그룹 수준 클러스터링을 무시할 수 있는 시점은 언제인가? 희소 데이터에 대한 다수준 모델 대 단일 수준 모델

목적: 인구 기반 조사에서 수집된 데이터를 사용한 다수준 모델링은 종종 수준-2 단위당 사례 수가 적어 제한되며, 이로 인해 많은 연구자들이 일반 최소자승 회귀와 같은 단일 수준 기법을 사용하게 됩니다. 설계: 몬테카를로 시뮬레이션을 사용하여 두 수준 모델과 단일 수준 모델에서 데이터 희소성이 매개변수 추정의 유효성에 미치는 영향을 조사합니다. 설정: 연속 및 이산 결과에 대한 소규모 그룹 크기의 효과의 잠재적 차이를 검사하기 위해 선형 및 비선형 계층 모델을 시뮬레이션합니다. 결과는 분할 기법(일반 최소자승 및 로지스틱 회귀)을 사용하여 얻은 결과와 비교됩니다. 주요 결과: 데이터 희소성의 극단적 경우(그룹당 두 개 관측치)의 경우, 두 수준 모델에서 그룹 수준 분산 성분이 과대 추정됩니다. 그러나 평균 5개의 관측치만으로도 연속적 또는 이산적 결과를 가진 두 수준 모델을 사용할 때 모든 매개변수의 유효하고 신뢰할 수 있는 추정을 얻을 수 있습니다. 반면, 연구자들은 평균적으로 그룹당 관측치가 두 개에 불과할 때도 단일 수준 모델을 사용할 경우 제 1종 오류의 위험에 처할 수 있습니다. 이산적 결과를 모델링할 때 편향이 더욱 증폭됩니다. 결론: 다수준 모델은 그룹당 평균 5개의 관측치만으로도 신뢰성 있게 추정될 수 있습니다. 분할 기법은 데이터에서 클러스터링이 제한적인 경우에도 제 1종 오류의 위험이 증가합니다.