你好，
我最近一直在探索混合模型的使用，而不是更简单的固定效应模型。 我有几个问题，通过阅读文档尚未找到明确的答案。
1. 随机效应的方差分量到底是什么？
假设混合模型为： 混合模型：响应 = 截距 + 固定效应 + 随机效应 + 残差
- 如果我理解正确的话，固定效应是用效应估计、标准误差和 p 值来表示的，而残差是实际数据与使用固定效应的预测值之间剩下的部分。 假设该残差为均值 = 0 的正态分布。 那么，JMP 通过使用 REML 来估计“随机效应”的均值 = 0 的正态分布应该是什么，从而将该残余误差划分为“随机效应”和“残差”，这样说是否正确？ 如果是这样，是否有一种直观的方法可以理解 JMP 如何将方差“量”分配给每个随机效应？
2. 何时将不受控变量指定为“随机”变量，而不是将其排除在模型之外？
例如，在以烤箱/批次作为自变量来测量模具收缩率的实验中，“烤箱”是固定的，就像我一样特别感兴趣的是比较每个烤箱对收缩的影响，而“批次”只是随机变异性的来源 - 我并不真正关心特定批次之间的变异，只关心不同批次贡献了多少总体变异性。 然而，我相信我会得到相同的“烤箱”估计，无论我是否将“批次”作为随机变量，或者只是将其完全从模型中排除。 因此，除非我很好奇哪些不受控制的变量对我的整体变异性产生了影响（如果我有许多随机变量并想要进行细分，则更常见），否则它不会改变模型相对于我的固定值的准确性，这是正确的说法吗？效果包括随机效果还是只是将它们排除在外？
笔记：我确实从 Claassen 的演讲中看到（ https://www.youtube.com/watch?v=P1wjRtgM92I ）包括“批次”作为固定的效应肯定会影响其他固定效应（“烤箱”）的预测能力，因此这样做是不行的。 我想问的是，建立一个以“烤箱”为固定效应、以“批次”为随机效应的模型，而不是以“烤箱”为固定效应而没有其他效应的模型是否重要。
谢谢！
量子波
