广义线性混合模型

广义线性混合模型扩展了线性模型，使得：

广义线性混合模型涵盖了从简单线性回归到复杂的非正态纵向数据多变量模型的各种模型。

示例。 教育局可以使用广义线性混合模型，以确定某种实验教学方法在提高数学分数上是否有效。来自相同教室的学生是相关的，因为他们的教师相同，来自同一学校的教室也可能是相关的，因此我们在学校和教室级别上包含随机效应，以纳入可变性的不同来源。

医疗研究人员可以使用广义线性混合模型，以确定某种新抗惊厥药物能否降低患者的癫痫发作率。来自相同患者的重复测量通常正相关，因此具有某些随机效应的混合模型应比较适当。目标字段（发作次数）取正整数值，因此具有泊松分布和对数关联的广义线性混合模型应比较适当。

某个有线电视、电话和互联网服务提供商的高级管理层可以使用广义线性混合模型来了解更多有关潜在客户的信息。由于可能的回答具有名义测量级别，因此公司分析人员使用具有随机截距的广义 logit 混合模型，以确定在给定调查答卷者回答中不同服务类型（电视、电话、互联网）的服务使用情况回答之间的相关性。

“数据结构”选项卡用于在观察值相关时指定数据集中记录间的结构关系。如果数据集中的记录代表独立的观察值，则无需在此选项卡上指定任何设置。

主体。 指定分类字段的值组合应唯一定义数据集中的主体。例如，单个病人 ID 字段应足以定义一个医院内的主体，但如果病人标识号在医院间不唯一，则需要使用医院 ID 和病人 ID 的组合。在重复测量设置中，将为每个主体记录多个观察数据，因此每个主体可能在数据集中占用多个记录。

主体是可视为独立于其他主体的观察单元格。例如，在医学研究中可以认为某患者的血压读数独立于其他患者的读数。如果存在对每个主体的重复测量，而且您想要对这些观察值之间的相关性建模，定义主体就非常重要。例如，您可能期望同一个患者在连续多次就医时得到的血压读数是相关的。

“数据结构”选项卡上所有指定为“主体”的字段用于定义残差协方差结构的主体，并提供定义随机效应块上的随机效应协方差结构主体的可能字段列表。

重复测量。 这里指定的字段用于识别重复观察。例如，单个变量周可以标识医学研究中 10 周内的观察值，而月和天可共同用于标识一年内的每一天的观察值。

定义协方差组。这里指定的分类字段定义独立重复效应协方差参数组；每个类别各有一个参数组由分组字段的交叉分类定义。所有主体具有相同的协方差类型；相同协方差组内的主体具有相同的参数值。

重复协方差类型。这指定残差的协方差结构。可用的结构是：

此过程将粘贴 GENLINMIXED 命令语法。