Параметричні моделі
Параметричні моделі є найбільш часто використовуваними статистичними моделями. Що стосується полупараметрических і непараметричних моделей, сер Девід Кокс сказав: «Як правило, вони містять менше припущень про структуру і форми розподілу, але зазвичай містять сильні припущення про незалежність». Як і всі інші згадані моделі, також часто використовуються в статистичному методі математичного моделювання.
Багаторівневі моделі
Багаторівневі моделі (так само відомі, як ієрархічні лінійні моделі, моделі з вкладеними даними, змішані моделі, випадкові коефіцієнти, моделі з випадковими ефектами, моделі з випадковими параметрами або моделі з поділом на ділянки) є статистичними моделями параметрів, які варіюються на більш ніж одному рівні. Прикладом може служити модель успішності учнів, яка містить показники для окремих учнів, а також показники для класних кімнат, в які згруповані студенти. Ці моделі можна розглядати як узагальнення лінійних моделей (зокрема, лінійної регресії), хоча вони також можуть поширюватися на нелінійні моделі. Ці моделі стали набагато популярнішими після того, як стали доступні достатні обчислювальні потужності і програмне забезпечення.
Багаторівневі моделі особливо підходять для дослідницьких проектів, де дані для учасників організовані на більш ніж одному рівні (тобто, вкладені дані). Одиницями аналізу звичайно є окремі особи (на більш низькому рівні), які вкладені в контекстні / сукупні одиниці (на більш високому рівні). У той час як найнижчий рівень даних в багаторівневих моделях, як правило, індивідуальний, повторні вимірювання окремих осіб також можуть бути розглянуті. Таким чином, багаторівневі моделі надають альтернативний тип аналізу для одновимірного чи багатовимірного аналізу повторних вимірювань. Індивідуальні відмінності в кривих зростання можуть бути розглянуті. Крім того, багаторівневі моделі можуть використовуватися в якості альтернативи ANCOVA, де бали за залежної змінної коригуються для ковариат (наприклад, індивідуальних відмінностей) перед тестуванням відмінностей у лікуванні. Багаторівневі моделі здатні аналізувати ці експерименти без припущення про однорідність нахилів регресії, що потрібно ANCOVA.
Багаторівневі моделі можна використовувати для даних з багатьма рівнями, хоча дворівневі моделі є найбільш поширеними, і решта цієї статті присвячена тільки цим. Залежна змінна повинна бути досліджена на найнижчому рівні аналізу.
