拟合混合效应模型的条件均值表和协变量均值表

请在均值表中查找每个统计量的定义和解释指导。

拟合均值

拟合均值使用从相应条件或边际拟合方程得出的系数，为每个因子水平或者多个因子的每个水平组合计算平均响应。

使用均值表可以了解因子水平对平均响应值的效应。每个水平均值都提供该水平的平均响应估计值。查找统计意义显著的项组均值之间的差值。

对于由一个因子形成的主效应项，该表显示因子水平及其水平均值。对于交互作用项，该表显示相关因子水平的所有可能组合。如果交互作用项在统计意义上显著，不考虑交互作用效应就无法解释主效应。

如果反复从同一总体提取样本，则均值标准误 (SE Mean) 会估计您将获取的拟合均值的变异性。

使用均值的标准误可以确定拟合均值对相应平均响应的估计精确度。

均值标准误的值越小，表明均值响应的估计值越精确。通常，标准差越大，均值的标准误就越大，平均响应的估计值越不精确。样本数量越大，均值的标准误就越小，平均响应的估计值越精确。

自由度 (DF) 是数据中的信息量，用来估计均值响应的置信区间。Minitab 还使用自由度为均值响应构建 t 检验。

这些置信区间 (CI) 是可能包含模型中项水平的实际均值响应值的值范围。

由于样本的随机性，来自总体的两个样本不可能生成相同的置信区间。但是如果随机取样多次，则所获得的特定百分比的置信区间会包含未知的总体参数。这些包含参数的置信区间的百分比是区间的置信水平。

置信区间由以下两部分组成：

点估计: 此单个值通过使用样本数据来估计总体参数。置信区间集中在此点估计值附近。
边际误差: 边际误差定义了置信区间的宽度并由样本、样本数量和置信水平中的观测变异性确定。要计算置信区间的上限，需要将边际误差与点估计值相加。要计算置信区间的下限，需要从点估计值减去边际误差。

如果置信区间为 95%，则置信区间包含相应平均响应的实际值的可信度为 95%。置信区间有助于评估结果的实际意义。使用您的专业知识可以确定置信区间是否包括对您的情形有实际意义的值。如果区间因太宽而毫无用处，请考虑增加样本数量。

t 值用来测量拟合均值与其标准误之间的比值。

Minitab 使用 t 值计算 p 值，该 p 值可用于检验均值是否与 0 显著不同。

您可以使用 t 值来确定是否要否定原假设。但是，通常会使用 P 值，因为无论自由度是多少，要否定的阈值都相同。有关使用 t 值的更多信息，请转到使用 t 值来确定是否要否定原假设。

P 值是一个概率，用来测量否定原假设的证据。原假设为平均响应为 0。概率越低，否定原假设的证据越充分。

要确定均值是否在统计意义上不等于 0，请将 p 值与显著性水平进行比较。通常，显著性水平（用 α 或 alpha 表示）为 0.05 即可。显著性水平 0.05 指示在平均响应为 0 时得出平均响应不为 0 的结论的风险为 5%。

协变量均值是协变量值的平均值，即所有观测值之和除以观测值的个数。均值使用表示协变量值中心的单个值来汇总样本值。

此值是协变量的均值。Minitab 在为因子计算拟合均值时，将协变量保持在均值。

标准差是离散的最常用度量，即各个协变量值从均值扩散的程度。

使用标准差可以确定协变量相对于均值的变化量。Minitab 在为因子计算拟合均值时，将协变量保持在均值。