線性混合模型各位，
我是統計學新手，這是我第一次使用jmp，但我對spss有一些了解。 我一開始嘗試自己做，但是太難了。 我希望你們中的一些人可以幫助我具有以下內容：
我採集了3個不同地點的土壤樣本（土壤類型和天氣條件完全不同）並測量了pH、EC和C/N。 每個地點都設立了實驗場地。 每個地點包含 2 個植物品種，每個品種有 2 種不同的處理方法。 一種是對照，另一種是額外施肥（氮和磷）。
我想做的是分析治療的效果。 因此，我想使用LMM。
我認為正確的是：位置和多樣性是隨機因素。 但是，我不確定是否應該在模型中包含該品種。 固定因素是“治療”。
而且，我不知道應該如何檢查誤差項的正態性。 你只是把這些因素放在“構建模型效應”中，而沒有因素之間的相互作用？
親切的問候。
回复：線性混合模型那麼，應用Box cox後，結果的分佈應該是正態的，對嗎？ 就我而言，這不是...
我是否可以使用另一種統計測試來分析我的數據？
回复：線性混合模型當然。因此 Box-Cox 建議進行一些最佳變換，以使方差更加同質，殘差更加正態。基本上，它通過一系列冪變換 (y^λ) 評估模型的 SSE，但值 λ = 0 表示自然對數變換。最小化 SSE 的變換是“最佳”變換。然而，曲線的底部通常有點平坦，因此您可以在鄰域內選擇各種變換。 您通常想要選擇一個與有意義的事物相對應的。例如，如果 Best λ = -0.98，我會選擇取反函數，因為 -0.98 非常接近 -1。
這是一個示例：我使用正態誤差生成了一個線性模型，並對所有響應值進行了平方。我應該期望 Box-Cox 告訴我，我需要取平方根才能再次獲得正常數據。這是我實際得到的：
您可以看到“最佳”變換是 0.451，但我知道真正的答案是 0.5，這非常接近。如果我不知道真正的答案，我仍然會選擇0.5。您可以通過單擊“Box-Cox 變換”旁邊的紅色箭頭並選擇“替換為變換”，使用所需的變換重新運行模型。您將看到一個彈出框，要求您輸入所需的值。按“確定”，您將獲得一個帶有轉換後的響應的新擬合模型。
回复：線性混合模型謝謝你！
我嘗試了你的第一個建議，但殘差仍然不是正態分佈的。
關於你的第二個建議，我做了測試，但我真的不明白該怎麼做。 你能啟發我嗎？
回复：線性混合模型你的尾巴有點重，但其實沒那麼嚴重。根據您的舒適程度，您可以證明不採取任何糾正措施是合理的。您的模型可能不會因較重的尾部而產生任何偏差，但您的預測區間可能比應有的要窄一些。
如果你想解決這個問題，我建議暫時將所有事情視為固定效應，這樣你就可以更深入地挖掘。使用所有模型項創建完整的階乘模型，並查看殘差以查看它們是否更正常。如果它們看起來不錯，請查看是否有任何附加模型項很重要。如果是，您可以將它們合併到您的混合模型中並重新運行。
只要數據點全部為正，您還可以在擬合模型中嘗試 Box-Cox 分析，同時將所有效應視為固定（不適用於混合模型）。由於你的反應是 pH 值，我猜這不會有問題。這將推荐一種能夠最好地“標準化”殘差的冪變換。
回复：線性混合模型有215個樣本。
回复：線性混合模型您的總數據集有多大？發布正常的分位數圖，我可以從那里為您提供幫助。
回复：線性混合模型你好！
非常感謝您的回答！
我嘗試了你所說的，但條件殘差不服從正態分佈。 我嘗試用 log(y) 進行轉換，但沒有成功。 您對此還有其他建議嗎？ 而且，為了獲得條件殘差，不需要應用“全階乘”，對嗎？
親切的問候
回复：線性混合模型你好@阿什亞,
歡迎來到社區！
我同意該位置可能是隨機效應的良好候選者，但我認為植物品種將隨著治療而固定。將品種視為隨機不一定是錯誤的，但這似乎有點奇怪，除非您測試的品種被選為您想要將結果推廣到的所有品種的代表性樣本。除處理之外的其他固定效應不會削弱您比較不同植物品種的處理效果的能力。
如果您有 JMP Pro，則可以在“擬合模型”平台中通過多種方式擬合適當的模型。如果您有 Pro，則 Fit Model 中的混合模型個性是更好的選擇。如果您只有基礎 JMP，您可以這樣指定您的模型：
再說一次，如果你真的願意的話，你可以將多樣性視為隨機的。我絕對不會排除它，因為如果它確實解釋了很多方差，排除該術語將導致由多樣性解釋的所有方差進入殘餘噪聲，並且您對治療效果的測試將不那麼有效。
就檢查假設而言，您需要基於條件殘差而不是常規（“邊際”）殘差來執行此操作，因為邊際殘差不考慮隨機效應，並且可能導致診斷圖看起來不符合假設。要在不使用 JMP Pro 的情況下獲取條件殘差，請轉至報告窗口中的紅色箭頭 > 保存 > 保存條件殘差。然後，您需要在分佈中繪製它們，以在將正態分佈擬合到條件殘差後，使用正態分位數圖或夏皮羅-威爾克檢驗來檢查正態性。
您可以類似地在運行圖上繪製條件殘差以檢查獨立性。如果您想創建殘差與預測圖，您還需要保存條件預測值，然後在圖形生成器等工具中構建該圖。
如果您有 JMP Pro，您可以在具有混合模型特性的擬合模型報告中獲得所有條件殘差圖，這非常好。
