线性混合模型的纵向建模全流程教学：以小鼠体重生长为例的可复现案例研究

背景：线性混合模型是分析纵向连续数据中心方法，但许多学习者仅接触零散的公式或软件输出，缺乏完整的工作流程。亟需一个单一、可复现的案例研究，将问题、模型构建、诊断与解释串联起来。方法：我们重新分析了一项包含31只小鼠、分为3组、每只小鼠在12周内每周称重的实验。我们将数据整理为长格式，利用轮廓图阐释线性时间趋势，随后拟合三个随机截距线性混合模型：公共斜率模型、完全互作用的组间时间模型，以及保守模型（两个组共享斜率，第三个组额外斜率）。分别采用最大似然、AIC、BIC和似然比检验比较模型，并使用线性对比估计组间每周均值差异及12周增益。结果：保守模型与完全互作用模型拟合相当，但显著优于公共斜率模型，揭示两组小鼠增长相似且较小，另一组增长显著更快，且差异具有高度显著性。解释：本案例研究提供了从原始数据、探索性图表到模型选择、诊断和针对性对比的完整、可执行工作流程。通过明确将科学问题映射到模型术语和可估计对比，并提供R代码和步骤检查表，作为生物统计学、流行病学及相关领域的教学和实际应用模板。