拟合混合效应模型的方法表

通常，您使用限制的极大似然(REML)，因为受限极大似然的方差分量估计量大致是无偏的，而极大似然估计量是偏倚的。但是，样本数量越大，偏倚越小。

如果需要检验具有一些固定效应项的嵌套模型与具有更多固定效应项的相应参考模型是否等效，前提为两种模型都具有相同的随机项数和误差方差结构，则使用极大似然(ML)。具体来说，设 为全模型中的负 2 对数似然，并且设 为较小模型的负 2 对数似然。

在原假设下，通过渐近方式， 服从渐近卡方分布，其中自由度等于参考模型和嵌套模型的固定效应项参数个数的差值。您可以使用似然比检验来评估是否可以从参考模型中移除固定效应项子集。

有关混合效应模型中固定参数的似然比检验的更多信息，请参见 West、Welch 和 Galecki.¹

通常，您使用Kenward-Roger 近似，因为这些计算为响应值使用协方差矩阵的调整估计量，用于降低小样本偏倚。您也可以使用Satterthwaite 近似。通常，样本数量越大，两种方法之间的差异越小。