不同的混合型號選擇在“擬合模型”下，我對如何運行適當的混合模型感到感到困惑。 一種方法似乎是在“個性”下選擇“混合模型”，然後在不同選項卡下簡單地添加固定效應和隨機效應。 但是，另一種選擇是將“標準最小二乘法”保留在“個性”下，然後添加變量，然後使用“屬性”下的紅色三角形下拉列表將這些變量指定為隨機效應。 這不也是混合模型嗎？ 當我用這兩種方式嘗試使用相同的數據時，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 變異數分量估計。 這些是相同的分析嗎？
進階統計建模回覆：不同的混合模型選項謝謝， @P_巴特爾。
是的，這是一個混合模型，隨機效應模型。 但是，如果資料不平衡，結果會略有不同。 JMP Pro 的混合模型是首選。
透過 JMP Pro，您可以選擇協方差結構、空間資料或隨機係數模型，將其他類型的混合模型擬合到重複測量。
回覆：不同的混合模型選項謝謝。 抱歉，正在使用 JMP Pro 15。 我確實有一個正在研究的具體示例，但我不會在混亂的細節上浪費人們的時間。 我只是問一個關於未來的一般問題，並希望這是一個簡單的“是的，它們本質上是相同的；使用任一選項”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，就像大多數事情一樣，聽起來答案比是/否更複雜！ 感謝您的連結。 我會看著他們。 我查看了 JMP 的一些混合模型教學和培訓，但沒有找到我提到的解決問題。
回覆：不同的混合模型選項幾乎不可能提供「一刀切」的工作流程來擬合混合模型，因為很大程度上取決於：
1. 您使用哪一種 JMP 產品？ 在這一廣泛的建模方法系列的功能方面，JMP 和 JMP Pro 之間存在很大差異。 作為前JMP 高級系統工程師，我對實驗者和建模者的一貫建議是，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。
2. 這在很大程度上取決於具體的實驗設計結構、效應的定義以及您試圖擬合的模型。 實驗設計結構、效果估計等有多種途徑，這些途徑都會影響 JMP/JMP Pro 工作流程生態系中的具體選擇。
上面的內容可能沒有多大幫助...但在不知道您正在使用哪種產品的情況下，更多關於當前問題的詳細信息、具體的實驗設計等。如果您還沒有一個好的起點，可以使用JMP 線上文件關於此處找到的混合模型：混合模型 JMP 文檔
我還建議您觀看我的前同事舉辦的 JMP On Demand 網路研討會@jiancao有一些很好的解釋和例子：點播混合建模網路研討會
