我们经常使用混合模型来解释观察的非独立性，这是线性回归的常见假设之一。这通常是由于观察结果的聚集而发生的，例如对象内的重复测量。当一个主题内的观察比其他主题的观察更相似时，我们将具有非独立性，因此我们为主题拟合随机截距以对此进行计算。如果我们不拟合随机截距，或以其他方式解释这种非独立性（例如，对受试者具有固定效应，或使用广义估计方程），那么点估计仍然是无偏且一致的，但标准误差将是错误的。