クラスタ化された標準エラーとマルチレベルモデリング

私はいくつかの本（Raudenbush＆Bryk、Snijders＆Bosker、Gelman＆Hillなど）といくつかの記事（Gelman、Jusko、Primo＆Jacobsmeierなど）をざっと読みましたが、まだ頭をかき回していませんクラスター化された標準エラーの使用とマルチレベルモデリングの主な違い。

私は手元にある研究の質問に関係する部分を理解しています。マルチレベルモデリングからしか得られない特定のタイプの回答があります。ただし、たとえば、関心のある係数が2番目のレベルにのみある2レベルモデルの場合、1つの方法を他の方法よりも行う利点は何ですか？この場合、クラスターの予測や個々の係数の抽出について心配する必要はありません。

私が見つけた主な違いは、クラスターのサンプルサイズが等しくない場合にクラスター化された標準誤差が発生し、ランダム係数分布の仕様を前提とするマルチレベルモデリングが弱いことです（クラスター化された標準誤差の使用はモデルフリーです） 。

そして最終的に、これはすべて、表面上どちらかの方法を使用できるモデルについて、係数と標準誤差の点で同様の結果を得る必要があることを意味しますか？

回答や役立つ資料をいただければ幸いです。

この投稿は、私のデータに固有の個人的な経験に基づいているため、回答として適格かどうかわかりません。

可能な場合はシミュレーションを使用して、データに最適な方法を評価することをお勧めします。私はこれを行い、マルチレベルモデリングに基づくテスト（第1レベルのパラメーターに関する）が他の方法（パワーに関して）よりも優れている一方で、サイズが不均一な「クラスター」が少ない小さなサンプルでもサイズを維持していることに驚いていました。私はその点を指摘する論文をまだ見つけていません、そして、私がこれを見る方法から、これは本当にニッチなトピックではなく、より注目に値します。私は、さまざまな方法が有限サンプルまたは少数/不均一なクラスターに対してどのように比較するかについて、かなり研究されていないと思います。