森林生长观测数据常常具有层次结构、重复测量等特点,因而不满足普通回归分析中的独立性假设,会得到有偏的参数估计,包含随机效应的混合模型可以灵活地处理这一问题。本文采用混合模型方法,建立东北近天然落叶松云冷杉林中落叶松、红松、云杉、冷杉、慢阔(色木、水曲柳、椴树和枫桦)和中阔(白桦、榆树和杂木)6个树种组的单木5年断面积生长模型。数据来自于20个长期固定观测样地,共得到10756个观测数据,其中随机抽取15个样地的8034个数据用于建模,其他5个样地的2722个数据用于模型验证。建立的模型与距离无关,不需要年龄和立地指数。结果表明:起初胸径、林分密度、立地因子和与距离无关的竞争指数都是显著影响林木生长的因子,在实际调查中,这些数据很容易得到;样地内的树木效应在所有模型中均显著;样地间的随机效应只在落叶松模型中显著。与传统的固定效应模型相比,考虑层次结构的混合效应模型显著地改善了模型的表现,决定系数从0.38～0.64提高到0.85～0.89,误差、均方根误差及其相对值均显著减少。模型有一定的生物学意义和统计可靠性。