混合線性模型： 是即包括固定因子，又包括隨機(jī)因子的模型。 混合線性模型被廣泛應(yīng)用于物理、生物和社會科學(xué)。尤其是一些重復(fù)測量的數(shù)據(jù)及面板數(shù)據(jù)。混合線性模型比較突出的特點(diǎn)是可以非常好的處理缺失值，相對于傳統(tǒng)的方差分析， 它有更廣泛的使用范圍。
Ronald Fisher 最早提出隨機(jī)因子模型來研究親屬間性狀的相關(guān)性，1950年 Charles Roy Henderson 提出了最佳線性無偏估計(jì)（BLUE），這是針對于固定因子的評估。對隨機(jī)因子的評估是最佳線性無偏預(yù)測（BLUP）。隨后，混合模型在統(tǒng)計(jì)學(xué)研究中成了一個熱門領(lǐng)域，相關(guān)的模型不斷提出， 比如非線性混合模型，極大似然發(fā)估計(jì)，混合模型中的缺失值處理，貝葉斯估計(jì)混合模型等?；旌夏Ｐ捅粦?yīng)用在許多領(lǐng)域，特別是觀測值之間是有關(guān)聯(lián)的重復(fù)測量數(shù)據(jù)，比如動植物育種，醫(yī)學(xué)，也被應(yīng)用在其它領(lǐng)域，比如棒球，工業(yè)統(tǒng)計(jì)等。
評估方差組分的方法有很多種, 有EM 方法, REML方法, Beyes方法等, 現(xiàn)在R種的包(nlme, lme4, MCMCglmm，asreml)對這些方法都有應(yīng)用.
