用两个地区的数据一起fit以下这个model Y ~ (a1*X1+ a2*X2 +a3*X3)*X4 然后看看X4，X1:X4，X2:X4， 和X3:X4是不是significant。如果都不significant，就说明这两个地区在建模上没差别 redtt06 发表于 2023-04-28 14:00
试试Multilevel modeling馒头的姥爷 发表于 2023-04-28 13:52
第二个linear mixed model Y ~ a1*X1+ a2*X2 +a3*X3 （Model2）
它们的predictor和outcome变量都是一样的。不同的是采集数据的地点不一样。 如果用X4代表采集数据的地点，那么下面这个模型就能测试采集数据的地点是否对Y有影响。 Y ~ a1*X1+ a2*X2 +a3*X3 + a4*X4
下面想进一步回答，到底Model1和Model2，有什么不同？ 请问哪些hypothese可以建立起来深化上面这个问题。另外如何用统计学方法来回答呢？
################# 以上的模型1和模型2，可以用下面这个实验来帮助理解。
研究是学生的课内成绩和课外活动对这个学生未来成才的影响。
第一个实验是在地区甲来做。 学生成年后的社会影响力 ~ 学生小学课内成绩 + 学生小学课外成绩 + 学生中学课内成绩 + 学生中学课外成绩 + 学生大学课内成绩 + 学生大学课外成绩
第二个实验是在地区乙来做。 学生成年后的社会影响力 ~ 学生小学课内成绩 + 学生小学课外成绩 + 学生中学课内成绩 + 学生中学课外成绩 + 学生大学课内成绩 + 学生大学课外成绩
请问用什么统计学方法能分析地区的不同，也会造成这两个模型的不同？ 有哪些hypothesis可以提出来分析？分别用哪些统计学方法可以完成？
注意：这个问题不是问地区对学生成年后的社会影响力的影响是不是很重要。
这个问题是问的：地区不同，那么模型表现出来的，各个预测变量对学生成年后的社会影响力的影响，有什么不同。
然后看看X4，X1:X4，X2:X4， 和X3:X4是不是significant。如果都不significant，就说明这两个地区在建模上没差别
有意思。学习中。谢谢！
多谢！学习中！
SAS code: proc mixed; class x1 x2 x3 x4; model y = x1 x2 x3 x4 x1*x4 x2*x4 x3*x4 / noint solution; repeat x1 x2 x3 x4 / test; run; quit;
以上把x1-x4 都當成categorical variables了。