线性混合模型：估计

方法

选择极大似然性或约束极大似然性。

自由度

提供用于为所有检验定义自由度的选项。

残差法: 残差法将固定自由度用于所有检验。当样本够大、数据平衡或模型使用较简单的协方差类型（例如，标度恒等或对角线）时，这种方法适用。
Satterthwaite 近似法: Satterthwaite 法在检验之间使用场自由度。当样本较小、数据不平衡或模型使用较复杂的协方差类型（例如，非结构化）时，这种方法适用。
Kenward-Roger 近似法: Kenward-Roger 法针对固定效应参数的方差-协方差以及 t 检验和 F 检验中的近似分母自由度，提供更精确的小样本估计量。这种方法为 F 统计引入比例因子并对其进行估算，并使用 Taylor 级数展开来为数据中的估计随机结构引入分母自由度。
注: Kenward-Roger 方法用于基于模型的协方差 (而不是稳健协方差)。同时选择 Kenward-Roger 法和鲁棒协方差时，Kenward-Roger 法将应用于基于协方差的模型，并显示以下警告：“因为已选择 Kenward-Roger 法，鲁棒协方差法已更改为基于模型的协方差法”。

迭代

可用选项有：

最大迭代次数: 请指定非负整数。
最大逐步二分次数: 每次迭代时，步长都会减去因子 0.5，直到对数似然估计增加或者达到最大步骤对分。指定一个正整数。
每次达到以下步数打印一次迭代历史记录：n: 显示一个表格，其中包含从 0^次迭代（初始估计值）开始，每次n迭代的对数似然函数值和参数估计值。如果选择打印迭代历史记录，那么无论 n 值为多少，将总是打印最后一次迭代。

对数似然收敛

如果对数似然函数的绝对变化或相对变化小于指定的非负值，则假定收敛性。如果指定的值等于 0，那么不使用该准则。

参数收敛

如果参数估计值的最大绝对变化或最大相对变化小于指定的非负值，则假定收敛性。如果指定的值等于 0，那么不使用该准则。

Hessian 收敛。

对于绝对指定，如果基于 Hessian 的统计小于指定的值，则假定收敛性。对于相对指定，如果统计小于指定值与对数似然估计的绝对值的乘积，则假定收敛性。如果指定的值等于 0，那么不使用该准则。

最大评分步数

请求将 Fisher 评分算法使用最多迭代数字 n. 请指定非负整数。

奇异性容差

此值在检查奇异性时用作容错。指定一个正值。

指定线性混合模型的估计标准

此功能需要定制表和高级统计信息。