JMP Pro 17 中引入了广义线性混合模型，您可以在其中指定两个分布——二项分布和泊松分布。
广义线性混合模型（GLMM）结合了两种方法：线性混合模型和广义线性模型框架。GLMM适用于三种类型的模型结构：
- 随机完全区组和不完全区组设计
- 裂区试验
- 随机系数模型
看看如何：
- 使用泊松回归对计数数据进行混合效应建模并解释结果
- 使用二元逻辑回归对分组数据进行混合效应建模并解释结果
- 使用二元逻辑回归对个体数据进行混合效应建模，并解释结果
在网络研讨会演示期间，Jian Cao （@jiancao）和 Byron Wingerd （@Byron_JMP）回答了以下问题：
问：如何评估广义线性混合模型（GLMM）的性能？
A：以下是全部详情。
问：如果不考虑随机效应，是否必然会导致过度离散的可能性增加？
答：如果考虑随机效应，则高估或低估的可能性就会降低。
问：既然存在随机效应，为什么我们不总是使用条件预测呢？
答：我们通常需要边际模型分析器。条件模型分析器则会在不进行单独分析的情况下，对某些因素进行更详细的分析。
问：MSA平台是否支持GLMM？
答：MSA 构建器生成的数据可以用 GLMM 进行分析，但它不会自动与变异性平台或 MSA 集成。
问：Y的顺序重要吗？我猜分子是上面的数字。
A：是的。
问：重复测量设计是否与混合模型平台中的设计方式相同？
A：如果您指的是混合模型平台而不是 GLMM，请参阅https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-repeated-measures.shtml 。
资源
