Mixed-Model
線性混合效應模型
我經常聽說 LME 模型在分析準確性數據（即在心理學實驗中）時更可靠，因為它們可以處理傳統方法（例如 ANOVA）無法處理的二項式和其他非正態分佈。
LME 模型允許它們合併這些其他分佈的數學基礎是什麼，以及描述這一點的一些不太技術性的論文是什麼？
混合效應模型的一個主要好處是它們不假設觀察之間是獨立的，並且在一個單元或集群中可以存在相關的觀察。
這在第 10 章“隨機效應和混合效應”的第一部分的“現代應用統計與 S”（MASS）中有簡要介紹。V&R 在該部分中通過汽油數據比較了 ANOVA 和 lme 的示例，因此這是一個很好的概述。
lme要在nlme包 中使用的 R 函數。模型公式基於 Laird and Ware (1982)，因此您可以將其作為主要來源，儘管它肯定不適合介紹。
- Laird, NM and Ware, JH (1982) “縱向數據的隨機效應模型”，生物統計學，38, 963–974。
- Venables, WN 和 Ripley, BD (2002) “現代應用統計與 S ”，第 4 版，Springer-Verlag。
您還可以查看John Fox 的“An R and S-PLUS Companion to Applied Regression”的“線性混合模型” (PDF) 附錄。Roger Levy 的本次講座( PDF) 討論了多元正態分佈的混合效應模型。