理解线性混合模型

—记录学习笔记----

混合效应模型称为混合，是因为该模型可以同时对固定效应和随机效应进行建模，固定效应指的就是总体的平均水平，对平均趋势建模，随机效应对这种平均趋势在分组水平上（参与者或主题）建模。

模型解释

模式有两大部分组成：

1. 固定效应模型：值被假定为常量，非随机的，（例如，性别、年龄、饮食、时间），通常表示研究中感兴趣的变量，比如不同治疗对患者的效果，治疗为固定效应；不同水果对健康水平的影响，水果为固定效应。
2. 表示个体变化的随机效应，随机效应是指的数据中不同组别或不同个体间的变异性，值假定是从随机分布中提取的，本质上是分类变量。所以如果一个变量是连续的，请把他视为固定效应！在实验中，个体被视为随机效应，因为是从各自的总体中随机抽样的，我们希望解释个体内的可变性，同一个个体内的观测值之间的相关结构。或者是不同组别的效应，解释同一组之间的相关结构。

模型表示

Y = X * β + Z * u + ε
Y 是响应变量。
X 是固定效应的设计矩阵。
β 是固定效应系数的向量。
Z 是随机效应的设计矩阵。
u 是随机效应系数的向量。
ε 是残差向量。

理解随机效应和固定效应的例子

假设有4个参与者的虚假数据，他们每个参与者都回答了四个项目，不同的点表示不同参与者。我们想知道项目的难易程度对参与者反应时间的影响。横轴表示单词难度，纵轴表示参与