在本课程中，您使用并比较了固定效应模型（例如 lm() 和 glm()）与混合效应模型（同时包含固定效应与随机效应的模型，如 lmer() 和 glmer()）。在学习过程中，您观察到哪些权衡取舍？
lm()
glm()
lmer()
glmer()
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
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。
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。
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。
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。
当前练习
