Un log-lineal de la modelo o el modelo que falla el modelo de la dependencia de las respuestas podría subestimar (o sobrestimar) los errores estándar porque no se toman en cuenta las posibles sujetos de nivel de asociación de las respuestas. Por ejemplo, si algunos sujetos tienen la probabilidad de las respuestas de los patrones como (Un,Un,Un,Una) y otros como (C,C,C,C), el tratamiento de las respuestas como independiente es problemático.
Un modelo apropiado sería el modelo logit multinomial con objeto de nivel aleatorio intercepta.
Dependiendo de su colega de modelado de objetivos, otro enfoque podría ser latente clase de regresión, que las estimaciones de la clase de probabilidades y de la clase condicional de las respuestas de las probabilidades para k latente clases. Si usted espera fuerte de la agrupación en clústeres en las respuestas de los sujetos, esto podría ser un buen enfoque porque usted obtener estimaciones de regresión para cada una de las $k$ aproximada de clases, la cual podría tener psicológicas significativas etiquetas. Identificabilidad es un problema aquí, debido al gran número de parámetros. Ver poLCA en R y el PDF de escribir aquí.
drm en R es otro paquete que se supone debe ser capaz de modelo agrupado categórica de las respuestas, pero no lo he probado.
Finalmente, para aplicaciones muy específicas/hipótesis, se podría implementar métodos de remuestreo por remuestreo toda vectores de respuestas-por ejemplo, una prueba de permutación en los odds ratios a través de grupos por permuting etiquetas de grupo sin reemplazo.
