当使用任何软件包（即lme4 glme（））拟合仅具有随机效应的模型时，可以获取具有ranef因子的BLUP。使用这些值进行双变量相关，主成分分析或多重比较检验具有统计背景吗？
使用现有的R包，我固定了一个模型，该模型考虑了完整的块设计，并具有二次抽样模型，该模型考虑了24个番茄种群的随机效应作为我的主要效应。由于种群（Accesions）是无限基因池的样本，因此必须将其视为随机效应。如Piepho等人所述。在2007年，这些被认为是遗传效应，因为它们是种群的BLUP。我通过测试所有选项并选择最佳可能性，正态性和均等性，使用以下R代码来估算每个群体的BLUP，链接函数和分布（根据Bates选择）：
Yglme = glmer(GM ~ (1|Accesion) + (1|Bloque) + (1|Bloque:Plot), data = Per, family=gaussian(link='identity'),REML=FALSE)
Yglme
# Residuals & residuals normality and homocedasticity testing for the already selected model of distribution / link function
Yres<-residuals(Yglme)
shapiro.test(Yres)
bartlett.test(Yres, Per$Accesion)
# Intercept of the model is 3276.7 as all the effects are random
#Estimating the random effects of the Accesions (populations)
Yb = ranef(Yglme)
Yba = Yb$Accesion
YBlup = Yba$`(Intercept)` + 3276.7#BLUPs
获得每个Accesions的BLUP之后，已要求我发布以应用相关性和多重比较。 Nature上有一篇文章使用了通过关联Accesion BLUP创建“遗传”关联的方法。但是我已经读过，使用混合模型时并不完全支持此方法，因为它不会考虑所有可变性，尽管该模型不会是混合模型（仅是随机效应）。在一个简单的模型中，您将执行ANOVA，然后进行多次比较测试并报告字母。但是在将以上内容用于BLUP的情况下，在不同特征的Accesion BLUP之间生成相关性，或者生成具有p值的事后检验或Tukeys检验是否正确？我知道可以通过将Accesion设置为fixed并使用glht（mcp（“ Tukey”））来完成此操作，但这完全是另一种模型。