นี่คือตัวอย่างที่โมเดลหลายระดับอาจ "สำคัญ" สมมติว่าคุณต้องการให้คะแนน "คุณภาพ" ของการศึกษาที่จัดทำโดยชุดของโรงเรียนโดยใช้คะแนนการทดสอบของนักเรียน วิธีหนึ่งในการกำหนดคุณภาพของโรงเรียนคือในแง่ของประสิทธิภาพการทดสอบโดยเฉลี่ยหลังจากพิจารณาคุณสมบัติของนักเรียนแล้ว คุณสามารถกำหนดแนวคิดนี้เป็น
ที่เป็นคะแนนการทดสอบอย่างต่อเนื่องสำหรับนักเรียนในโรงเรียน ,คือ คุณลักษณะของนักเรียนที่มีศูนย์กลางที่โรงเรียนหมายความว่าเป็นค่าสัมประสิทธิ์เฉพาะของโรงเรียนสำหรับคุณลักษณะเหล่านี้เป็น "ผลกระทบโรงเรียน" ที่วัดคุณภาพของโรงเรียนและy ฉันsฉันs X ฉันs β s α s ϵ ฉันs α s
yis=αs+X′isβs+ϵis,
yisisXisβsαsϵisเป็นสำนวนระดับนักเรียนในการทำแบบทดสอบ ความสนใจที่นี่มุ่งเน้นไปที่การประเมิน 's ซึ่งวัด "มูลค่าเพิ่ม" ที่โรงเรียนมอบให้กับนักเรียนเมื่อคุณสมบัติของพวกเขาถูกนำมาใช้ คุณต้องการคำนึงถึงคุณลักษณะของนักเรียนเพราะคุณไม่ต้องการลงโทษโรงเรียนที่ดีที่ต้องจัดการกับนักเรียนด้วยข้อเสียบางประการดังนั้นการกดคะแนนการทดสอบโดยเฉลี่ยจึงดูถูก "มูลค่าเพิ่ม" ที่โรงเรียนให้กับนักเรียน
αs
ด้วยโมเดลในมือปัญหานี้จะกลายเป็นหนึ่งในการประเมิน หากคุณมีโรงเรียนจำนวนมากและมีข้อมูลจำนวนมากสำหรับแต่ละโรงเรียนคุณสมบัติที่ดีของ OLS (ดู Angrist และ Pischke อันตรายที่สุด ...สำหรับการตรวจสอบในปัจจุบัน) แนะนำว่าคุณต้องการใช้สิ่งนั้นด้วยการปรับข้อผิดพลาดมาตรฐานที่เหมาะสมเพื่ออธิบายการอ้างอิงและการใช้ตัวแปรจำลองและการโต้ตอบเพื่อให้ได้ผลในระดับโรงเรียนและการสกัดกั้นเฉพาะของโรงเรียน OLS อาจไม่มีประสิทธิภาพ แต่ก็โปร่งใสว่ามันอาจจะง่ายต่อการโน้มน้าวใจผู้ฟังที่สงสัยถ้าคุณใช้สิ่งนั้น แต่ถ้าข้อมูลของคุณกระจัดกระจายในบางวิธีโดยเฉพาะอย่างยิ่งถ้าคุณมีข้อสังเกตเล็กน้อยสำหรับบางโรงเรียน --- คุณอาจต้องการกำหนด "โครงสร้าง" เพิ่มเติมเกี่ยวกับปัญหา คุณอาจต้องการ "ยืมกำลัง" จากโรงเรียนตัวอย่างขนาดใหญ่เพื่อปรับปรุงการประมาณการที่มีเสียงดังซึ่งคุณจะได้รับในโรงเรียนตัวอย่างขนาดเล็กหากการประเมินเสร็จสิ้นโดยไม่มีโครงสร้าง จากนั้นคุณอาจเปลี่ยนเป็นแบบจำลองเอฟเฟกต์แบบสุ่มที่ประเมินผ่านทาง FGLS
ในตัวอย่างนี้การใช้โมเดลหลายระดับ (อย่างไรก็ตามเราตัดสินใจที่จะปรับให้เหมาะกับมันในที่สุด) ได้รับแรงบันดาลใจจากความสนใจโดยตรงในการสกัดกั้นระดับโรงเรียน แน่นอนในสถานการณ์อื่น ๆ พารามิเตอร์ระดับกลุ่มเหล่านี้อาจไม่มีอะไรน่ารำคาญไปกว่านี้อีกแล้ว ไม่ว่าคุณจะต้องปรับให้เข้ากับพวกเขาหรือไม่ (และยังคงใช้งานได้กับโมเดลหลายระดับบางประเภท) หรือไม่นั้นขึ้นอยู่กับว่าข้อสมมติฐานที่มีเงื่อนไขบางอย่างมีอยู่หรือไม่ ในที่นี้ฉันจะแนะนำให้คำปรึกษาวรรณคดีเศรษฐมิติในวิธีการข้อมูลแผง; ข้อมูลเชิงลึกส่วนใหญ่จากที่นั่นนำไปสู่บริบทข้อมูลทั่วไปที่จัดกลุ่ม