報告中隨機效應 p 值的含義你好，
跟進上一個線程（ https://community.jmp.com/t5/Discussions/MANOVA-repeated-measures-two-factors-multiple-comparisons/mp/54194 )，我已經對 20 個主題進行了實驗（缺少 #6 的數據 - 總共 19 個樣本）。 我們有 5 個採樣時間。 有些患者出現並發症，有些患者沒有。 我們將數據按中值歸一化，我正在使用對數轉換的歸一化數據使其更加高斯。 我準備了一個混合模型，以隨機效應評估患者的影響，並將採樣時間和並發症評估為固定效應。 見附件數據。
運行模型時，有時患者[並發症]（即嵌套在並發症中的患者）隨機效應在“隨機效應協方差參數估計”中的 p 值低於 0.05……這是什麼意思？隨機效應變量不可能顯著，因為我將其定義為隨機的，或者我有什麼問題（概念上）？
謝謝，
烏列爾。
回复：報告中隨機效應p值的含義這種區別是一個常見的混淆點。
線性模型包含兩種效應：固定效應和隨機效應。 固定效應有助於響應均值。 它們歸因於不斷變化的因素/預測水平。 它們是可重現的。隨機效應有助於響應方差。 至少，隨機誤差是隨機效應。 在其他情況下，還有其他來源（例如，主題、天數等）。它們不是歸因於特定因素/預測變量，而是歸因於一組或一組觀察結果。 它們是不可重現的（例如，新的日子、新的主題等）。 一般來說，隨機貢獻相對於平均值來說很小，我們只是想解釋它，而不是解釋它或指定原因。
隨機效應（通常）被建模為均值為 0 的正態分佈。 他們不偏向響應均值。
回复：報告中隨機效應p值的含義那麼根據定義，這不是意味著它不是隨機的嗎？或者更確切地說，它是一個偏差（即截距的偏移）而不是零和方差？回复：報告中隨機效應p值的含義當然，隨機效應可能是顯著的。 該結論意味著此效應所代表的方差（隨機效應是方差）與零顯著不同（此效應沒有方差）。
