在具有 1 個連續變量和 1 個分類（2 個水平）變量以及兩個隨機效應的線性混合效應模型中，我如何不僅測試斜率之間的差異，而且還測試斜率與零（顯著）不同。
在下面的參數估計輸出中，我看到組織類型 [MSC] 和 lnSe 之間存在顯著的相互作用。 這意味著 MSC 的斜率與基線值不同。 但是，MSC 的實際斜率是否與零不同？ 如何在混合模型中進行測試？ 顯然我可以運行一個簡單的回歸，但我想控制混合模型中的隨機效應。
我正在使用 JMP13，Fit 模型平台。
謝謝！
你好@arstewar ,
有幾種方法可以解決這個問題，但我認為最直接的方法是使用指標變量參數測試。 在頂部 Red Triangle > Estimates > Indicator Parameterization Estimates 下選擇以顯示該表。 下面的示例使用具有性別、身高和性別 * 身高的 Big Class 作為模型效果，預測體重。 不是隨機效應模型，但同樣的邏輯適用並且可以針對這個特定的測試進行擴展。
原始參數估計表顯示了關於總平均值的參數效應和檢驗，這是我們名義項的“效應編碼”的結果。 這也意味著，當涉及連續回歸時，斜率（在這種情況下是身高）是男性和女性體重對身高的平均斜率，要找到男性或女性的斜率，您可以減去或添加交互係數。 例如，要使用原始參數估計表找到男性的斜率，我們採用報告的身高斜率，然後減去交互係數（這是男性平均斜率的偏移或影響）：4.0876 - 0.6869 = 3.4007。
現在讓我們看一下指標函數表。 這里報告的身高係數不會是男女之間的平均值；相反，它將是您的分類因子的一個級別的斜率。 在這種情況下，它將是男性，因為 M 在 F 之後，除非我們設置按字母順序排列的值，否則將最後一級用作“控制”。因此，我們應該期望在指標函數參數化表中找到我們剛剛計算的相同值作為高度係數，並且確實報告了 3.400653。
現在，關於測試的問題。 此處報告的 p 值是針對零值 0 對任一表中的係數進行測試。 因此，如果我們對男性的斜率是否等於 0 感興趣，我們可以簡單地查看指標函數參數化表中的高度行。 在這種情況下，我們拒絕空值，t=4.22，p = 0.0002。 如果我們對測試女性的斜率感興趣，則需要更改 Column Info 中列的值排序，然後重新運行分析。 本質上，這就是我在社區中的加載項用於在單向 ancova-like 模型中測試簡單的斜率。 模型中存在隨機效應的事實並沒有改變與此檢驗相關的任何內容，因為 JMP 足夠聰明，知道如何在所有情況下計算這些係數的標準誤差。
我希望這有幫助！
@朱利安
