一般的线性混合效应模型假设所有的解释变量的影响是线性的，这在实际中往往是有问题的.放松这个假设条件会导致一般的非参或者半参模型，比如广义可加性模型、广义部分线性单指标模型、半参数非线性混合效应模型等.本文基于自由节点样条技术对单指标混合效应模型进行完全的Bayes分析.自由节点样条最吸引人的特点是把样条节点的个数和位置作为随机变量，这相当于在经典方法中采用可变的窗宽或平滑参数，从而使模型具有空间自适应性;并通过可逆跳Markov chain Monte Carlo抽样器来更新它们，这大大提高了估计的准确度.本文我们从联合后验中将回归系数和误差方差积分掉，进而将指标向量和样条节点个数和位置的边际后验作为目标分布，并且设计一个广义Gibbs抽样步，加快了收敛速度.最后，用仿真的方法验证本文建议方法的有效性，并应用于分析实际数据.