在具有 1 个连续变量和 1 个分类（2 个水平）变量以及两个随机效应的线性混合效应模型中，我如何不仅测试斜率之间的差异，而且还测试斜率与零（显着）不同。
在下面的参数估计输出中，我看到组织类型 [MSC] 和 lnSe 之间存在显着的相互作用。 这意味着 MSC 的斜率与基线值不同。 但是，MSC 的实际斜率是否与零不同？ 如何在混合模型中进行测试？ 显然我可以运行一个简单的回归，但我想控制混合模型中的随机效应。
我正在使用 JMP13，Fit 模型平台。
谢谢！
你好@arstewar ,
有几种方法可以解决这个问题，但我认为最直接的方法是使用指标变量参数测试。 在顶部 Red Triangle > Estimates > Indicator Parameterization Estimates 下选择以显示该表。 下面的示例使用具有性别、身高和性别 * 身高的 Big Class 作为模型效果，预测体重。 不是随机效应模型，但同样的逻辑适用并且可以针对这个特定的测试进行扩展。
原始参数估计表显示了关于总均值的参数效应和检验，这是我们名义项的“效应编码”的结果。 这也意味着，当涉及连续回归时，斜率（在这种情况下为身高）是男性和女性体重对身高的平均斜率，要找到男性或女性的斜率，您可以减去或添加交互系数。 例如，要使用原始参数估计表找到男性的斜率，我们采用报告的身高斜率，然后减去交互系数（这是男性平均斜率的偏移或影响）：4.0876 - 0.6869 = 3.4007。
现在让我们看一下指标函数表。 这里报告的身高系数不会是男女之间的平均值；相反，它将是您的分类因子的一个级别的斜率。 在这种情况下，它将是男性，因为 M 在 F 之后，除非我们设置按字母顺序排列的值，否则将最后一级用作“控制”。因此，我们应该期望在指标函数参数化表中找到我们刚刚计算的相同值作为高度系数，并且确实报告了 3.400653。
现在，关于测试的问题。 此处报告的 p 值是针对零值 0 对任一表中的系数进行测试。 因此，如果我们对男性的斜率是否等于 0 感兴趣，我们可以简单地查看指标函数参数化表中的高度行。 在这种情况下，我们拒绝空值，t=4.22，p = 0.0002。 如果我们对测试女性的斜率感兴趣，则需要更改 Column Info 中列的值排序，然后重新运行分析。 本质上，这就是我在社区中的加载项用于在单向 ancova-like 模型中测试简单的斜率。 模型中存在随机效应这一事实并不会改变该检验的任何内容，因为 JMP 足够聪明，知道如何在所有情况下计算这些系数的标准误差。
我希望这有帮助！
@朱利安
