其中y为体重测量值,t为服药时间的自变量,no为观察对象的编号,相应的 Stata操 作命令如下 Random-effects GLs regression Number of obs able (i) R-sq: within =0. 6533 Obs per group: min between avg 2.0 overall=0. 0612 Random effects u i gaussian Wald chi2(1) corr(u i, x) 0(assumed) Prob> chi2 Coef. Std. Err z P>|z [95% Conf. Intervall -1.4509902-2.750.006-2.399389-.4006105 cons 50.41.37113 36.760.000 47,71263 3.08737 SIgma sigmae 80622577 93085106 (fraction of variance due to u i) β估计值为-1.4,脚o估计值为504,而μ的估计值=504-14=49 Ho:β=0即无减肥疗效 H1:β≠0即服药前后的人群平均体重不同 a=0.05 相应的P值=0.006,因此服药前后平均体重的差异有统计学意义,故可以认为该药物 有减肥疗效。 例2为了考察某药物在疗程为6个月中的持续减肥作用,现考察5个服用该药的女性 肥胖者并且身高为162cm的,这5名女性肥胖者在服用该药前、服药3个月和服药6个月 的体重测量值(kg)如下 肥胖者编号服药前3个月 6个月 48 52 51 48 53 2 49 这是一组观察对象的多个测量时间点的重复观察测量资料,因此同一对象的不同观察时 间点的观察资料是相关的。(也可以视为配伍区组设计的观察资料,用随机区组设计的方差 分析或 Friedman秩检验的统计方法检验该药物的减肥作用),因此可用混合模型进行统计分 设观察对象在服药前的体重总体均数为、服药3个月时的体重总体均数山+B,服药6 个月时的体重总体均数为μ0+B2,即:β为服药3个月时的体重平均改变量,β2为服药6个 月时的体重平均改变量。针对本例服药前后的体重总体均数的变化关系,引入自变量t和 t,建立下列服药前后的体重总体均数表达式 H=山+B1+B2l2 (12-2) 若t=t=0时,μ为服药前的体重总体均数μo;t=1,t=0时,p为服药3个月时的体重总1 49 3 1 52 4 1 45 5 其中 y 为体重测量值，t 为服药时间的自变量，no 为观察对象的编号，相应的 Stata 操 作命令如下： Random-effects GLS regression Number of obs = 10 Group variable (i) : no Number of groups = 5 R-sq: within = 0.6533 Obs per group: min = 2 between = . avg = 2.0 overall = 0.0612 max = 2 Random effects u_i ~ Gaussian Wald chi2(1) = 7.54 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0060 ------------------------------------------------------------------------------ y | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- t | -1.4 .509902 -2.75 0.006 -2.399389 -.4006105 _cons | 50.4 1.371131 36.76 0.000 47.71263 53.08737 -------------+---------------------------------------------------------------- sigma_u | 2.9580399 sigma_e | .80622577 rho | .93085106 (fraction of variance due to u_i) ------------------------------------------------------------------------------ 估计值为－1.4，0 估计值为 50.4，而1 的估计值＝50.4－1.4＝49。 H0：＝0 即无减肥疗效 H1：0 即服药前后的人群平均体重不同 ＝0.05 相应的 P 值＝0.006，因此服药前后平均体重的差异有统计学意义，故可以认为该药物 有减肥疗效。 例 2 为了考察某药物在疗程为 6 个月中的持续减肥作用，现考察 5 个服用该药的女性 肥胖者并且身高为 162cm 的，这 5 名女性肥胖者在服用该药前、服药 3 个月和服药 6 个月 的体重测量值(kg)如下： 肥胖者编号 服药前 3 个月 6 个月 1 48 46 42 2 53 51 47 3 52 52 48 4 52 51 48 5 53 52 49 这是一组观察对象的多个测量时间点的重复观察测量资料，因此同一对象的不同观察时 间点的观察资料是相关的。(也可以视为配伍区组设计的观察资料，用随机区组设计的方差 分析或 Friedman 秩检验的统计方法检验该药物的减肥作用)，因此可用混合模型进行统计分 析。 设观察对象在服药前的体重总体均数为0、服药 3 个月时的体重总体均数0+1，服药 6 个月时的体重总体均数为0+2，即：1 为服药 3 个月时的体重平均改变量，2 为服药 6 个 月时的体重平均改变量。针对本例服药前后的体重总体均数的变化关系，引入自变量 t1 和 t2，建立下列服药前后的体重总体均数表达式 0 1 1 2 2  =  +  t +  t (12-2) 若 t1=t2=0 时，为服药前的体重总体均数0；t1=1，t2=0 时，为服药 3 个月时的体重总