelman & Hill, ecc.) E diversi articoli (Gelman, Jusko, Primo & Jacobsmeier, ecc.), E ancora non ho ancora avvolto la testa le principali differenze tra l'utilizzo di errori standard cluster e la modellazione multilivello.
Comprendo le parti che hanno a che fare con la domanda di ricerca a portata di mano; ci sono alcuni tipi di risposte che puoi ottenere solo dalla modellazione multilivello. Tuttavia, ad esempio, per un modello a due livelli in cui i tuoi coefficienti di interesse sono solo al secondo livello, qual è il vantaggio di fare un metodo rispetto all'altro? In questo caso, non sono preoccupato di fare previsioni o estrarre singoli coefficienti per i cluster.
La differenza principale che sono riuscito a trovare è che gli errori standard cluster soffrono quando i cluster hanno dimensioni dei campioni disuguali e che la modellazione multilivello è debole in quanto presuppone una specifica della distribuzione casuale dei coefficienti (mentre l'utilizzo di errori standard cluster è privo di modelli) .
E alla fine, tutto ciò significa che per i modelli che potrebbero usare apparentemente entrambi i metodi, dovremmo ottenere risultati simili in termini di coefficienti ed errori standard?
Qualsiasi risposta o risorsa utile sarebbe molto apprezzata.