“混合模型”报表和选项
“混合模型”红色小三角菜单包含以下选项：
模型报表
生成与混合模型拟合有关的报表。这些报表提供模型参数的估计值和检验，还列出拟合统计量。
拟合统计量
显示或隐藏模型拟合统计量的报表。请参见拟合统计量。
随机效应协方差参数估计值
（仅当在启动窗口中指定了随机效应时才可用。）显示或隐藏随机效应协方差参数估计值的报表。请参见随机效应协方差参数估计值。
固定效应参数估计值
显示或隐藏固定效应参数估计值的报表。请参见固定效应参数估计值。
重复效应协方差参数估计值
（仅当在启动窗口中指定了重复效应时才可用。）显示或隐藏重复效应协方差参数估计值的报表。请参见重复效应协方差参数估计值。
随机系数
（仅当在启动窗口中指定了随机效应时才可用。）显示或隐藏随机系数报表。请参见随机系数。
随机效应预测
（仅当在启动窗口中指定了随机效应时才可用。）显示或隐藏随机效应预测报表。请参见随机效应预测。
指标参数化估计值
（仅当固定效应之间存在名义型列时可用。）显示或隐藏“指标函数参数化”报表。该报表基于一个模型给出固定效应的参数估计值，在该模型中，名义型固定效应列使用指标 (SAS GLM) 参数化编码并作为连续列处理。有序型列仍使用通常的 JMP 编码方案保持编码。“因子模型”对 SAS GLM 和 JMP 编码方案进行了说明。
警告：“指标函数参数化”报表中给出的标准误差、t 比和其他结果不同于“参数估计值”报表中的相应数据。这是因为这些估计值估计的是不同的参数。
固定效应检验
（仅可用于至少包含一个固定效应的模型。）显示或隐藏固定效应检验。请参见固定效应检验。
序贯检验
（仅可用于至少包含一个固定效应的模型。）显示或隐藏“序贯（1 型）检验”报表，该报表包含效应按顺序添加到模型后的平方和。基于序贯平方和执行 F 检验。请参见序贯检验。
多重比较
打开“多重比较”启动窗口，您可以在其中选择一个或多个效应以及初始比较。该报表适用于分类固定效应。请参见多重比较。
方差分量的线性组合
（无 G 侧效应时不可用。）显示一个报表，该报表支持您计算方差分量线性组合的置信区间。最初，报表包含一个可编辑的文本框和模型中的方差分量表。使用文本框可为线性组合添加标签。在表格右列的单元格中输入值，以指定置信区间的线性函数。指定参数的线性组合并点击“完成”后，将显示一个表，其中包含指定线性组合的置信区间。
该表包含估计和标准误差，以及两种类型的置信区间（Satterthwaite 和 Wald）和 Wald p 值。Wald p 值对应估计值不同于零的假设检验。
提示：Satterthwaite 置信区间仅限于正值，因此不建议用于指定系数为负值的情况。若估计值为负，则无法构造 Satterthwaite 置信区间并报告为缺失。
比较斜率
（仅当有一个名义型项、一个连续型项以及它们针对固定效应的交互作用效应时才可用。）显示或隐藏一个报表，该报表支持您比较协方差分析 (ANCOVA) 模型中交互作用效应的每个水平的斜率。请参见比较斜率。
逆预测
（仅当至少有一个连续的固定效应项和一个残差方差项时才可用。）对于一个或多个响应值，预测解释变量的值。请参见“逆预测”。
边缘模型推断
显示或隐藏基于边缘预测值和边缘残差的图。这些图显示随机效应导致的变异。
“预测值-实际值”图
标绘实际值与模型预测的值，但是不考虑随机效应。默认显示“预测值-实际值”图。请参见“预测值-实际值”图。
残差图
提供评估模型拟合的残差图，不考虑随机效应。请参见残差图。
刻画器, 等高线刻画器, 混料刻画器, 曲面刻画器
提供刻画器来检查响应和模型项之间的关系，不考虑随机效应。请参见边缘模型刻画器。
变差图
提供变差图，该图显示观测值之间的距离增加时协方差的变化。选择残差结构时，您可以选择要用作时间或空间坐标的列。请参见变差图。
条件模型推断
显示或隐藏基于条件预测值和条件残差的图。这些图显示在剔除随机效应所解释的变异后剩下的变异。
“条件预测值-实际值”图
标绘实际值与模型预测的值，考虑随机效应。有随机效应时，默认显示“条件预测值-实际值”图。请参见“条件预测值-实际值”图。
条件残差图
提供评估模型拟合的残差图，考虑随机效应。请参见条件残差图。
条件刻画器, 条件等高线刻画器, 条件混料刻画器, 条件曲面刻画器
提供刻画器来检查响应和模型项之间的关系，考虑随机效应。请参见条件刻画器。
协方差和相关性矩阵
包含用于查看与模型关联的协方差和相关性矩阵的选项。
固定效应的协方差
显示或隐藏模型中的固定效应的协方差矩阵。
协方差参数的协方差
显示或隐藏模型中的随机效应的协方差矩阵。矩阵中的效应按以下方式排序：G 侧随机效应、R 侧随机效应和残余效应。
全部参数的协方差
显示或隐藏模型中的所有效应的协方差矩阵。矩阵中的效应按以下方式排序：固定效应、G 侧随机效应、R 侧随机效应和残余效应。
固定效应的相关性
显示或隐藏模型中的固定效应的相关性矩阵。
重复测量协方差诊断
（仅可用于指定非结构化重复协方差结构的模型。）显示或隐藏一个报表，其中包含有助于确定重复测量分析的候选协方差结构的诊断工具。该报表包含重复测量参数的协方差矩阵和相关性矩阵，同时还包含相关性热图。热图尺度由相关性范围确定。若所有相关性均为正，则尺度为 0 到 1；否则，尺度为 -1 到 1。
保存列
包含用于将各种模型结果保存为数据表中的列的选项。
预测公式
创建名为预测公式“<列名>”的新列，该列包含公式和边缘均值预测值。将添加“预测”列属性，指出预测的源。请参见边缘模型推断。
预测值标准误差
创建名为预测值标准误差“<列名>”的新列，该列包含预测的边缘均值响应的标准误差。
均值置信区间
创建名为 95% 均值下限: <列名>和 95% 均值上限: <列名>的两个新列。这些列包含响应均值的 95% 置信下限和上限。这些区间包含估计值变异，但不包含响应变异。通过从“模型规格”红色小三角菜单中选择“设置 Alpha 水平”，您可以在“拟合模型”窗口中更改 a 水平。
单值置信区间
（可用于仅包含 G 侧效应的模型。）创建名为 95% 单值下限: <列名>和 95% 单值上限: <列名>的两个新列。这些列包含单个响应值的 95% 置信下限和上限。这些区间包括响应及其估计值的变异。通过从“模型规格”红色小三角菜单中选择“设置 Alpha 水平”，您可以在“拟合模型”窗口中更改 a 水平。
残差
创建名为残差“<列名>”的新列，该列包含观测的响应值减去边缘均值预测值所得的值。请参见边缘模型推断。
条件预测公式
创建名为条件预测公式“<列名>”的新列，该列包含公式和条件均值预测值。将添加“预测”列属性，指出预测的源。请参见条件刻画器。
条件预测值标准误差
创建名为条件预测值标准误差“<列名>”的新列，该列包含预测的条件均值响应的标准误差。
条件均值置信区间
（可用于包含 G 侧效应的模型。）创建名为 95% 条件均值下限: <列名>和 95% 条件均值上限: <列名>的两个新列。这些列包含条件预测期望值的 95% 置信下限和上限。置信区间包括带随机效应的模型的随机效应估计值。请参见条件模型推断。通过从“模型规格”红色小三角菜单中选择“设置 Alpha 水平”，您可以在“拟合模型”窗口中更改 a 水平。
条件残差
创建名为条件残差“<列名>”的新列，该列包含观测的响应值减去条件均值预测值所得的值。请参见条件模型推断。
保存模拟公式
（仅可用于方差分量和随机系数模型。）将使用估计参数为您拟合的模型生成模拟值的公式所在的列保存到数据表中。该列可用在“模拟”实用工具中，作为“换入列”。请参见《基本分析》中的“模拟”。
模型对话框
为当前分析打开完成的“拟合模型”启动窗口。请参见“拟合模型”启动窗口。
请参见《使用 JMP》中的“JMP 报表中的本地数据过滤器”、“JMP 报表中的“重新运行”菜单”、“保存平台首选项”和“JMP 报表中的“保存脚本”菜单”获取有关下列选项的信息：
本地数据过滤器
显示或隐藏支持您过滤特定报表中使用的数据的本地数据过滤器。
重新运行
包含使您可以重复或重新启动分析的选项。在支持该功能的平台中，“自动重新计算”选项立即在相应报表窗口中反映您对数据表所做的更改。
平台首选项
包含的选项支持您查看当前平台首选项或更新平台首选项以匹配当前 JMP 报表中的设置。
保存脚本
包含的选项支持您保存可将报表重现到若干目标的脚本。
保存“依据”组脚本
包含使您可以保存脚本的选项，可将为“依据”变量的所有水平重新生成平台报表的脚本保存到多个不同的位置。仅当在启动窗口中指定“依据”变量时才可用。
拟合统计量
“混合模型”特质中的“拟合统计量”报表提供用于模型比较的统计量。对于所有拟合统计量，值越小越好。若一个模型包含在另一模型中，两个模型之间可以执行似然比检验。若不是包含关系，谨慎比较似然可以提供有用的信息。相关示例，请参见拟合空间结构模型。
“拟合统计量”报表的说明 使用以下符号：
• 指定混合模型：
其中 y 是观测值的 nx1 向量，b 是固定效应参数的向量，g 是随机效应参数的向量，e 是误差的向量。
• 假定 g 和 e 具有多元正态分布，其中
且
• 在这些假设下，按以下方式计算 y 的方差：
“拟合统计量”报表的说明
-2 残差对数似然
最终求值为两倍的负残差对数似然，即目标函数。
其中
p 是 X 的秩。仅在比较固定效应部分相同的模型时使用残差似然。请参见“似然、AICc 和 BIC”。
-2 对数似然
求值为两倍的负残差对数似然。请参见“似然、AICc 和 BIC”。
将对数似然用于比较固定、随机和重复效应不同的模型。
AICc
校正 Akaike 信息准则。请参见“似然、AICc 和 BIC”。
BIC
Bayesian 信息准则。请参见“似然、AICc 和 BIC”。
收敛得分检验
若模型收敛有问题，将在拟合统计量下显示一条警告消息。图 8.11 显示该警告，指出收敛问题的原因和可能的解决方法。它还包括最终迭代的相对梯度检验。若该检验不显著，则模型可能是正确的但是未完全满足收敛准则。在这种情况下，需慎用模型和结果。请参见收敛得分检验的统计详细信息。
图 8.11 收敛得分检验
