解释混合模型结果时的心态你好，
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
高级统计建模基础数据分析和建模数据探索和可视化回复：解释混合模型结果时的心态有人想吗？
回复：解释混合模型结果时的心态你好@QW ：我确信您已经对这里产生了很多兴趣……但是，还有很多东西需要解开。 我先开始吧。
没有特定的顺序。
1. 您：“JMP 将残余误差划分为‘随机效应’和‘残差’，这种说法正确吗？”
不。如果使用问题第二部分中的示例，如果您比较固定模型（烤箱和批次固定）的残差与混合模型的残差（批次是随机的，烤箱是固定的）。 您会注意到它们是相同的（或几乎相同，这取决于每批中的重复次数和/或不同的估计程序是否缺乏平衡）。
2. 你：“这样说是否正确，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的准确性我的固定效应包括随机效应还是只是将它们排除在外？”。
也许：正如你所说，烤箱“估计”将大致相同。但该估计的精度（标准误差）可能会非常不同......特别是，如果批次之间的变异性非常高。 这会影响样本量；例如，如果批次之间的变异性是变异性的主要来源，那么与精度相关的样本大小就是批次数。 如果批次之间的变异性可以忽略不计，那么“重要”的样本量就是每批次内的样本数（或总样本量）。 在后一种情况下，该估计的精度与仅排除随机效应大致相同。
正如我所说，这里有很多东西需要解压……对于这样一个论坛来说可能太多了。但是，现在我们有一个开始！
回复：解释混合模型结果时的心态谢谢！
