KNOWECON WIKI

ARTICLE

混合线性模型

混合线性模型 概念与定义 混合线性模型（Mixed Linear Model, MLM），又称混合效应模型（Mixed Effects Model）、多层线性模型（Hierarchical Linear Model, HLM）或随机系数模型（Random Coefficient Model），是传统线性模型的扩展，同时包含固定效应（fixed effects

浏览 0 更新 2025-11-08

混合线性模型

概念与定义

混合线性模型（Mixed Linear Model, MLM），又称混合效应模型（Mixed Effects Model）、多层线性模型（Hierarchical Linear Model, HLM）或随机系数模型（Random Coefficient Model），是传统线性模型的扩展，同时包含固定效应（fixed effects）和随机效应（random effects）两类预测变量。固定效应指对总体均值的估计（如处理组与对照组的平均差异），其水平是研究者刻意选择或穷尽所有可能取值的情况；而随机效应则捕捉数据中因聚类、嵌套或重复测量而产生的个体间变异（如随机选取的学校之间的差异，或不同受试者的基线差异）。传统线性模型假设所有观测独立同分布，即误差项相互独立且方差齐性，而混合线性模型通过引入随机效应来刻画数据中的层次结构和组内相关性。从直观上看，混合线性模型允许不同组拥有各自的截距和斜率，从而更真实地反映数据的生成机制。

为什么需要混合线性模型

在教育和医学研究中，数据往往具有天然的层级结构：学生嵌套于班级，班级嵌套于学校；患者在不同时间点重复测量。若使用普通线性回归忽略此类结构，会使标准误被低估、第一类错误概率显著增大。混合线性模型能够带来一系列关键优势。第一，它正确处理非独立观测，通过随机效应捕获组内相关性，从而得到正确的标准误和假设检验结果。第二，它允许个体间异质性，不同个体可以有各自的变化轨迹。第三，它灵活处理缺失数据，在随机缺失假设下能利用所有可用数据进行似然估计，避免列表删除带来的信息损失和信息偏差。第四，它可对随机斜率和随机截距分别建模，比如在教育研究中，不仅可以允许不同学校的平均成绩不同（随机截距），还可以允许不同学校的性别效应不同（随机斜率）。

数学模型

混合线性模型的一般形式为：

y=Xβ+Zu+ε\mathbf{y} = \mathbf{X}\boldsymbol{\beta} + \mathbf{Z}\mathbf{u} + \boldsymbol{\varepsilon}

其中，y \mathbf{y} 是 n×1 n \times 1 响应向量，X \mathbf{X} 是 n×p n \times p 固定效应设计矩阵，β \boldsymbol{\beta} 是 p×1 p \times 1 固定效应系数向量，Z \mathbf{Z} 是 n×q n \times q 随机效应设计矩阵，u \mathbf{u} 是 q×1 q \times 1 随机效应向量（服从 N(0,G) \mathcal{N}(0, \mathbf{G}) ），ε \boldsymbol{\varepsilon} 是 n×1 n \times 1 残差向量（服从 N(0,R) \mathcal{N}(0, \mathbf{R}) ）。假设 u \mathbf{u} 与 ε \boldsymbol{\varepsilon} 相互独立，则 y \mathbf{y} 的边际方差为 V=ZGZ⊤+R \mathbf{V} = \mathbf{Z}\mathbf{G}\mathbf{Z}^{\top} + \mathbf{R} 。

参数估计

混合线性模型的参数估计通常采用限制性最大似然估计（Restricted Maximum Likelihood, REML）来估计方差分量。普通最大似然（ML）在估计方差分量时未考虑固定效应估计损失的自由度，因而会产生向下的偏倚。REML通过对固定效应做投影变换，仅利用残差空间中的信息来估计方差分量，从而得到无偏估计。固定效应 β \boldsymbol{\beta} 的估计则采用广义最小二乘法（GLS）：β^=(X⊤V^−1X)−1X⊤V^−1y \hat{\boldsymbol{\beta}} = (\mathbf{X}^{\top}\hat{\mathbf{V}}^{-1}\mathbf{X})^{-1}\mathbf{X}^{\top}\hat{\mathbf{V}}^{-1}\mathbf{y} 。在计算上，实际求解基于 Henderson 提出的混合模型方程组（Mixed Model Equations, MME），该方程组同时给出固定效应和随机效应的最优线性无偏估计和最优线性无偏预测（BLUE 和 BLUP）。

固定效应与随机效应的选择

判断某效应是否应设为随机效应，通常考虑两个核心标准。一是采样标准——该效应的水平是否来自更大总体的随机样本，例如随机选取的学校应设为随机效应，而固定的处理条件则应设为固定效应。二是推断目标——研究者是否仅关注该效应的变异而非具体水平的具体均值，若想推广到总体则应设为随机效应。若某效应的水平为全部可能取值（如性别只有男和女），或研究者只关心这些特定水平之间的均值差异，则应设为固定效应。实践中，当某效应的水平数很少（如少于五个）时，通常难以准确估计其方差分量，宜作为固定效应处理；当水平数较多且来自随机抽样时，设为随机效应更为合理。

应用领域

混合线性模型的应用横跨多个学科。在心理学与教育学中，重复测量设计、多水平实验和纵向追踪研究都依赖混合模型来处理嵌套结构。例如，学生在不同时间点的成绩变化嵌套于个体，个体嵌套于班级，班级嵌套于学校。在医学与公共卫生中，混合模型用于分析纵向队列数据、随机对照试验的重复测量结果，以及多中心的临床试验数据。在遗传学与基因组学中，全基因组关联分析（GWAS）利用线性混合模型（LMM）控制群体分层和家系相关性，有效降低假阳性率。在生态学与进化生物学中，混合模型处理非平衡设计、空间自相关和系统发育相关性。在经济学中，面板数据分析常采用随机效应模型来处理个体异质性。

软件实现

主流的统计软件均提供了对混合线性模型的支持。R 语言中最常用的是 \texttt{lme4} 包（\texttt{lmer} 函数），它采用高效的 Eigen 线性代数库和 REML 估计，适用于大规模数据。\texttt{nlme} 包支持更丰富的协方差结构（如自回归、复合对称），适合时间序列数据。\texttt{glmmTMB} 包扩展至广义混合模型。Python 中 \texttt{statsmodels} 库的 \texttt{MixedLM} 类实现了基本的多层线性模型。SAS 的 \texttt{PROC MIXED} 功能最为全面。Stata 的 \texttt{mixed} 命令和 SPSS 的 MIXED 菜单也提供了友好的操作界面。模型诊断方面，应检查残差的正态性（Q-Q 图）、同方差性（残差-拟合图），以及随机效应的分布假设。条件残差和边际残差各有用途，常用的诊断工具有 \texttt{DHARMa} 包的模拟残差方法。

局限性

混合线性模型亦有不可忽视的局限性。其一，它假设随机效应和残差均服从正态分布，当数据明显偏离正态性时，推断可能不稳健，此时可考虑广义混合模型或使用 Bootstrap 方法进行推断。其二，模型选择和结构设定较为复杂，包括随机效应结构的选择（哪些截距和斜率应包含随机成分）、组内协方差结构的选择（复合对称、无结构、自回归等），以及不同结构对应的模型比较。其三，在样本量较小或组数较少时，方差分量的 REML 估计可能存在偏倚或无法收敛。其四，模型对误设定敏感——若随机效应结构设定错误或遗漏关键随机效应，可能导致标准误和假设检验结果产生严重偏差。

总结

混合线性模型是现代统计学的核心工具之一，它为分析具有层级结构和重复测量的数据提供了灵活且严谨的框架。正确使用混合线性模型需要研究者理解固定效应与随机效应的区别、合理选择协方差结构，并进行充分的模型诊断。