Anidado versus no anidado puede significar muchas cosas. Tiene diseños anidados versus diseños cruzados (consulte, por ejemplo, esta explicación ). Ha anidado modelos en la comparación de modelos. Anidado significa aquí que todos los términos de un modelo más pequeño ocurren en un modelo más grande. Esta es una condición necesaria para usar la mayoría de las pruebas de comparación de modelos, como las pruebas de razón de probabilidad.
En el contexto de los modelos multinivel, creo que es mejor hablar de factores anidados y no anidados. La diferencia está en cómo los diferentes factores están relacionados entre sí. En un diseño anidado, los niveles de un factor solo tienen sentido dentro de los niveles de otro factor.
Digamos que quieres medir la producción de oxígeno de las hojas. Muestras varias especies de árboles, y en cada árbol muestras algunas hojas en la parte inferior, en el medio y en la parte superior del árbol. Este es un diseño anidado. La diferencia para las hojas en una posición diferente solo tiene sentido dentro de una especie de árbol. Por lo tanto, comparar las hojas inferiores, las intermedias y las superiores sobre todos los árboles no tiene sentido. O dicho de otra manera: la posición de la hoja no debe modelarse como efecto principal.
Los factores no anidados son una combinación de dos factores que no están relacionados. Digamos que estudia pacientes y está interesado en la diferencia de edad y sexo. Por lo tanto, tiene un factor de clase de edad y un factor de género que no están relacionados. Debe modelar la edad y el género como efecto principal, y puede echar un vistazo a la interacción si es necesario.
La diferencia no siempre es tan clara. Si en mi primer ejemplo las especies arbóreas están estrechamente relacionadas en forma y fisiología, podría considerar la posición de la hoja también como un efecto principal válido. En muchos casos, la elección de un diseño anidado versus un diseño no anidado es más una decisión del investigador que un hecho real.