REML指南

GenStat  REML指南

由Roger Payne, Sue Welham 和Simon Harding编写。

下载PDF指南(6.4 MB

REML算法提供了一些适用于广泛的应用领域的重要的分析,包括生物学,医学,工业和金融业。 在生物学上,它们通常被称为线性混合模型,但在某些应用领域(如教育),他们可能被称为多层次模型。 GenStatREML功能,是非常强大和全面的,但同时也是非常简单和易于使用的。 这本书的目的是向您介绍这些技术,并给您正确有效地使用它们的知识和信心。 这本书是用来作为VSN的GenStat REML的培训教材所编写的,但它同时也可以作为一个自学工具使用。

REML一个重要特点就是,它可以分析涉及多个误差变化源的数据。 在这方面,它类似于GenStat的 方差分析算法,两种方法之间的异同将会在第1章中详细探讨。 REML相对于方差分析的一个重要优点是,它可以分析非平衡实验设计。 它也具有一个强大的预测算法将GenStat的回归预测算法拓展到包括随机和固定效应。

2章介绍使用REML法进行meta分析,展示您如何能做到同时分析几个不同的数据,以获得处理方法的联合估计。

REML的另一个优点会在第3章中讨论,我们展示如何模拟两个维度之间观测值的空间相关性。 这些方法被证明是非常有效的,例如在田间试验评估植物新品种的分析中。 实验设计往往为了发挥效用包含了太多针对常规区组技术的品种(例如使用随机区组设计)。 所以,会采用例如自回归模型来拟合田间空间相关性。

4章探讨重复测量分析中相关性建模的使用。 这里的相关性是一维的,也就是时间,相比于传统的方法,例如重复测试方差分析或者跨时对比分析,REML提供另外一种功能强大的选择

本书通过一系列简单的示例,以及经常性的提供尝试自己的方法的实践机会来教学。。 这些示例可以通过在Windows版本的GenStat菜单中获得,所以不需要事先具有GenStat命令语言的知识。 但是,我们相信您将会熟悉普通方差分析。 (如果没有,我们建议您通过GenStat方差分析和设计指南的1-5学习)。