chaos_kiyono https://blog.hatena.ne.jp/chaos_kiyono/ ケィオスの時系列解析メモランダム https://chaosmemo.com/ 統計 線形混合モデル R言語 生体信号解析、心理実験、行動データ、教育データなど、同じ実験対象者から複数回の測定を行った結果のデータは多くの分野で扱われています。そのようなデータに対して「実験対象者間の個人差はとりあえず無視して、全部まとめて回帰してみよう」と考えるかもしれません。 しかし、このような安易な簡単化は、統計的には誤った危険な解釈を生むことがあります。そのような過ちを避けるために、線形混合モデル（Linear Mixed Model: LMM）と呼ばれる方法が役に立つかもしれません。線形混合モデルとは、説明変数の効果として全体に共通する成分（固定効果）と、実験対象者ごとに異なる成分（ランダム効果）を同時にモデル… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fchaosmemo.com%2Fentry%2F2026%2F01%2F06%2F005016" title="【Rで線形混合モデル３】なぜ個人差を考慮する必要があるのか - ケィオスの時系列解析メモランダム" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/c/chaos_kiyono/20260105/20260105232811.png Hatena Blog https://hatena.blog 2026-01-06 00:50:16 rich https://chaosmemo.com/entry/2026/01/06/005016 1.0 100%