“拟合模型”平台的“广义线性混合模型 (GLMM)”特质支持您分析具有复杂协方差结构和非高斯响应分布的模型。共有两个可用的非高斯响应分布:用于离散计数数据的 Poisson 分布和用于二值响应的二项分布。GLMM 框架适用于以下类型的模型结构:
• 随机化完整和不完整区组设计
• 裂区实验
• 随机系数模型
GLMM 特质是两种现有方法的组合:线性混合模型框架和广义线性模型框架。
线性混合模型在 JMP 中使用“拟合模型”平台的“标准最小二乘”或“混合”特质进行拟合。拟合线性混合模型支持您准确描述模型中的随机效应。不过,这些模型假定响应变量是高斯变量,这意味着它在无限范围内是连续的。若您想拟合随机效应,但有一个非高斯响应,那么这个假设会有问题。
使用“拟合模型”平台的“广义线性模型”或“广义回归”特质在 JMP 中拟合广义线性模型。拟合广义线性模型支持您对非高斯响应(如离散计数数据或二项数据)建模。不过,您不能包括随机效应。
将线性混合模型与广义线性模型框架相结合可支持您检验假设,并在存在随机效应时对非高斯响应分布进行准确估计。例如,您可以使用“GLMM”特质拟合具有随机效应的 logistic 回归。