摘自 Jospeh B. Kadane 的不确定性原理（第 336 页，免费提供）：

这个想法有古老的历史根源。因为这些根源仍然在当前的文献中发挥作用，所以追溯它们的一点是有用的。1960 年代早期的普遍观点（例如，参见 Scheffe (1959, 1999)）是在线性模型中区分“固定效应”和“随机效应”。“混合效应模型”既有随机效应，也有固定效应。随机效应和固定效应有什么区别？这和你感兴趣的东西有关。如果你对每个孩子的能力感兴趣，你会对待作为固定效应参数。如果你对类感兴趣，而不是每个孩子的能力，你会认为是随机效应，而$\alpha$$\beta$$\alpha$'作为示例中的固定效果。从贝叶斯的角度来看，这有几个特点。首先，“随机效应”是具有先验的参数。经典分析将这些参数排除在可能性之外。但是经典的参数不应该具有分布，并且关于参数的积分被认为是非法的举动。其次，“随机”和“固定”之间的区别本质上是关于人们希望估计什么，因此是效用函数的问题。效用函数怎么会影响可能性，尤其是在经典的在何种情况下，可能性被想象为关于数据如何生成的客观事实？第三，如果我既关心孩子的个人情况又关心孩子的班级比较怎么办？我可以 t 在同一分析中将相同的参数视为固定参数和随机参数！我记得困惑的社会科学家希望获得关于哪些参数被视为随机参数和哪些参数是固定参数的建议，并对所有参数都是随机的（即具有分布的不确定量）的反应感到惊讶。从贝叶斯的角度来看，没有区别，也没有问题。