统计建模
广义估计方程
在 GLM 均值之上指定工作相关，用夹心估计给出聚类或重复测量下的总体平均斜率。
这篇能回答什么
广义估计方程（GEE）问的是：「把同班或同一个人的多行看成一簇之后，语文成绩对物理成绩的总体平均斜率是多少」。它沿用 GLM 的均值与连接，但用工作相关矩阵 R(α) 描述簇内相关，推断靠夹心（sandwich）标准误。教学表把示意访问记录打进三种工作相关切片：独立、可交换、一阶自相关。它不是 Wald 系数表，也不是三个年级的人数。
适合：班级里的多名学生、病人多次随访、门店按月重复。关心的是总体平均（population-average），不是每个班自己的随机截距分布。教学切片合计 307：独立 A 77（25.08%），可交换 B 71（23.13%），AR(1) C 159（51.79%）。C 过半只说明示意访问被划进 AR(1) 演示条较多，不能写成「所以必须用 AR(1)」。
如何选择方法
先问目标是总体平均还是簇专属。总体平均、工作相关只需「差不多对」、标准误必须扛住簇内相关 → GEE。要 τ₀₀、随机斜率、经验贝叶斯预测 → HLM / 混合。宽表球形度、没有时变协变量 → 重复测量 ANOVA。不随年改变的省份效应 → 面板固定效应。没有簇 ID，不要开本页。
广义估计方程：Y + X + 聚类 ID（及可选时间）；输出工作相关切片与夹心推断口径。
广义线性模型：同一均值，默认行独立。
HLM / 混合效应：主题专属随机效应，不是边际方程。
重复测量 ANOVA：齐整宽表的均值向量，不估时变斜率。
输入、输出与限制
输入
必须有一列真实的聚类标识：班级、患者、门店。因变量可以是物理成绩（正态恒等）或达标 0/1（二项 logit）。自变量如语文成绩。可选时间列：只有同一人有多次、且次序有意义时，AR(1) 才说得通。定量成绩表里每个学生一行，班级可当簇；此时可交换比 AR(1) 更诚实。
聚类 ID：最少 1 个，最多 1 个定类标识。
因变量 Y：最少 1 个，最多 1 个。
自变量：最少 1 个，最多 30 个。
工作相关：独立 / 可交换 / AR(1)。
输出
结果表项目列写「广义估计方程」。A/B/C 是三种工作相关切片的占用，合计 307。没有把夹心 z 印出来。图是自变量–因变量散点；簇结构看不见，必须回到切片表。
产品限制
切片占用按访问或示意条清点，不必等于成绩表行数。
每个簇只有一行时，AR(1) 没有「上一期」，切片 C 再大也不能救。
学号一人一值，不能既当簇又当协变量。
工作相关选错，点估计往往还能用，夹心标准误的效率会掉。
案例
研究问题。 定量成绩表里同一班级有多名学生。研究者要语文成绩对物理成绩的总体平均斜率，并承认同班残差可能相关，但不想为每个班估计一条随机截距。
教学切片合计 307：独立 77、可交换 71、AR(1) 159。下载定量成绩表：聚类 ID 放班级，Y 放物理成绩，X 放语文成绩。每个学生只有一行，工作相关应优先可交换；把 C 的 51.79% 当成「软件推荐 AR(1)」是误读切片。
在 StatsX 中操作
步骤 1 · 载入带班级列的成绩表
使用 Sheet1。确认班级是真实的教学班，不是把年级误当成簇。文件不超过 20 MB。
步骤 2 · 分清簇 ID 和协变量
班级进聚类角色。语文成绩、数学成绩进自变量。学号既不是簇也不是 X。
步骤 3 · 打开广义估计方程
目录搜「广义估计」或 GEE。不要点成广义线性模型——那一页没有工作相关。
步骤 4 · 指定角色与工作相关
Y=物理成绩，X=语文成绩，聚类=班级。一人一行时选可交换；只有随访次序存在时才选 AR(1)。
步骤 5 · 读切片再谈效率
三种切片是演示占用，不是模型比较的 AIC。没有印出的夹心 z 不要自己编。
如何阅读输出
下表是工作相关切片，不是系数。合计 307。A 独立 77（25.08%）把簇内相关当成 0；B 可交换 71（23.13%）假设同班任意两行相关相同；C AR(1) 159（51.79%）假设相关随间隔衰减。占比分母是切片占用，不是班级个数。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 广义估计方程 | 类别 A | 频数 | 77 |
| 广义估计方程 | 类别 B | 频数 | 71 |
| 广义估计方程 | 类别 C | 频数 | 159 |
| 广义估计方程 | 合计 | 有效样本 N | 307 |
| 广义估计方程 | 类别 A | 占比(%) | 25.08 |
| 广义估计方程 | 类别 B | 占比(%) | 23.13 |
| 广义估计方程 | 类别 C | 占比(%) | 51.79 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
C 占 51.79% 最容易被误写成「AR(1) 胜出」。切片不是信息准则。一人一行的成绩表里，AR(1) 没有时间间隔可衰减，应把可交换当作默认工作相关。独立切片仍可能给出相近的点估计——GEE 的一致性来自均值指定正确，工作相关主要影响效率。
阅读顺序：簇 ID 是否真实 → 每簇行数是否大于 1 → 声明的工作相关 → 切片占用有没有和声明打架 → 若另有夹心标准误，用它而不是模型标准误下结论。表头没有 Wald，就不要给语文成绩补一颗星。GEE 系数是总体平均，不能和 HLM 的主题专属斜率对抄。
理论与公式
第 i 簇的均值仍是 GLM：g(μ_i)=X_iβ。工作协方差写成
独立：R=I；可交换：非对角全是 α；AR(1)：R_{ts}=α^{|t-s|}。估计方程
夹心方差用面包–肉馅–面包：两边是模型信息，中间是残差外积。工作相关不必正确，均值正确时 \hatβ 仍相合；R 越接近真相关，标准误越省。教学切片 n_A=77、n_B=71、n_C=159，合计 307，是演示条清点，不进入上式的簇数 K。HLM 估计的是条件于随机效应的均值，数值上通常不会等于这组边际方程。
注意事项
切片 C 大不是选用 AR(1) 的理由；看有没有真实的时间次序。
簇数太少时夹心标准误本身不稳，不能靠把工作相关改来改去补救。
GEE 不给出班级预测值；要「这个班的基线」用混合模型。
缺失若与结局有关，简单的 GEE 可能偏，需要更完整的纵向缺失策略。
图上看不见簇，论文不要用散点代替工作相关说明。
常见问题
参考文献
Liang, K.-Y., Zeger, S. L. Longitudinal Data Analysis Using Generalized Linear Models. Biometrika, 1986.
Zeger, S. L., Liang, K.-Y. Longitudinal Data Analysis for Discrete and Continuous Outcomes. Biometrics, 1986.
Hardin, J. W., Hilbe, J. M. Generalized Estimating Equations. Chapman & Hall.
Diggle, P. J., Heagerty, P., Liang, K.-Y., Zeger, S. L. Analysis of Longitudinal Data. Oxford University Press.