混合效应模型包括线性混合效应模型和非线性混合效应模型两种,目前这一方法在医学、农业、经济、林业及其他领域有了广泛的应用。森林在生长发育过程中,受地理或物理环境、立地条件、气候变化、树种特性及林分本身的影响,在地域上或样地上存在着生长上的差异。以往在模拟森林生长及收获预估时,建立的模型基本上都没有考虑样地之间或地域之间存在的差异性。森林生长及收获模型采用的重复测量数据是林业研究中十分常见的数据类型。针对这种数据的分析方法,经过多年的发展,已经有了很大改善,尤其是通过拟合混合效应模型,相对于用一般的多变量分析而言,模型建立更为灵活,结果更为可信。但是,一般以往文献中应用混合效应模型多是针对单一反应变量重复测量的情况,数据之间的相关性也仅存在于同一个体的多次测量结果之间。本研究是在了解混合效应模型原理方法的基础上,运用分布在江西省不同地区的杉木数据,研究混合效应模型在重复测量资料分析中的应用,建立与完善其模型,并进行实例分析。结果认为该方法不仅可以更加有效、深入的挖掘该类数据中蕴藏的信息,得到固定效应和随机效应的估计值,同时可以得到反应变量本身之间的相关系数和变量多次重复测量间的相关系数,对数据间的相关性进行更加细致的分解和研究。另外,也可拟合不同的混合效应模型,通过比较拟合统计量的大小和协方差参数的多少,从中选择针对该数据最切合实际解释的统计分析模型。本文首先总结了混合效应模型在森林生长模型中的应用,然后考虑区域效应、样地效应及两层效应,对混合效应模型在模拟江西省杉木林分的优势木平均高、林分单位断面积、林分单位蓄积及单木直径生长量中的应用进行研究。本文主要的研究内容、结论和创新如下：(1)优势木平均高：以江西省杉木样地数据为例,利用4个常用的Richards和Schumacher模型形式,分别考虑样地效应、区域效应以及同时考虑样地和区域效应,在此基础上考虑模型的异方差及多次观测的时间序列相关性。研究结果表明,无论是考虑样地效应或区域效应,还是同时考虑样地效应和区域效应,模型的拟合效果要好于传统的最小二乘模拟方法。当考虑样地效应时,在这4个方程中,Fang (2001)提出的修改后的Richards模型模拟的效果最好。在考虑模型的误差方差协方差矩阵时,指数函数形式的异方差结构及AR(1)的时间序列相关结构矩阵形式模拟效果最好。当考虑区域效应时,Fang提出的修改后的Richards模型模拟的效果最好。在考虑模型的误差方差协方差矩阵时,指数函数形式的异方差结构及AR(1)的时间序列相关结构矩阵形式模拟效果最好。同时考虑样地效应和区域效应时,结果为与单独考虑一个效应相比,提高了模拟的精度,并且差异显著,在考虑误差方差协方差结构时,指数函数的异方差方程和AR(1)的时间序列相关结构矩阵形式模拟效果最好。利用新的验证数据进行优势木平均高的预测也证实了上述结论。(2)林分断面积：选择常用的Richards和Schumacher方程来模拟林分的断面积,结果发现自变量包括林分公顷株数、林龄及优势木平均高的Schumacher型断面积模型模拟精度最高。因此在此模型基础上构建非线性混合效应模型。当考虑林分地貌特征时能够提高模型的估计精度,因此在构建断面积模型时地貌特征作为定性因子加入到模型中。在构建混合模型时首先考虑所有参数都分别作为混合参数,然后多个参数作为混合参数进行模拟。研究结果表明,在考虑样地效应时,G=exp(b0+b01*dm+b1/t)Nb2+b4(?)Hb3+u(?)+b31*dm+(b5+u(?))(?)+εi模拟效果最好。当考虑区域效应时,G=exp(b0+b01*dm+b1/t)Nb2+u(?)+b4/tHb3+u2i+b31*dm+b5/t+εi的模拟效果最好。同时考虑样地效应和区域效应时,G=exp(b0+b01*dm+b1/t)Nb2+b4/tHb3+u(?)+v(?)ij+b31*dm+(b5+v2ij)/t+εi的模拟效果最好。无论是考虑样地效应、区域效应还是两者同时考虑,当考虑方程的异方差结构时,幂函数形式模拟效果最好；当考虑时间序列相关性时,AR(1)结构的模拟效果最好。最后进行方差分析表明,同时考虑异方差和时间序列相关性时,比单纯考虑异方差或时间序列相关性模拟效果都好,且差异显著。最后,对3种效应的模拟效果和最小二乘方法的模拟精度进行验证并选择新的样地进行预测。(3)林分蓄积：分两种情况进行模拟,一种是单纯混合模型进行模拟,一种是基于混合效应模型的优势木平均高、林分断面积和林分蓄积的联立方程组模型进行模拟。结果为,优势木平均高是联立方程组中最基本的组成部分,其准确预测是联立方程组的关键之一。优势木平均高和林分断面积是林分蓄积估计的主要误差来源。在模拟中考虑三个因变量的自相关性,在优势木平均高和林分断面积模型中考虑参数的随机效应后则蓄积的随机效应可忽略。最后对未来林分的优势木平均高、林分断面积和林分蓄积进行预测。(4)林分单木直径生长量：采用线性混合效应模型方法进行研究,在构建模型时,考虑单木大小、立地条件、林分因子及竞争对单木直径生长量的影响。在构建混合模型时分两种情况,一种是截距的样地效应、区域效应及两者的结合；一种是随机参数的样地效应、区域效应及两者的结合。在构建线性混合模型时两种情况都考虑了异方差和时间序列相关性的误差方差协方差结构。最后结果表明：①在考虑截距效应或随机参数效应时,无论考虑样地效应、区域效应或两种效应的结合,模拟效果都要好于传统最小二乘方法。②在考虑样地的截距效应或考虑区域的截距效应时,选择指数函数作为异方差形式及选择ARMA(1,1)的时间序列相关结构时,模拟效果最好。同时考虑样地和区域的截距效应时,选择幂函数作为异方差形式及选择ARMA(1,1)的时间序列相关结构时,模拟效果最好。③在考虑随机效应时：分别考虑样地效应或区域效应的影响时,则包括截距在内的所有参数同时作为混合参数时的模拟精度最高。在同时考虑样地效应和区域效应影响时,的模型模拟效果最好。最后利用验证数据分不同情况进行验证。