原文
基于R语言的lmer混合线性回归模型tecdat.cn![20c9ea17d77b034aa06a8d551654df0d.png](https://i-blog.csdnimg.cn/blog_migrate/58b0a29124a7b121a77d0688e15d6674.jpeg)
混合模型适合需求吗?
混合模型在很多方面与线性模型相似。它估计一个或多个解释变量对响应变量的影响。混合模型的输出将给出一个解释值列表,其效应值的估计值和置信区间,每个效应的p值以及模型拟合程度的至少一个度量。如果您有一个变量将您的数据样本描述为您可能收集的数据的子集,则应该使用混合模型而不是简单的线性模型。
什么概率分布最适合数据?
假设你已经决定要运行混合模型。接下来你要做的是找到最适合你的数据的概率分布。
![98fa4ef4aff1368ada1ab99eb9e2676a.png](https://i-blog.csdnimg.cn/blog_migrate/7dc81658a26104977c1e1ced25b10f3e.png)
#lnorm表示对数正态qqp (recog $ Aggression.t,“lnorm” )
#qqp要求估计负二项式,泊松#和伽玛分布的参数。 可以使用fitdistr #函数生成估计值。