變數與殘差混淆你好，
我正在嘗試使用混合模型分析實驗室間研究的數據，它是一個包含 5 個變數的嵌套設計，因變數是效價，我的分析結構如下
固定效應
樣本（30 個）
隨機效應
樣品*實驗室（3級）
範例*天（3 個等級）
樣品*運轉（2 個等級）
複製[樣本、實驗室、日、運行]（複製有 2 個級別）
樣品*實驗室*天
我收到錯誤訊息Replicate[Sample,Lab,Day,Run] 與殘差混淆，這是我第一次遇到此訊息，我不確定它告訴我什麼，以前有人遇到過此問題以及他們是如何克服的它？？
謝謝
米克
進階統計建模品質和工藝工程回覆：變數與殘差混淆不。
是的，重複項是相關的，但相關性是由模型中的其他項來解釋的。 我不會在模型中明確包含複製。 它隱式地包含為殘差變異數。 通常的線性迴歸模型的假設是殘差變異數與反應水準無關。 請務必仔細執行殘差分析以驗證此假設和其他假設。
換句話說，您定義的結構（包括嵌套）是正確的，但沒有必要在模型中包含最低層級的結構。
回覆：變數與殘差混淆您定義和使用的範例對回應有固定的影響。
再次，包括解決主要問題的主要影響。 如果您懷疑其他因素的影響從一個樣本到另一個樣本發生變化，您可以包含交叉項來估計和測試互動效應。 這是一個合理的期望嗎？ 有先例嗎？ 還是可以先驗地排除？
回覆：變數與殘差混淆我可能誇大了數據中的級別數量，如果我希望包括最低級別的數據，複製這些數據將是相關的，並且對於運行也可以這樣說，因此對於一天來說不是這樣
樣本
實驗室
天
運行[實驗室，白天]
複製[實驗室、日間、運作]
因此，樣本、實驗室和日作為主要效果是有意義的，並且由於複製和運行中的聚類，它們需要指定為嵌套？
這聽起來正確嗎？
回覆：變數與殘差混淆感謝你的協助@馬克貝利，它非常感謝，它很有趣，我想這取決於我想要回答的研究問題，“每天的平均偏差如何取決於樣本”就是其中之一，因為樣本是從一個來源發送的，所以方差應該都是相同的（愚蠢的想法？）
資料結構是根據附加的 Excel 文件，X 3 個實驗室，因此混合模型估計每個層級所解釋的變異百分比的正確語法應該如下所示，全部為隨機效應
實驗室
日[實驗室]
運行[白天，實驗室]
如果我想包含樣本以查看樣本 l 解釋的變異百分比，則將樣本作為隨機效應包含在內，將其作為固定效應刪除，語法將如下所示，全部作為隨機效應
樣本
實驗室
日[實驗室]
運行[白天，實驗室]
由於樣本不適合資料結構，這只是主要效果以及實驗室？？？
我直觀地感覺這是正確的，但任何建議將不勝感激。
非常感謝
回覆：變數與殘差混淆每個水準與平均值的偏差是簡單主效應樣本、實驗室、日和運行。 不是與 Sample 的叉積。 交互作用項描述了一個變項的影響如何取決於另一個因素的水準。 因此，「日」項表示每天的平均偏差，而「樣本*日」項表示每天的平均偏差如何取決於樣本。
例如，像「Day Run」這樣的層級巢狀可能會阻止您估計互動效果。
回覆：變數與殘差混淆我將樣本*實驗室、樣本*日和運行[樣本，實驗室，日]的相互作用解釋為實驗室、日和運行的主要影響，因此對於實驗室，通過包括隨機斜率和截距我想看到每個實驗室與樣本平均效果的偏差，我將其解釋為我的主要效果。
回覆：變數與殘差混淆好的，明白了
回覆：變數與殘差混淆您是否還包括實驗室、跑步和日間的主要隨機效應？
回覆：變數與殘差混淆殘差自動是最低的隨機效應。 如果每個觀察的殘差實際上與隨機效應的重複程度相同，那麼它們就會被混淆。 將複製品排除在模型之外。 殘差估計是重複估計。
回覆：變數與殘差混淆我想我會回覆我自己的帖子，我想我的事情過於複雜，我已經用簡化的模型重試了
樣本固定效應
樣品*實驗室和隨機實驗室方差
運行[樣本、實驗室、日期] 和隨機運行方差
樣本*實驗室*日間和隨機實驗室與白天的互動
樣品*日&隨機日間方差
R2 很棒，沒有收斂問題，沒有混淆，並且很容易解釋。
任何意見將不勝感激
