不同的混合模型選項在“擬合模型”下，我對如何運行正確的混合模型有點困惑。 一種方法似乎是在“個性”下選擇“混合模型”，然後在不同的選項卡下簡單地添加固定效果和隨機效果。 但是，另一個選項是在“個性”下保留“標準最小二乘”，然後使用“屬性”下的紅色三角形下拉菜單添加變量，然後將這些變量分配為隨機效應。 這不也是混合模式嗎？ 當我用這兩種方法使用相同的數據進行嘗試時，我得到的結果幾乎相同，但 JMP 給出的輸出略有不同。 後者使用 REML 方差分量估計。 這些是相同的分析嗎？
分析回复：不同的混合模型選項謝謝， @P_Bartell .
是的，它是一個混合模型，即隨機效應模型。 但是，如果數據不平衡，結果會略有不同。 首選 JMP Pro 的混合模型。
使用 JMP Pro，您可以通過協方差結構、空間數據或隨機係數模型的選擇，將其他類型的混合模型擬合到重複測量。
回复：不同的混合模型選項謝謝。 抱歉，正在使用 JMP Pro 15。 我確實有一個具體的例子，我正在研究，但我不會在混亂的細節上浪費人們的時間。 我只是在問一個關於未來的一般性問題，並希望這是一個簡單的“是的，它們本質上是相同的；使用任何一個選項”或“不，它們是不同的，這就是為什麼你會選擇一個而不是另一個”。 然而，像大多數事情一樣，聽起來答案比是/否更複雜！ 感謝您的鏈接。 我會看著他們。 我查看了一些 JMP 的混合模型教程和培訓，但沒有發現我提到的問題得到解決。
回复：不同的混合模型選項為擬合混合模型提供“一刀切”的工作流程幾乎是不可能的，因為這在很大程度上取決於：
1. 您使用的是哪種 JMP 產品？ JMP 和 JMP Pro 在這一廣泛的建模方法系列的功能方面存在很大差異。 作為一名前 JMP 高級系統工程師，我對實驗者和建模者的股票推薦是，如果混合建模是您真正依賴的東西，那麼請認真考慮 JMP Pro，因為與 JMP 相比，它具有更廣泛的功能集。
2. 很大程度上取決於具體的實驗設計結構、效果的定義以及您嘗試擬合的模型。 實驗設計結構、效果估計等有多種途徑，它們都會影響 JMP/JMP Pro 工作流程生態系統中的特定選擇。
以上可能沒有太大幫助......但不知道您使用的是哪種產品，更多關於手頭問題的詳細信息，具體的實驗設計等。如果您還沒有一個好的起點，請參閱 JMP 在線文檔wrt 到這裡找到的混合模型：混合模型 JMP 文檔
我還建議查看我的前同事舉辦的 JMP On Demand 網絡研討會@劍草有一些很好的解釋和例子：按需混合建模網絡研討會
