拟合混合效应模型示例

解释结果

在方差分量表中，田地的 p 值为 0.124。假设检验未显示方差分量不为 0 的证据。误差的方差分量的 p 值为 0.003。因为 p 值小于显著性水平 0.05，所以研究人员可以得出误差的方差分量不为 0 的结论。

固定因子项“品种”的 p 值大约为 0 时，就表明至少一种紫花苜蓿对产量的效应与其他五种类型的效应显著不同。

主效应的系数代表每个水平均值和总体均值之间的差值。例如，与品种 1 相关的紫花苜蓿产量大约比总体均值高 0.385 个单位。此系数的 p 值大约为 0 时，就表明品种 1 对产量的效应与“品种”项的另一个水平效应显著不同。为了确定哪些水平效应在统计意义上相同以及哪些水平效应在统计意义上不同，研究人员计划对项执行多重比较分析。

R² 值表明，模型大约解释产量中 92% 的变异。R-sq（调整）值也较高，值大约为 90.2%。研究人员使用此值比较具有不同预测变量数量的模型。

观测值 1 和 5 是异常观测值，因为它们具有大于 2 的标准化残差。研究人员检查数据以确保这些观测值具有正确的响应值。

正态概率图上的残差大致为一条直线，并且这些点在残差与拟合值图上看似随机散布在 0 周围。