随机效应与混合效应模型 SAS实践

精密仪器制造非常依赖零部件尺寸的精确度。一位工程师随机选取了三种仪器对某零部件的二十个关键部位进行了测量，每一个部位重复测量了两次。这个测量试验的目的是研究零部件部位与测量仪器对测量结果的影响，零部件部位与测量仪器是处理变量。实际上这两个处理变量都应该考虑为随机的，但为了比较固定效应与随机效应的区别，下面我们分别用固定效应、随机效应与混合效应模型分析这个试验。

两个处理变量都具有固定效应

假设两个处理变量都是固定的。

proc glm data=randr;/*数据表读取比较长，放在文末，数据表名为randr*/
class operator part;/*定义仪器与部位为类型变量*/
model resp=operator|part;/*|表示使用full model，即operator part operator*part*/
run;

这个GLM模型是显著的，下面是处理变量的Type III 平方和分解：

这个结果说明测量仪器不会对测量结果造成显著的影响，但不管用什么仪器测量，每个部位测量精确度都有显著差异。

两个处理变量都具有随机效应

GLM procedure

假设两个处理变量都是随机的。

proc glm data=randr;
class operator part;
model resp=operator|part;
random operator part operator*part/test; 
run;

与固定效应模型相比，随机效应模型只需要在GLM procedure中加入random语句。在这段SAS代码中，random operator part operator*part/test; 语句表示operator part operator*part这三个因素都具有随机效应，/test表示对随机效应进行F检验，之所以要加上/test是因为随机效应模型中并非所有的均方和都与残差的均方和比较：

随机效应模型也是显著的，下面是处理变量的Type III 平方和分解：

这个结果与随机模型的结果一模一样，但是我们只能用这个结果做交互项operator*part的推断，要对另外两个因素做推断，需要random语句的结果：