Linear Mixed Effects Model
ลองนึกภาพการติดตามคะแนนสอบของนักเรียนหลายคนในโรงเรียนหลายแห่งในช่วงเวลาต่างๆ นักเรียนในโรงเรียนเดียวกันมีแนวโน้มที่จะคล้ายคลึงกันมากกว่านักเรียนจากโรงเรียนอื่น และคะแนนที่วัดซ้ำของนักเรียนแต่ละคนมีความสัมพันธ์กันตามช่วงเวลา การถดถอยธรรมดาจะละเลยความสัมพันธ์ทั้งสองนี้ ซึ่งจะเพิ่มอัตราการเกิดผลบวกลวง (false-positive rates) แบบจำลองแบบผสมจะเพิ่มจุดตัดแกน (intercepts) แบบสุ่มในระดับโรงเรียนและนักเรียน (และอาจรวมถึงความชันแบบสุ่มด้วย) ซึ่งจะดูดซับโครงสร้างการจัดกลุ่มนี้ออกไป ทำให้ผลกระทบแบบคงที่สามารถประมาณความสัมพันธ์ระดับประชากรที่แท้จริงได้โดยปราศจากการปนเปื้อนจากการจัดกลุ่ม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Linear Mixed Effects Model. ScholarGate. https://scholargate.app/th/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.
- แบบจำลองผลกระทบแบบผสมแบบเบย์ (Bayesian Mixed Effects Model)สถิติศาสตร์↔ compare
- Generalized Linear Model (GLM)สถิติศาสตร์↔ compare
- แบบจำลองเชิงเส้นลำดับชั้น (HLM)สถิติศาสตร์↔ compare
- Multilevel Modelingสถิติการวิจัย↔ compare