本章给出何时使用混合效应的示例，并说明回归模型的组成部分。还将通过具有嵌套结构的学生测试成绩数据来演示混合效应。

什么是分层模型？

分层数据集示例

多层级学生数据

探索多层级：班级与学校

回归的组成部分

截距（Intercepts）

斜率与多元回归

使用学校数据的回归：随机效应

随机效应截距

随机效应斜率

构建学校模型

解读学校层级模型

分层与混合模型概览与入门

本章介绍线性混合效应模型。内容涵盖不同类型的随机效应、如何解读线性混合效应模型的结果，并结合马里兰州犯罪数据讲解在混合效应模型中的不同统计推断方法。

线性混合效应模型——出生率数据

使用随机效应构建 lmer 模型

加入一个固定效应

不相关的随机效应斜率

固定效应与随机效应的自变量

理解并报告 lmer 的输出

比较 print 与 summary 的输出

提取系数

展示 lmer 模型的结果

用马里兰州犯罪数据做统计推断

可视化马里兰州犯罪数据

重新缩放斜率

原假设检验

围绕 P 值的争议

使用 ANOVA 进行模型比较

线性混合效应模型

本章将线性混合效应模型扩展到包含非正态误差项的情形，即广义线性混合效应模型。通过将模型中的误差项改为非正态分布，您可以建模更多具有非线性响应的数据类型。在回顾广义线性模型后，本章将从混合效应模型的角度讨论二项数据与计数数据。

GLM 速成课

Logistic 回归

Poisson 回归

绘制 GLM 图

二项数据

毒理学数据

营销示例

计算比值比（odds-ratios）

计数数据

互联网点击率

按年龄组和县的沙眼感染

展示沙眼衣原体结果

广义线性混合效应模型

本章展示重复测量分析如何作为混合效应建模的一个特例来处理。首先回顾配对 t 检验与重复测量 ANOVA。随后使用线性混合效应模型分析睡眠研究数据。最后，使用广义线性混合效应模型分析纽约州的仇恨犯罪数据在时间维度上的变化。

重复测量入门

配对 t 检验

重复测量 ANOVA

睡眠研究

探索数据

构建模型

比较回归与 ANOVA

绘制结果

纽约州的仇恨犯罪？

探索纽约州仇恨犯罪数据

解读模型结果

展示结果

R 中分层模型回顾

总结

重复测量

Classroom data

Illinois chlamydia data

Birth rate data

New York hate crime data

Maryland crime data

本课程将先回顾线性回归中的斜率与截距，然后引入随机效应。您将了解什么是随机效应，以及如何用它来建模数据。接着课程将讲解线性混合效应回归。这类强大的模型可用于分析比标准线性回归更复杂的数据结构。随后课程将介绍广义线性混合效应回归。广义线性混合效应模型可以建模更多类型的数据，包括二元响应与计数数据。最后，课程将把重复测量分析作为混合效应建模的一个特例来讲解。这类数据出现在对同一受试者进行随时间跟踪并按间隔收集测量时。整个课程中，您将使用真实数据，通过混合效应模型回答有趣的问题。

Generalized Linear Models in R

了解随机效应及其应用，掌握广义线性混合效应回归和重复测量分析。

用马里兰州犯罪数据做统计推断

Create Your Free Account