该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


拟合线性模型 • 混合模型 • “混合模型”特质概述
上一个
 • 
下一个
“混合模型”特质概述
在 JMP Pro 中，“混合模型”特质允许您分析具有复杂协方差结构的模型。可以分析的情形包括：
•
裂区实验
•
随机系数模型
•
重复测量设计
•
空间数据
•
相关响应数据
裂区实验是包含实验单元的两个或更多水平（或大小）而导致多个误差项的实验。当一些因子易于改变而另一些因子难以改变时，通常需要进行这样的设计。（请参见《实验设计指南》中的“定制设计”。）
随机系数模型也称为层次或多水平模型（Singer 1998；Sullivan et al. 1999)。当认为批次或对象的截距和斜率随机变化时，使用这些模型。制药行业的药物稳定性试验和教育研究领域的个人成长研究通常需要随机系数模型。
重复测量设计、空间数据和相关响应数据都具有观测值不独立的特点，要求您对相关性结构进行建模。
•
重复测量设计也称为对象内设计，它对响应在时间或空间上的变化建模并允许误差有相关性。
•
空间数据是在二维或多维中进行的测量，通常为纬度和经度。空间测量值的相关性通常表示为其空间邻近度的函数。
•
相关响应数据来自对同一实验单元的几次测量。例如，医学研究中对个体所测的身高、体重和血压读数可能是相关的，制造业中对产品所测的硬度、强度和弹性值可能是相关的。尽管可以单独研究这些测量值，将它们作为相关响应处理可以得到有用的信息。
未考虑观测值之间的相关性可能导致得到有关处理效应的不正确结论。但是，估计协方差结构参数需要使用数据中的信息。要估计的参数数目影响功效和第一类错误率。因此，您必须正确选择协方差模型。详细信息，请参见重复测量示例。