混合効果モデルの当てはめの主要な結果を解釈する

項が応答に大きく影響するかどうかを判断するには、p値を有意水準と比較します。通常は、有意水準（αまたはアルファとも呼ばれる）として0.05が適切です。0.05の有意水準は、実際には影響が無い場合に、影響があると結論付けてしまうリスクが5%であるということを示します。

各p値の解釈は、それが固定因子項の係数のなのか、共変量項の係数のなのかによって異なります。

データに対するモデルの適合度を判断するために、モデル要約表の適合度統計量を調査します。

S

Sは誤差項の推定標準偏差です。Sの値が小さいほど、条件付き適合式により、選択した因子設定で応答がより適切に算出されます。ただし、S値だけではモデルの適合性を完全に表すことはできません。他の表や残差プロットの主要な結果も調査してください。

R二乗

R²は、モデルで説明される応答の変動のパーセントです。値は1から残差平方和（モデルによって説明されない変動）の比を引いて全体平方和（モデルの変動の合計）まで計算されます。

R二乗（調整済み）

同じ共分散構造を持ちながら固定因子と共変量の数が異なるモデルを比較したい場合は調整済みR²を使用します。モデルの共分散構造が同じであると仮定すると、R²の値は固定因子または共変量を追加すると大きくなります。調整済みR²値にはモデルに含まれる固定因子や共変量が組み入れられるため、正しいモデルの選択に役立ちます。

AICcとBIC

分析結果を拡大表示するとき、さらに2つの統計量が表示されます。これらの統計量は補正赤池情報量基準（AICc）およびベイズ情報量規準（BIC）です。異なるモデルを比較する際はこれらの統計量を使用します。どちらの統計量でも、小さい値が好ましいと考えられます。

p値により、項が有意であることが示されている場合、項の係数を調査して項と応答の関係を把握することができます。各係数の解釈は、それが固定因子項の係数なのか、共変量項の係数なのかによって異なります。

固定因子項の係数は、項に対する水準平均がどのように異なるかを示します。項の多重比較分析を行って、水準効果を統計的に同じグループ、または統計的に異なるグループにさらに分類することもできます。

共変量項の係数は、モデル内の他の全ての項が同じとき、その項の1単位分の変化に関連付けられた平均応答の変化を表します。係数の符号は項と応答の関係の方向を示します。係数の大きさは、応答変数に対する項の実質的な有意性を評価するのに役立ちます。

残差プロットを使用して、モデルが適切か、分析の仮定が満たされているかどうかを判断しやすくします。仮定を満たさない場合、そのモデルはデータにあまり適合しない可能性があり、結果の解釈は慎重に行う必要があります。