範例

以下是可以使用 MIXED指定的模型範例:

模型 1: 固定效應 ANOVA 模型

假設 TREAT 是處理因素，而 區塊 是封鎖因素。

MIXED Y BY TREAT BLOCK
  /FIXED = TREAT BLOCK.

模型 2: 隨機化完成區塊設計

假設 TREAT 是處理因素，而 區塊 是封鎖因素。

MIXED Y BY TREAT BLOCK
  /FIXED = TREAT
  /RANDOM = BLOCK.

模型 3: 分割圖設計

實驗由兩個因素組成: A 和 B。 與 A 相關的實驗單元是 C。 與 B 相關的實驗單元是個別受試者，這是因素 C的細分。 因此， C 是整個圖單元，而個別受試者是分割圖單元。

MIXED Y BY A B C
  /FIXED = A B A*B
  /RANDOM = C(A).

模型 4: 普賴隨機效應模型

假設 A、 B和 C 是隨機因素。

MIXED Y BY A B C
  /FIXED = | NOINT
  /RANDOM  = INTERCEPT A B C A*B A*C B*C | COVTYPE(CS).

MIXED 程序容許在相同 RANDOM 次指令上指定的效應產生關聯。 因此，在上述模型中，複合對稱共變異數矩陣的參數是跨所有隨機效應層級計算的。 若要指定獨立隨機效應，您需要指定個別的 RANDOM 次指令。 例如：

MIXED Y BY A B C
  /FIXED = | NOINT
  /RANDOM  = INTERCEPT | COVTYPE(ID)
  /RANDOM  = A | COVTYPE(CS)
  /RANDOM  = B | COVTYPE(CS)
  /RANDOM  = C | COVTYPE(CS)
  /RANDOM  = A*B | COVTYPE(CS)
  /RANDOM  = A*C | COVTYPE(CS)
  /RANDOM  = B*C | COVTYPE(CS).

這裡，對每個隨機效應分別計算複合對稱矩陣的引數。

模型 6: 多層次分析

假設 評分 是 時間所提供之特定成就測試的評分。 學生 在 CLASS內形成巢狀，而 CLASS 在 學校內形成巢狀。

MIXED SCORE WITH TIME
  /FIXED = TIME
  /RANDOM = INTERCEPT TIME | SUBJECT(SCHOOL) COVTYPE(ID)
  /RANDOM = INTERCEPT TIME | SUBJECT(SCHOOL*CLASS) COVTYPE(ID)
  /RANDOM = INTERCEPT TIME | SUBJECT(SCHOOL*CLASS*STUDENT) COVTYPE(ID).

模型 7: 無條件線性成長模型

假設 SUBJ 是個人的識別，而 Y 是透過 時間觀察到個人的回應。 未指定共變數結構。

MIXED Y WITH TIME
  /FIXED = TIME
  /RANDOM = INTERCEPT TIME | SUBJECT(SUBJ) COVTYPE(ID).

模型 8: 具有人員層次共變數的線性成長模型

假設 PCOVAR 是人員層次共變數。

MIXED Y WITH TIME PCOVAR
  /FIXED = TIME PCOVAR TIME*PCOVAR
  /RANDOM = INTERCEPT TIME | SUBJECT(SUBJ) COVTYPE(ID).

模型 9: 重複測量分析

假設 SUBJ 是個體的識別，而 Y 是在數個 STAGE上觀察到的個體的回應。 共變數結構是複合對稱。

MIXED Y BY STAGE
  /FIXED = STAGE
  /REPEATED = STAGE | SUBJECT(SUBJ) COVTYPE(CS).

模型 10: 含時間相依共變數的重複測量分析

假設 SUBJ 是個體的識別，而 Y 是在數個 STAGE上觀察到的個體的回應。 X 是個別層次共變數，也會測量數個 STAGE。 殘差共變異數矩陣結構為 AR (1)。

MIXED Y BY STAGE WITH X
  /FIXED = X STAGE
  /REPEATED = STAGE | SUBJECT(SUBJ) COVTYPE(AR1).