【视频】线性混合效应模型(LMM,Linear Mixed Models)和R语言实现案例（三）https://developer.aliyun.com/article/1485868
分析步骤
阅读并检查数据。
一个好的策略是对实验类别进行排序，把对照组放在前面。这将使线性模型的输出更加有用。
# 1. 读取数据 # 2. 检查 head(x)
# 3. 分组带状图 # 首先，重新排列实验类别 factor(treat,levels=c("cont","exc","fer","bo")) plot(data = x, y = log(phe), x = trea)
# 4. 在多个面板上分别绘制成对的数据 plot(data = x,y = log(ach, x = dur, fill = dur, col = dur)
拟合一个线性混合效应模型。固定效应是 "实验 "和 "持续时间"，而 "块"是随机效应。拟合交互作用时，实验水平之间的差异大小在持续时间水平之间会有所不同。
由于随机效应也存在（块），系数表将显示两个随机变化来源的方差估计。一个是拟合模型的残差的方差。第二个是（随机）块截距之间的方差。
# 2. 拟合混合效应模型-无交互作用
# 3. 可视化 vis(z)
# 4. 包括交互项和再次视觉化 vis(z.int, overlay = TRUE)
# 5. 绘制图表以检验方差齐性（以及正态性） plot(z)
# 6. 系数 summary(z)
# 8. 模型拟合平均值 means(z, data = x)
# 9. 方差分析表 anova(z) # lmerTest中默认为3类平方和。
# 10. 改为1类 anova(z, type = 1)
