Я проглянув кілька книг (Рауденбуш і Брик, Сніджерс і Боскер, Гельман і Хілл та ін.) Та кілька статей (Гельман, Юсько, Примо та Якобсмієр тощо), і я все ще не дуже обертав голову основні відмінності між використанням кластеризованих стандартних помилок віршів багаторівневого моделювання.
Я розумію частини, які стосуються дослідницького питання; є певні типи відповідей, які можна отримати лише при багаторівневому моделюванні. Однак, наприклад, для дворівневої моделі, де ваші коефіцієнти інтересу знаходяться лише на другому рівні, яка перевага використання одного методу над іншим? У цьому випадку я не переживаю робити прогнози або витягувати окремі коефіцієнти для кластерів.
Основна відмінність, яку я зміг знайти, полягає в тому, що кластерні стандартні помилки страждають, коли кластери мають неоднакові розміри вибірки, і що багаторівневе моделювання є слабким, оскільки воно передбачає специфікацію розподілу випадкових коефіцієнтів (тоді як використання кластеризованих стандартних помилок не моделює) .
Зрештою, чи все це означає, що для моделей, які могли ніби використовувати будь-який метод, ми повинні отримувати подібні результати за коефіцієнтами та стандартними помилками?
Будемо дуже вдячні за будь-які відповіді чи корисні ресурси.