估计（广义线性混合模型）

模型构建算法使用包含内层循环和外层循环的双迭代式过程。下列设置适用于内层循环。

排序顺序

这些控件用于确定目标和因子（分类输入）类别的顺序，以确定“最后一个”类别。如果目标不是分类目标或者在目标（广义线性混合模型）设置中指定了定制参考类别，那么将忽略目标排序顺序设置。

参数收敛。

如果参数估计值的最大绝对变化或最大相对变化小于指定的非负值，那么假设收敛性。如果指定的值等于 0，那么不使用该准则。

对数似然收敛。

如果对数似然函数的绝对变化或相对变化小于指定的非负值，那么假设收敛性。如果指定的值等于 0，那么不使用该准则。

Hessian 收敛。

对于绝对指定，如果基于 Hessian 的统计小于指定的值，那么假设收敛性。对于相对指定，如果统计小于指定值与对数似然估计的绝对值的乘积，那么假设收敛性。如果指定的值等于 0，那么不使用该准则。

最大 Fisher 评分步进数。

请指定非负整数。值为 0 指定 Newton-Raphson 方法。如果值大于 0，那么指定最多使用迭代次数 n 次 Fisher 评分算法，其中 n 是指定的整数，其后是 Newton-Raphson。

奇异性容差。

此值在检查奇异性时用作容错。请指定一个正值。

中止规则

您可指定算法执行的最大迭代次数。此算法使用包含内层循环和外层循环的双迭代式过程。指定的最大迭代次数值适用于这两个循环。请指定非负整数。缺省值为 100。

估计后设置

这些设置可确定计算某些模型输出供查看的方式。

置信度级别 (%)

这是用于计算模型系数的区间估计值的置信度级别。请指定大于 0 且小于 100 的值。缺省值为 95。

自由度

用来指定如何为显著性检验计算自由度。如果样本够大、数据平衡或模型使用较简单的协方差类型（例如尺度化恒等或对角线），请选择残差法。这是缺省设置。如果样本很小、数据不平衡或模型使用复杂的协方差类型（例如非结构化），请选择 Satterthwaite 近似法。如果样本大小很小并且您有“受限最大似然法”(REML) 模型，请选择 Kenward-Roger 近似法。

固定效应与系数检验

这是用于计算参数估计值协方差矩阵的方法。如果担心实验数据违反模型假设，可选择稳健估计。