1. 固定效应
Group 中的level是pre-specified,就特殊的,就这么几个。that is, having pre-specified levels, with the goal of comparing specific levels of that effect。
例如治疗组和安慰剂组的对比,对比结论就是限制在治疗组和安慰剂组。但是,此时,patient是随机效应,两种治疗在patient之间的效应,会推论到更多的patient。
2. 随机效应
A random effect is one whose levels are randomly selected from a large population of levels. There is no interest in making inferences about specific levels of a random factor, but rather about any level in general.
group的level是随机的。
举例:在任意剂量中选几个,再选个安慰剂对照,做个试验,剂量组都有效。推论:所有剂量都对人有好处。
这个地方有两个随机效应,一是剂量,而是patient。
当用GML算随机效应时:
e = dose * center 和 e = dose(center)相同,都是组内误差。
data xover; input pat seq $ trt $ pd y @@; datalines; 1 AB A 1 6 3 AB A 1 8 5 AB A 1 12 6 AB A 1 7 9 AB A 1 9 10 AB A 1 6 13 AB A 1 11 15 AB A 1 8 1 AB B 2 4 3 AB B 2 7 5 AB B 2 6 6 AB B 2 8 9 AB B 2 10 10 AB B 2 4 13 AB B 2 6 15 AB B 2 8 2 BA A 2 7 4 BA A 2 6 7 BA A 2 11 8 BA A 2 7 11 BA A 2 8 12 BA A 2 4 14 BA A 2 9 16 BA A 2 13 2 BA B 1 5 4 BA B 1 9 7 BA B 1 7 8 BA B 1 4 11 BA B 1 9 12 BA B 1 5 14 BA B 1 8 16 BA B 1 9 ; proc glm data = xover; class seq trt pd pat; model y = seq pat*seq trt pd; random seq pat*seq; test h = seq e = pat*seq; **和()作用都相同; /* model y = seq pat(seq) trt pd; */ /* test h=seq e = pat(seq); */ /* random seq pat(seq);*/ run; proc mixed data = xover; class seq trt pd pat; model y = seq pat*seq trt pd; run;
proc glm data = xover; class seq trt pd pat; model y = seq pat*seq trt pd; random seq pat*seq; test h = seq e = pat*seq; run; proc glm data = xover; class seq trt pd pat; model y = seq pat*seq trt pd; test h = seq e = pat*seq; run;
结果完全相同。GLM 程序对随机效果的估计法与 对固定效果的估计法完全一样。
MIXED中固定效应和GLM中随机效应相同。
MINED的优势在于可以在RANDOM 选项中加上 TYPE = .指定covariance type。