Multilevel Differential Item Functioning Analysis

Các phương pháp DIF tiêu chuẩn giả định rằng tất cả người trả lời đều độc lập. Khi dữ liệu được lồng nhau — học sinh cùng lớp, bệnh nhân cùng bệnh viện — giả định này bị vi phạm: các quan sát từ cùng một cụm có xu hướng giống nhau hơn các quan sát từ các cụm khác nhau. Việc bỏ qua phân cụm làm tăng tỷ lệ lỗi loại I trong phát hiện DIF và có thể gắn cờ các mục là thiên vị khi sự khác biệt rõ ràng thực sự là một hiệu ứng cấp nhóm hoặc cấp cụm. DIF Đa cấp giải quyết vấn đề này bằng cách nhúng mô hình DIF vào một khuôn khổ phân cấp, đồng thời mô hình hóa cả khả năng ở cấp độ cá nhân và ảnh hưởng ở cấp độ cụm, để các so sánh giữa nhóm trọng tâm và nhóm tham chiếu được thực hiện sau khi đã tính toán đúng cấu trúc lồng nhau.