"SAS for Mixed Models(2nd)" 是一本深入探讨混合模型的统计学专著,适用于那些希望通过SAS软件进行数据分析的专业人士。本书第二版覆盖了各种包含固定效应和随机效应的统计模型,旨在解决实际研究中的复杂建模问题。
作者首先介绍了混合模型的类型和应用背景,强调了固定效应与随机效应的区别,并阐述了混合模型在处理这两类效应时的优势。书中通过流程图指导读者如何选择SAS软件来运行不同类型的混合模型。
第二章涉及随机区组设计,详述了完全随机区组设计的混合模型及其在PROC MIXED过程中的应用。此外,还讨论了不完全区组设计的实例,帮助读者理解混合模型的理论基础。
第三章介绍了随机效应模型,通过多个示例,如单因素随机效应处理结构、简单的条件层次线性模型和多层次嵌套设计,展示了如何利用这些模型进行分析。
第四章关注多因素处理设计和多重误差项,探讨了因子型治疗设计的混合模型推断,并对比了PROC MIXED与PROC GLM在处理不完整区组、缺失数据和可估计性方面的差异。
第五章专注于重复测量数据的分析,讲解了基本重复测量设计的混合模型分析,以及如何建模协方差结构,并处理非均匀时间间隔的重复测量数据。
第六章讨论最佳线性无偏预测(BLUP),通过实例展示了如何在随机效应模型和两因素混合模型中获取BLUP,以及多地点研究中的应用。
第七章是协方差分析,涵盖了一元固定效应处理结构下的简单线性回归模型,以及在不同实验设计结构中应用协方差分析的多个示例,包括完整区组、不完整区组和分割图设计。
第八章探讨了随机系数模型,包括完全随机化设计结构下的随机效应处理和随机学生效应,以及重复测量生长研究的实例。
第九章涉及异方差模型,分析了两向方差不等的ANOVA、简单线性回归模型和嵌套模型,以及处理主观间和主观内异方差的方法。
第十章聚焦混合模型诊断,从线性模型过渡到线性混合模型,讨论了影响诊断和处理收敛问题的策略。
这本书不仅涵盖了广泛的统计模型,还特别提到了SAS的MIXED过程在现代数据分析中的重要性,对于想要提升统计建模技能,特别是使用SAS软件进行混合模型分析的专业人士来说,是一本不可或缺的参考资料。