He desnatada a través de varios libros (Raudenbush & Bryk, Snijders Y Bosker, Gelman & Hill, etc.) y varios artículos (Gelman, Jusko, Primo & Jacobsmeier, etc.), y yo todavía no he envuelto mi cabeza alrededor de las principales diferencias entre el uso agrupado los errores estándar versos modelos multinivel.
Entiendo que una de las partes que tienen que ver con la pregunta de investigación a la mano; hay ciertos tipos de respuestas que sólo se puede obtener a partir de los modelos multinivel. Sin embargo, por ejemplo, para un modelo de nivel donde sus coeficientes son de interés sólo en el segundo nivel, ¿cuál es la ventaja de hacer un método sobre el otro? En este caso, no estoy preocupado acerca de la realización de predicciones o la extracción individual de los coeficientes para los clústeres.
La principal diferencia que he podido encontrar es que se agruparon los errores estándar sufren cuando los grupos tienen distintos tamaños de muestra y que los modelos multinivel es débil en la que se supone una especificación de las aleatoria coeficiente de distribución (mientras que el uso agrupado los errores estándar es el modelo de libre).
Y al final, ¿ todo esto significa que para los modelos que aparentemente podría utilizar cualquiera de los métodos, se deben obtener resultados similares en términos de los coeficientes y errores estándar?
Las respuestas o recursos de ayuda sería muy apreciada.
