Modelos multiníveis para resposta binária são uma ferramenta poderosa para análise de dados binários que tem uma estrutura hierárquica ou de agrupamento. Esta estrutura é caracterizada pela presença de observações individuais (pessoas ou objetos em estudo) que são considerados agrupados em um nível mais alto. Este agrupamento pode ser devido a subamostragem em unidades amostrais primárias. Assim, as unidades de um mesmo nível pertencentes a uma unidade de nível mais alto raramente são independentes. Por este motivo os modelos mutiníveis são apropriados para avaliar dados desta natureza. Eles permitem medir como as variáveis de vários níveis afetam a variável resposta, além de quantificar quanto da variabilidade da resposta se deve a cada nível. Os modelos multiníveis para dados binários assumem que a variável resposta é medida sem erro. O objetivo deste trabalho é apresentar a teoria dos modelos multiníveis de 2 níveis para resposta binária com um enfoque na má classificação bem como os métodos de implementação na análise de grupo-especifíco, isto é, na análise dos modelos mistos lineares generalizados, quando as probabilidades de má classificação são conhecidas. Estes métodos mostram que ignorar erros na resposta conduz a perda substancial de informações sobre os efeitos da covariáveis. Foram realizados estudos de simulações que confirmam estas conclusões. Uma aplicação na área de saúde é também apresentada. Para as análises foi utilizado o programa computacional R