SuperMix组合了由Donald Hedeker 和 Robert Gibbons开发的MIXREG, MIXOR, MIXNO, 和 MIXPREG等4个混合效应(mixed-effects)程序的功能到一个应用程序中，用来提供对混合效应回归模型的估计。

混合效应模型也被称为多层，分层或随机效应模型。这些模型能够被用于纵向数据(longitudinal data)的分析，在这里每个单独的值都是在多次不同的时候测量的。他们同样能够被用于聚类数据(clustered data)，比如在诊所的病人。

SuperMix已经由SSI在2008年9月开发出来。SuperMix可以拟合带有连续,计数,序数,名义和幸存输出变量并且嵌套数据的模型,允许多达3层的嵌套。关键特征列在下方：

方便的使用图形化用户界面：导入数据到SuperMix中，然后使用菜单和对话框构建新的模型
带有自相关残差的连续输出变量的混合效应模型
序数回归分析，包括非比例优势模型(non-proportional odds model)和尺度效应(scaling effect)的混合效应模型
泊松回归分析的混合效应模型
名义logistic回归分析的混合效应模型
分组时间幸存分析的混合效应模型
允许嵌套设计的2层和3层模型
高质量的图形

示例

SuperMix程序被用于混合效应模型，也称为多层，分层或随机效应模型。这些模型能够用于分析纵向数据(longitudinal data)，每个数据都有以不同的机会数被测量到。他们能够被用于聚类( clustered data)数据，比如在诊所的病人。

基础示例

Two-level models for continuous outcomes
Two-level models for count outcomes
Two-level models for binary outcomes
Two-level models for ordinal outcomes
Two-level models for nominal outcomes

高级示例

A mixed model with off-set variable
A two level survival analysis model

图形化显示

Data-based graphics

Exploratory graphics
Univariate plot

Bar chart
Pie chart
3D pie chart
Histogram

Bivariate plot

Scatter plot
Line only plot
Scatter and line plot
Box and Whisker plot
Bivariate bar chart

Multivariate plot

Model based graphics

Equations
Residuals
Confidence intervals