混合线性模型介绍--Wiki

混合线性模型: 是即包括固定因子,又包括随机因子的模型。 混合线性模型被广泛应用于物理、生物和社会科学。尤其是一些重复测量的数据及面板数据。混合线性模型比较突出的特点是可以非常好的处理缺失值,相对于传统的方差分析, 它有更广泛的使用范围。

发展历程

Ronald Fisher 最早提出随机因子模型来研究亲属间性状的相关性,1950年 Charles Roy Henderson 提出了最佳线性无偏估计(BLUE),这是针对于固定因子的评估。对随机因子的评估是最佳线性无偏预测(BLUP)。随后,混合模型在统计学研究中成了一个热门领域,相关的模型不断提出, 比如非线性混合模型,极大似然发估计,混合模型中的缺失值处理,贝叶斯估计混合模型等。混合模型被应用在许多领域,特别是观测值之间是有关联的重复测量数据,比如动植物育种,医学,也被应用在其它领域,比如棒球,工业统计等。

评估方差组分的方法有很多种, 有EM 方法, REML方法, Beyes方法等, 现在R种的包(nlme, lme4, MCMCglmm,asreml)对这些方法都有应用.

原文发布于微信公众号 - 育种数据分析之放飞自我(R-breeding)

原文发表时间:2019-04-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券