从0开始学习R语言--Day13--混合效应与生存分析

混合效应模型（Mixed Effects Model）

对于数据来说，我们通常把所有样本共有的影响因素（性别，实验处理，实验方法），这种可以推广到总体的叫做固有效应，而仅适用于特定分组的（个体差异），叫做随机效应，混合效应模型就是用于处理既有固有效应又有随机效应的方法。

举一些具体点的例子，像同一个患者在一周内的血压数据，不同班级的学生成绩，不同地区的空气质量和查看对照实验的结果等，我们可以看到这些数据都有一些共同的特点，数据基本都有分组，且每个分组内的数据都有自己的特点，像学生成绩的固有效应就来自于考试的卷子难度，而随机效应既有学生的个体差异，也有师资差异，这需要我们在使用的时候有自己的判断。

下面我们举一个学生成绩的例子来举例：

set.seed(123)
n_students <- 100
n_classes <- 5

# 模拟数据（保持不变）
data <- data.frame(
  student_id = 1:n_students,
  class_id = sample(1:n_classes, n_students, replace = TRUE),
  teaching_method = sample(c("A", "B"), n_students, replace = TRUE),
  baseline_score = rnorm(n_students, mean = 70, sd = 10)
)

data$score <- with(data, 
                   baseline_score + 
                     ifelse(teaching_method == "A", 5, -2) +  # 固定效应
                     rnorm(n_classes, sd = 3)[class_id] +     # 随机效应（班级）
                     rnorm(n_students, sd = 2)                # 个体误差
)

# 拟合模型（添加错误处理）
tryCatch({