配適混合效應模型

配適混合效應模型在估計批次、操作員或日期等隨機因子變異成分的同時,檢定固定的分類因子和共變數。當忽略隨機因子會使固定因子的檢定過於樂觀時使用。每個隨機因子至少需要 3 個水準。輸出包括變異成分、採用 Satterthwaite 自由度的 F 檢定、係數,以及含 AICc 和 BIC 的模型彙總。

最後審閱

核心要點

混合效應模型分析的反應取決於固定因子(其水準供您比較)和從總體中抽取的隨機因子,檢定固定因子並估計隨機因子的變異數。

本頁內容
  1. 用途
  2. 主要功能
  3. 統計方法
  4. 輸入欄位和選項
  5. 輸出說明
  6. 計算範例

用途

配適混合效應模型分析的反應取決於兩類因子:固定因子,您希望比較其特定水準(兩臺機器、三家供應商、新舊兩種方法);以及隨機因子,其水準是從更大總體中抽取的樣本(批次、樣品、操作員、日期)。它檢定固定因子,並估計每個隨機因子帶來多少變異數。當忽略隨機因子會使固定因子的檢定過於樂觀時使用,例如在每種條件下量測的是相同的批次或零件。

主要功能

  • 一個或多個固定的分類因子和連續型共變數,以及一個或多個隨機因子。
  • 每個隨機因子和誤差的變異成分,含佔總量的百分比、標準誤、Z 檢定和信賴區間。
  • 採用 Satterthwaite 分母自由度的固定效應 F 檢定。
  • 採用 Satterthwaite 自由度的係數、t 檢定和信賴區間。
  • 含 S、R-sq、R-sq(adj)、AICc、BIC 和 −2 log likelihood 的模型彙總。
  • 限制最大概似(REML)或最大概似(ML)估計。
  • Data Options:在分析之前對列進行子集篩選。

統計方法

模型為 y = Xβ + Σ Zᵢuᵢ + ε,其中 Xβ 包含固定因子(和為零的 −1/0/+1 編碼)和共變數,每個隨機因子 i 加入變異數為 σᵢ² 的獨立效應 uᵢ,誤差 ε 的變異數為 σ²。隨機因子為相互獨立的變異成分(不配適互動作用)。變異數採用 REML(預設)估計,它考慮了固定效應所佔用的自由度,給出近似無偏的變異成分;或採用 ML,若要按 AICc 或 BIC 比較固定效應不同的模型,則需要使用 ML。含遺漏值的列將被捨棄;每個隨機因子至少需要 3 個水準。

在得到變異數估計之後,固定係數為廣義最小平方估計。每個固定項用 F 統計量檢定,其分母自由度來自 Satterthwaite 近似;每個係數則用基於 Satterthwaite 自由度的 t 檢定。變異成分的標準誤來自 Fisher 資訊,並用單側 Z = Var / SE Var 檢定該分量是否為零,信賴區間在對數尺度上計算,因此永遠不會為負。當隨機因子的水準較少時,該 Z 檢定的檢定力很低,區間也很寬。

R-sq 將條件配適(固定效應加預測的隨機效應)與總變異相比較。S 為誤差變異數的平方根。AICc 和 BIC 越小,模型越好;使用 REML 時,它們只能比較固定效應相同的模型。

輸入欄位和選項

欄位

說明

Response (Y)

數值型反應欄。必填。

Fixed factors (categorical)

一欄或多欄,其特定水準是直接關注的物件。必填。

Random factors (categorical)

一欄或多欄,其水準是從更大總體中隨機抽取的樣本(例如 Field、Batch、Operator),按相互獨立的變異成分建模。必填。

Covariates (continuous)

可選的數值欄,僅作為固定主效應輸入。

Confidence level

預設值為 95。

Estimation method

限制最大概似(Restricted maximum likelihood,REML),為預設值,或最大概似(Maximum likelihood,ML)。

Data Options: Subset (optional)

Exclude matching rows(預設)或 Include only matching rows,按列號和/或條件匹配。

fit-mixed-effects-model-inputs


圖 1 — 滴定儀範例的選項:以 Assay_pct 為反應,Titrator 為固定因子,Sample 和 Analyst 為隨機因子,採用 REML。

輸出說明

  • Method — 變異數估計方法以及固定效應的自由度方法。
  • Variance Components — 每個隨機因子、誤差和合計的 Var、% of Total、SE Var、Z-Value、P-Value 和信賴區間。
  • Tests of Fixed Effects — 每個固定因子和共變數的 DF Num、DF Den、F-Value 和 P-Value。
  • Model Summary — S、R-sq、R-sq(adj)、AICc、BIC 和 −2 log likelihood。
  • Coefficients — Coef、SE Coef、DF、T-Value、P-Value 和信賴區間。
  • 若最佳化器未完全收斂,將顯示警告。
  • 可透過 Download 匯出 PDF。

fit-mixed-effects-model-output


圖 2 — 檢測結果的混合模型:樣品佔變異數的 95.2%,兩臺滴定儀存在差異(F = 24.82,p < 0.001)。

計算範例

一家純鹼實驗室在兩臺自動滴定儀 T1 和 T2 上量測產品純度(Assay_pct)。十個樣品各由三名分析員在兩臺滴定儀上各量測兩次:共 120 個結果。問題是兩臺滴定儀給出的結果是否相同。滴定儀是實驗室擁有的兩臺儀器,因此 Titrator 是固定因子;樣品和分析員代表許多可能的樣品和分析員,因此它們是隨機因子。實驗室輸入 Assay_pct 作為反應,Titrator 作為固定因子,Sample 和 Analyst 作為隨機因子,採用 REML。Load Example 會填入這些資料(soda-ash-assay-expanded-grr,與量具 R&R Study (Expanded) 範例是同一項研究)和這些設定。

變異成分顯示,樣品本身之間的差異最大:0.0678(佔總量的 95.2%,標準差約為 0.26 個百分點)。分析員分量很小,為 0.00155(2.18%),且與零無顯著差異(p = 0.1658);誤差,即單一結果的重複性,為 0.00187(標準差 0.043)。

Titrator 顯著:F = 24.82,自由度為 1 和 107,p < 0.001。採用和為零的編碼時,T1 的係數為 −0.0197,因此 T2 的讀數比 T1 高約 0.039 個百分點,接近一個重複性標準差。由於每個樣品都在兩臺滴定儀上量測,樣品之間的差異不會掩蓋這一差異。實驗室決定對照參考標準檢查兩臺滴定儀的校正。

常見問題

固定因子與隨機因子有什麼區別?

固定因子具有您希望比較的特定水準,例如兩臺機器、三家供應商,或新舊兩種方法。隨機因子的水準是從更大總體中抽取的樣本,例如批次、樣品、操作員或日期。混合效應模型檢定固定因子,並估計每個隨機因子帶來多少變異數。

什麼情況下應使用混合效應模型?

當忽略隨機因子會使固定因子的檢定過於樂觀時,應使用混合效應模型,例如在每種條件下量測的是相同的批次或零件。在滴定儀範例中,十個樣品都在兩臺滴定儀上量測,因此樣品之間的差異沒有掩蓋滴定儀之間的差異。

混合模型應使用 REML 還是 ML 估計?

REML 為預設方法,它考慮了固定效應所佔用的自由度,給出近似無偏的變異成分。若要按 AICc 或 BIC 比較固定效應不同的模型,則需要使用 ML。使用 REML 時,AICc 和 BIC 只能比較固定效應相同的模型。

如何解讀變異成分表?

每個隨機因子和誤差都有變異數、佔總量的百分比、標準誤、檢定該分量是否為零的單側 Z 檢定,以及在對數尺度上計算、因此永遠不會為負的信賴區間。當隨機因子的水準較少時,Z 檢定的檢定力很低,區間也很寬。