Si tus datos están anidados (alumnos dentro de aulas, pacientes dentro de hospitales, medidas repetidas dentro de personas), una regresión o un ANOVA normal no solo es subóptimo: es incorrecto. Los modelos multinivel (también llamados jerárquicos, mixtos o lineales de efectos mixtos) son la herramienta para esos datos, y aparecen cada vez más en tesis de educación, salud y psicología. Esta guía explica qué son, cuándo los necesitas y cómo se construyen.
El problema: la dependencia de los datos anidados
La estadística clásica asume que las observaciones son independientes. Pero dos alumnos de la misma aula se parecen más entre sí que dos alumnos de aulas distintas (comparten profesor, ambiente, barrio). Esa dependencia viola el supuesto de independencia, y si la ignoras con una regresión normal, los errores estándar salen demasiado pequeños y tu tasa de falsos positivos se dispara: encontrarás efectos "significativos" que no lo son.
El grado de dependencia se mide con el coeficiente de correlación intraclase (ICC): la proporción de varianza que se debe a las diferencias entre grupos. Si el ICC es prácticamente cero, no necesitas multinivel; si es apreciable, sí.
Efectos fijos y efectos aleatorios
La idea central del multinivel es separar lo que es común de lo que varía entre grupos. Un efecto fijo es el promedio general (la pendiente de una variable para toda la muestra). Un efecto aleatorio permite que algo varíe entre grupos: un intercepto aleatorio deja que cada grupo tenga su propio nivel de partida (unas aulas rinden más que otras de base), y una pendiente aleatoria deja que el efecto de un predictor sea distinto en cada grupo (el efecto de las horas de estudio varía de un aula a otra).
Cómo se construye, paso a paso
- Modelo nulo (vacío): sin predictores, solo para calcular el ICC y confirmar que hay variabilidad entre grupos que justifica el multinivel.
- Predictores de nivel 1: las variables del individuo (horas de estudio, edad). Decide si centras las variables (centrado en la media del grupo o en la media general), porque cambia la interpretación.
- Predictores de nivel 2: las variables del grupo (tamaño del aula, tipo de centro).
- Interacciones entre niveles: por ejemplo, si el efecto de las horas de estudio depende del tipo de centro. Aquí es donde el multinivel responde preguntas que ningún otro modelo puede.
Con qué software
En R, los paquetes lme4 (función lmer) y nlme son el estándar. En SPSS, el menú Analizar > Modelos mixtos lineales. Para modelos más complejos (multinivel con variables latentes), Mplus. La salida clave son los componentes de varianza (cuánta queda en cada nivel) y los efectos fijos con sus errores estándar correctos.
Relación con los modelos mixtos y las medidas repetidas
Las medidas repetidas son un caso particular de estructura anidada (las medidas están anidadas dentro de la persona), por eso un modelo mixto suele ser mejor que un ANOVA de medidas repetidas: maneja datos perdidos sin eliminar al sujeto entero y permite estructuras de covarianza flexibles. La comparación detallada está en modelos mixtos vs ANOVA de medidas repetidas.
Tamaño muestral: manda el número de grupos
En multinivel, lo que más limita la potencia no es el número de individuos, sino el número de grupos (clusters). Con pocos grupos, las estimaciones de los efectos aleatorios son inestables. No hay una fórmula simple como en G*Power; se estima por simulación. El cálculo del tamaño muestral en estos modelos es uno de los puntos que conviene cerrar antes de recoger datos.
Errores frecuentes
Analizar datos anidados con regresión normal (y publicar falsos positivos); meter solo intercepto aleatorio cuando la teoría pide pendiente aleatoria; no centrar las variables y luego malinterpretar los coeficientes; tener demasiados pocos grupos para estimar efectos aleatorios; y agregar los datos al nivel de grupo perdiendo toda la variabilidad individual. El recorrido general del análisis está en cómo hacer el análisis de datos de tu tesis.
¿Tus datos están anidados y no sabes cómo modelarlos?
Soy doctor en Psicología y ajusto tus modelos multinivel en R o SPSS (interceptos y pendientes aleatorias, interacciones entre niveles, ICC y componentes de varianza), con la interpretación y el reporte listos para el tribunal o la revista. Diagnóstico inicial gratis.
Ver la consultoría estadística →