Mixed Effects Model
En mixed effects model (eller lineær mixed model) udvider almindelig regression ved at inkludere både faste effekter — populationsparametre, der deles af alle observationer — og tilfældige effekter, der indfanger variabilitet på individ-, gruppe- eller klynge-niveau. Det er standardværktøjet til gentagne målinger, longitudinelle og multilevel-data, hvor observationer inden for samme enhed er korrelerede.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Kilder
- Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974. DOI: 10.2307/2529876 ↗
- Pinheiro, J. C., & Bates, D. M. (2000). Mixed-Effects Models in S and S-PLUS. Springer. ISBN: 978-0387989570
Sådan citerer du denne side
ScholarGate. (2026, June 3). Linear Mixed Effects Model. ScholarGate. https://scholargate.app/da/statistics/mixed-effects-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiansk mixed effects modelStatistik↔ compare
- Generaliseret Lineær Model (GLM)Statistik↔ compare
- Hierarkisk Lineær Model (HLM)Statistik↔ compare
- MultilevelmodelleringForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →