線性混合模型
線性混合模型是一般線性模型的延伸，其中假設因素及共變數與應變數具有線性關係。
因素。 應該在模型中選取 種類 預測值作為 因素 。 因素的每一個 層級 對應變數的值會有不同的線性效果。
- 固定效應因素 通常被視為變數，其相關值都在資料檔中表示。
- 隨機效應因素 是變數，其資料檔中的值可以視為來自較大值母體的隨機樣本。 它們有助於說明應變數中的過度變異性。
例如，連鎖雜貨店對五種不同類型的優待券對客戶消費的影響感興趣。 在數個商店位置，這些優待券會分發給經常使用該位置的客戶; 隨機選取的一張優待券會分發給每一位客戶。
優待券類型是固定效果，因為公司對那些特定優待券感興趣。 商店位置是隨機效果，因為所使用的位置是來自較感興趣的群體的樣本，而且雖然客戶消費可能有逐商店儲存的差異，但在此問題的環境定義中，公司不會直接對該差異感興趣。
共變數。 尺度預測值 應該在模型中選取為 共變量 。 在因素層次 (或 儲存格) 的組合內，假設共變數的值與應變數的值呈線性相關。
互動。 「線性混合模型」程序可讓您指定階乘交互作用，這表示每個因素層級組合在應變數上可以有不同的線性效應。 此外，如果您認為共變數與應變數之間的線性關係會因因素層次不同而變更，則可以指定因素-共變數交互作用。
隨機效應共變異數結構。 「線性混合模型」程序可讓您指定隨機效應層次之間的關係。 依預設，隨機效應的層級不相關且具有相同的變異數。 如需相關資訊，請參閱主題 GLM 單變量 。 如需相關資訊，請參閱主題 變異元件 。
重複效果。 因素和共變數是一般線性模型的特徵。 在「線性混合模型」程序中，新增了重複效應變數，可讓您放寬誤差項獨立性的假設。 若要為誤差項的共變異數結構建模，您需要指定下列項目:
- 重複效應變數 是其資料檔中的值可被視為單一受試者多重觀察值標記的變數。
- 受試者變數 定義重複測量的個別受試者。 每個個體的誤差項與其他個體的誤差項無關。
- 共變異數結構 指定重複效果層次之間的關係。 可用的共變異數結構類型容許具有各種變異數及共變異數的殘差項。
例如，如果雜貨店連續四週記錄其客戶的購買習慣，則變數 週 會是重複效果變數。 指定表示 客戶 ID 的受試者變數會區分個別客戶的重複觀察值。 指定一階自迴歸共變異數結構反映您的信念，即一週內高於平均的購買量將對應於下一週高於 (或低於) 平均的購買量。