混合模型是一个统计模型，包含fixed effects和random effects两种效应的混合。
当重复衡量（1）相同的统计单元，或（2）聚类，或（3）相关的统计单元时，混合模型尤其有效。
Ronald Fisher研究亲属间性状值的相关性时，引入random effects modes。1950年代，Charles Roy Henderson提出
（1）fixed effects的BLUE（best linear unbiased estimates）和
（2）random effects的BLUP（best linear unbiased predictions）。
随后，混合模型在统计研究中成为主流，包括计算maximum likelihood estimates，non-linear mixed effect modes，missing data in mixed effects modes，以及Bayesian estimation of mixed effects models等。
Fixed effects model
固定效应模型
应用前提是假定全部研究结果的方向与效应大小基本相同，即各独立研究的结果趋于一致，一致性检验差异无显著性。
因此，固定效应模型用于各独立研究间无差异，或差异较小的研究。
异质性小：固定，随机
异质性大：随机
p值
p>0.05或p>0.1：固定
p<=0.05或p<=0.1ÿ
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ji-chu/78325.html