這兩天做項(xiàng)目分析用到了GLMM模型，由于不明白GLMM和我之前學(xué)習(xí)的線性回歸模型有啥區(qū)別眷柔，就差了點(diǎn)相關(guān)資料婚被，今天匯總一下吧。
線性回歸 --> 線性混合效應(yīng)模型
我們知道祟绊，線性效應(yīng)模型通常會將因變量分解成固定效應(yīng)和誤差項(xiàng)，比如：
哥捕，在這里所有不感興趣牧抽、非系統(tǒng)性或不可測的因素都可以作為誤差項(xiàng)。
但是線性模型要求每個樣本之間互相獨(dú)立（還要求數(shù)據(jù)滿足多元正態(tài)分布）遥赚，而在分析時往往會出現(xiàn)時間相關(guān)或者空間相關(guān)的樣本扬舒，因此人們就在線性回歸模型的基礎(chǔ)上建立了線性混合模型，所謂“混合”就是將固定效應(yīng)與隨機(jī)效應(yīng)進(jìn)行混合了的意思凫佛，形如：
模型中多出來的
便是隨機(jī)效應(yīng)讲坎。
這種隨機(jī)效應(yīng)的表達(dá)是是這樣式兒的：，其中express是隨機(jī)斜率愧薛，factor是隨機(jī)截距晨炕。
那什么因素可以作為隨機(jī)效應(yīng)放入模型中呢？其實(shí)吧毫炉，那些具有某種相關(guān)性的因素瓮栗，也就是使樣本之間不互相獨(dú)立的那種因素我覺得就可以作為隨機(jī)效應(yīng)。比如說，同一個體在多個時間點(diǎn)上多次采樣的樣本费奸，就可以把時間放入固定效應(yīng)鲸郊，把個體放入隨機(jī)效應(yīng)。
另外就是货邓，如果把個體當(dāng)做隨機(jī)因素秆撮，由于個體有個水平，因此會產(chǎn)生
個截距值换况。
