报告中随机效应 p 值的含义你好，
跟进上一个线程（ https://community.jmp.com/t5/Discussions/MANOVA-repeated-measures-two-factors-multiple-comparisons/mp/54194 )，我已经对 20 个主题进行了实验（缺少 #6 的数据 - 总共 19 个样本）。 我们有 5 个采样时间。 有些患者出现并发症，有些患者没有。 我们将数据按中值归一化，我正在使用对数转换的归一化数据使其更加高斯。 我准备了一个混合模型，以随机效应评估患者的影响，并将采样时间和并发症评估为固定效应。 见附件数据。
运行模型时，有时患者[并发症]（即嵌套在并发症中的患者）随机效应在“随机效应协方差参数估计”中的 p 值低于 0.05……这是什么意思？随机效应变量不可能显着，因为我将其定义为随机的，或者我有什么问题（概念上）？
谢谢，
乌列尔。
回复：报告中随机效应p值的含义这种区别是一个常见的混淆点。
线性模型包含两种效应：固定效应和随机效应。 固定效应有助于响应均值。 它们归因于不断变化的因素/预测水平。 它们是可重现的。随机效应有助于响应方差。 至少，随机误差是随机效应。 在其他情况下，还有其他来源（例如，主题、天数等）。它们不是归因于特定因素/预测变量，而是归因于一组或一组观察结果。 它们是不可重现的（例如，新的日子、新的主题等）。 一般来说，随机贡献相对于平均值来说很小，我们只是想解释它，而不是解释它或指定原因。
随机效应（通常）被建模为均值为 0 的正态分布。 他们不偏向响应均值。
回复：报告中随机效应p值的含义那么根据定义，这不是意味着它不是随机的吗？或者更确切地说，它是一个偏差（即截距的偏移）而不是零和方差？回复：报告中随机效应p值的含义当然，随机效应可能是显着的。 该结论意味着此效应所代表的方差（随机效应是方差）与零显着不同（此效应没有方差）。
