本次技术演示由JMP统计开发人员、 JMP混合模型软件合著者Elizabeth Claassen主讲。演示中使用了书中的数据，您可以下载并使用这些数据。视频时长超过90分钟，期间穿插了问答环节。
混合模型是处理实验设计中相关观测值的最有效方法之一。它们通常还有其他名称，包括区组模型、方差分量模型、嵌套和裂区设计、分层线性模型、多层模型、经验贝叶斯模型、重复测量模型、协方差结构模型和随机系数模型。
混合模型远超标准线性模型，能够帮助您对数据进行准确、精确的推断，并深入了解所研究系统中信号和噪声的来源。结构良好的固定效应和随机效应具有良好的泛化能力，有助于您做出最佳的数据驱动决策。
- 了解 JMP 混合模型功能背后的原理和技术，了解何时以及如何使用混合模型，学习如何识别、设置和解释固定效应和随机效应，以及如何将方差分析 (ANOVA) 和线性回归扩展到多种混合模型设计。
- 了解如何理解和使用自由度：分析随机区组、裂区设计和随机系数模型；并解决围绕贝叶斯方法和 p 值的现代困境。
- 定义
- 固定效应是指精确的因子/水平，您希望根据这些水平对未来的观测值进行推断。
- 随机效应适用于以下情况：样本水平是更大总体中的一个样本，而你希望推断的是更大总体而非仅仅是这些特定水平；和/或当你主要感兴趣的是解释由该效应引起的变异性，而不是进行成对比较等情况时。
- 混合模型包含随机效应和固定效应。
- 混合模型对于处理随机效应非常有用，与仅使用固定效应的模型相比，使用混合模型可能会得到不同的估计值、置信区间和成对比较结果。
- 最小二乘均值不一定是算术平均值。缺失数据/数据不平衡时，需要使用限制性最大似然法（REML）来更好地估计最小二乘均值。
- 如果存在缺失数据/不平衡，则其他固定效应的成对比较也会受到将效应建模为随机效应的选择的影响。
- 不要只依赖 p 值——记住 p=0.049 和 p=0.050 本质上是相同的。
书中穿插了问答环节。部分被问到的问题包括：
- 在Bond数据ANOVA表中，Wald p值意味着什么？ Wald检验统计量用于计算p值（而不是例如F统计量）。我们展示了Wald检验统计量，但通常不用它来评估……
- 就这个模块示例而言，您描述的难道不是一个嵌套的情况吗？这种行为确实会在嵌套模型中出现，但这并非嵌套示例，因为处理方式并非模块独有。
-
您能否举例说明一下这种“糟糕”的不完全区组设计，以及它们在实践中通常出现在哪些地方？这种情况可能发生在由于损耗或处理过程导致区组内出现大量缺失值时。例如，当您使用多种不同的处理设备，而其中一台设备出现故障导致数据缺失时；或者当样本量不平衡时；又或者在人群研究中，您从不同群体中抽取样本，而不同群体的损耗程度也不同时。另一个例子是味觉测试，有些人品尝某些食物，而另一些人品尝其他食物。
Learn how to determine Fixed and Random blocks/effects学习如何判断固定和随机的块/效应学习如何判断固定和随机的块/效应
资源：
