混合效应模型固定效应、相关性及lmer输出理解问询

你拟合的是带随机截距的混合线性模型，核心是分析OTC处理组和CTL对照组对植物高度的影响，同时考虑不同站点（Site）本身的基础高度差异——简单说就是有的站点植物天生高一点、有的天生矮一点，这就是随机效应要处理的问题。下面拆解输出的每一部分：

一、随机效应模块（Random effects） #

这部分看不同站点之间的差异：

• Groups: Site：明确随机效应的分组是站点
• (Intercept)：表示每个站点的**基础植物高度（截距）**是随机变化的
• Variance（方差）：站点间基础高度的差异程度，数值越大，不同站点的初始高度差距越大
• Std.Dev.（标准差）：方差的平方根，比方差更直观，比如值是3，就说明不同站点的平均基础高度大概差3个单位
• 最后一行的Number of obs是总样本数，Groups是站点的总数

二、固定效应模块（Fixed effects） #

这是你最关心的部分——处理方式对植物高度的影响：
先看表头对应的中文含义：

• Estimate（估计值）：处理带来的植物高度变化量
• Std. Error（标准误）：估计值的“误差范围”，越小说明这个结果越可靠
• df（自由度）：不用纠结细节，重点看后面的p值就行
• t value（t值）：估计值除以标准误，绝对值越大，说明处理的影响越明显
• Pr(>|t|)（p值）：判断差异是否“真的存在”，一般小于0.05就认为处理的影响是统计显著的，不是随机波动导致的

再看具体行的含义：

• (Intercept)：这是CTL对照组的平均植物高度（R默认把分类变量的第一个水平当参考组，只要你的Treatment是因子类型且CTL在前面，就是这个意思）
• TreatmentOTC：这是OTC组比CTL组的高度差值。如果这个值是正的，说明OTC处理让植物更高；负的就是更矮。结合p值看，如果p<0.05，就说明OTC和CTL的高度差异是真实存在的。

三、其他辅助内容 #

• Correlation of Fixed Effects：固定效应之间的相关性，你这个模型只有Treatment一个固定效应，所以这部分可以忽略
• 输出里可能还有AIC、BIC这类值，是用来比较不同模型好坏的，你现在只拟合了一个模型，暂时不用管

内容的提问来源于stack exchange，提问作者Sushimushi