JMP Pro 17 中引入了廣義線性混合模型，您可以在其中指定兩個分佈—二項分佈和泊松分佈。
廣義線性混合模型（GLMM）結合了兩種方法：線性混合模型和廣義線性模型框架。 GLMM適用於三種類型的模型結構：
- 隨機完全區組與不完全區組設計
- 裂區試驗
- 隨機係數模型
看看如何：
- 使用泊松回歸對計數資料進行混合效應建模並解釋結果
- 使用二元邏輯迴歸對分組資料進行混合效應建模並解釋結果
- 使用二元邏輯迴歸對個體資料進行混合效應建模，並解釋結果
在網路研討會演示期間，Jian Cao （@jiancao）和 Byron Wingerd （@Byron_JMP）回答了以下問題：
Q：如何評估廣義線性混合模型（GLMM）的效能？
A：以下是全部詳情。
Q：如果不考慮隨機效應，是否必然會導致過度離散的可能性增加？
答：如果考慮隨機效應，則高估或低估的可能性就會降低。
Q：既然存在隨機效應，為什麼我們不總是使用條件預測呢？
答：我們通常需要邊際模型分析器。條件模型分析器則會在不進行單獨分析的情況下，對因子進行更詳細的分析。
Q：MSA平台是否支援GLMM？
答：MSA 建構器產生的資料可以用 GLMM 進行分析，但它不會自動與變異性平台或 MSA 整合。
Q：Y的順序重要嗎？我猜分子就是上面的數字。
A：是的。
Q：重複測量設計是否與混合模型平台中的設計方式相同？
A：如果您指的是混合模型平台而不是 GLMM，請參閱https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-repeated-measures.shtml 。
資源
