Чим відрізняється модель змішаного ефекту від лінійної регресійної моделі?

Чи може хтось пояснити, будь ласка, різницю між змішаною моделлю та лінійним регресійним аналізом? (У мене статистичні дані дуже обмежені.)

Модель змішаних ефектів має як випадкові, так і фіксовані ефекти, тоді як у стандартної лінійної регресійної моделі є лише фіксовані ефекти.

Розглянемо випадок, коли у вас є дані про декількох дітей, де у вас вік і зріст у різні моменти часу, і ви хочете використовувати вік для прогнозування росту. Якщо ви готові припустити, що всі діти мають однаковий нахил і перехоплюють, пов'язані віком з ростом, то ви можете підігнати звичайну лінійну модель з віком як прогноз і висотою, як відповідь. Ви також можете встановити модель з фіксованими ефектами, включаючи термін ідентифікації для кожної дитини, який би ефективно підходив до окремого перехоплення (або нахилу та перехоплення, якщо ви включаєте взаємодію) для кожної дитини.

Модель змішаних ефектів дозволить вам встановити середній перехоплення і нахил як фіксовані ефекти, але тоді ви також можете включити випадковий перехоплення (і випадковий нахил за бажанням), який моделює можливість відмінностей між дітьми по-іншому, ніж повністю фіксований модель ефектів. Щоб повністю оцінити переваги, потрібно більше, ніж те, що тут може бути включено у відповідь, вам слід прочитати цю тему в підручнику або взяти клас, який розповідає про моделі змішаних ефектів.

На мою думку, лінійні моделі та лінійні моделі зі змішаними ефектами в R: Підручник у двох частинах від Bodo Winter є хорошим відправною точкою для людини, яка не має сильного досвіду в статистиці.