乔普Hox
，丹尼尔McNeish
，丹尼尔McNeish
摘要
多层模型已经成为一种主流的、灵活的聚类数据解释方法。这些模型在分层数据结构的不同层次上具有样本量，其中最高层次的样本量通常与评估分析是否可能存在小样本估计偏差的风险最相关。不幸的是，增加最高水平的样本量也是最困难和最昂贵的。本章从频率论和贝叶斯的角度回顾了多层次回归和多层次结构方程模型中小样本量的方法和补救措施。
