这也是我关心的问题，我看了张伟豪的视频，确实提到了分类变量没有随机效应，我不太赞同，我的理解是随机效应代表了第一层的系数随着第二层的预测变量发生变化从而不是固定的，这样的话虽然第一层分类变量本身不会随机变化，因为不是连续变量，但是它的回归系数可以随着第二层的预测变量而发生变化，这种情况我觉得可以。例如不同性别的人群肺癌的发生率不同，假如男性比女性高1倍，则第一层的回归系数相应的OR值等于2，但是如果有随机效应存在就OR值不等于2，如果第二层的预测变量有地区医疗水平这个预测变量，对OR值有影响，就可以解释为随着地区医疗水平的不同，男性的得肺癌的危险度高于女性的数值不一样，随机变动的，可能好的医疗水平的地区男性比女性的危险度低于2。

@yuyan08  谢谢回复，一起探讨！
我又看了些资料，也是更加不理解”分类变量不用计算随机效应“的说法了，我现在认为是否计算变量的随机效应，应该取决于是否想探索该变量在各组之间存在差异，以及造成差异的原因。

使用HLM可以搭建不同的类型的模型。
模型一：随机截距、固定斜率模型。如果对截距计算随机效应，自变量的斜率只计算固定效应，得到的结果可解释为：不同地区的人在自变量为0时患肺癌的几率不同（截距是随机的，说明各组之间存在差异，虽然在这里性别为0不好解释），但在所有地区中，性别对患肺癌几率的影响程度都是相同的，比如所有地区都等于2（斜率固定不变）
模型二：如果对截距和斜率都计算随机效应，则结果说明：不仅不同地区的人在自变量为0时患肺癌的几率不同（截距随机），而且对于不同地区来说，性别对患肺癌几率的影响程度是不同的（斜率不同）。但此时只知道存在差异，不知道具体原因，如果想探索是什么地区因素造成性别影响程度差异的因素的话，可以在模型第二层计算交互作用，比如把地区水平变量代入。

如果所有变量都计算随机效应，应该更符合实际，但这样我的模型跑得太慢了......只计算固定斜率吧，除了知道各组的截距存在差异以外，研究的其实还是样本整体的情况。

我一直觉得随机斜率和层变量有关而与本身自变量的类型无关，因为随机斜率是代表不同层之间斜率的因为别的因素导致其随机变动，所以应该是可以设置随机变动的，至于你说的随机截距模型有一个窍门，当你看随机截距时不要像HLM哪像分为两个方程，而是用mixed放到一起看，这样就一目了然了，二层的随机截距的预测变量形式和一层就一样的，一眼看上去就是二层自变量对因变量的预测程度，比较直观。随机斜率的话可还是看两个方程，比较容易理解。

您好，楼主，请问HLM的结果解读，我的核心解释变量是随第二个层级变化的，那么，我最后是看固定效应里面的系数和P值，还是随机效应里面的系数和P值？