![](https://cdn-ak-scissors.b.st-hatena.com/image/square/1cd6176f80f4d86e2babeba7e7858986b1f96128/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU3JUI3JTlBJUU1JUJEJUEyJUU2JUI3JUI3JUU1JTkwJTg4JUUzJTgzJUEyJUUzJTgzJTg3JUUzJTgzJUFCJUUzJTgxJUE4JUUzJTgxJTlEJUUzJTgxJUFFJUU1JUJGJTlDJUU3JTk0JUE4JUU0JUJFJThCJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0zMDA4OTdiMTg5MmY3NWE3ZTFiNjk2YzQ2NTAxYWQ4MQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB5a2F3YWt1Ym8mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTJmYmQ1NWRhOTVlOGJiNWMzYjQyYmI0YjRmZjUxYTI0%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g5qCq5byP5Lya56S-Tm9zcGFyZQ%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3Dee074739ce598c261770297b56a77945)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
線形混合モデルとその応用例 - Qiita
はじめに 千葉大学・株式会社Nospareの川久保です. 以前の記事で,線形モデルと線形混合モデルにおける... はじめに 千葉大学・株式会社Nospareの川久保です. 以前の記事で,線形モデルと線形混合モデルにおけるAIC(赤池情報量規準,Akaike information criterion)型の情報量規準について紹介しました.そのときは,線形混合モデルの説明は簡単にしかできませんでしたので,この記事で応用例も交えながら解説したいと思います. 線形混合モデルとは モデルのかたち 線形混合モデルは一般に以下のように書けます: $$ y = X\beta + Zb + \varepsilon, \quad b \sim (0,G), \quad \varepsilon \sim (0,R), \tag{1} $$ $X\beta$の項を固定効果(fixed effect),$Zb$の項を変量効果(random effect)と呼び,2つの効果が"混ざった"モデルということで,線形混合モデルと呼ばれ