你好，
我最近一直在探索混合模型的使用，而不是更簡單的固定效應模型。 我有幾個問題，透過閱讀文件尚未找到明確的答案。
1. 隨機效應的變異數分量到底是什麼？
假設混合模型為： 混合模型：反應 = 截距 + 固定效應 + 隨機效應 + 殘差
- 如果我理解正確的話，固定效應是用效應估計、標準誤差和 p 值來表示的，而殘差是實際數據與使用固定效應的預測值之間剩下的部分。 假設該殘差為平均值 = 0 的常態分佈。 那麼，JMP 透過使用 REML 來估計「隨機效應」的平均值 = 0 的常態分佈應該是什麼，從而在「隨機效應」和「殘差」之間劃分此殘餘誤差，這樣說是否正確？ 如果是這樣，是否有一種直觀的方法可以理解 JMP 如何將變異數「量」分配給每個隨機效應？
2. 何時將不受控變數指定為「隨機」變量，而不是將其排除在模型之外？
例如，在以烤箱/批次作為自變量來測量模具收縮率的實驗中，「烤箱」是固定的，就像我一樣特別感興趣的是比較每個烤箱對收縮的影響，而“批次”只是隨機變異性的來源- 我並不真正關心特定批次之間的變異，只關心不同批次貢獻了多少總體變異性。 然而，我相信我會得到相同的“烤箱”估計，無論我是否將“批次”作為隨機變量，或者只是將其完全從模型中排除。 因此，這樣說是否正確，除非我很好奇哪些不受控制的變數對我的整體變異性產生了影響（如果我有許多隨機變數並想要進行細分，則更常見），否則它不會改變模型相對於我的固定變數的準確度效果包括隨機效果還是只是將它們排除在外？
筆記：我確實從 Claassen 的演講中看到（ https://www.youtube.com/watch?v=P1wjRtgM92I ）包括“批次”作為固定的效應肯定會影響其他固定效應（「烤箱」）的預測能力，因此這樣做是不行的。 我問的是，擁有一個以“烤箱”作為固定效果、“批量”作為隨機效果的模型，而不是“烤箱”作為固定效果而沒有其他效果是否重要。
謝謝！
量子波
