在线性混合模型中，协变量的影响仅限于严格的参数形式。随着半参数和非参数回归的兴起，混合模型也得到了扩展，以允许添加预测因子。常用的方法将可加模型表示为混合模型。本文提出的另一种方法是基于似然的增强。提升起源于机器学习社区，在那里它被提议作为一种技术，通过将估计值与加权观测值相结合来改进分类过程。基于似然的增强是一种通用方法，可以看作是L2增强的扩展。在加性混合模型中，以组件增强形式出现的增强技术的优点是，它适用于存在许多影响变量的高维设置。它允许通过隐式选择相关变量和自动选择平滑参数来拟合许多协变量的加性模型。此外，通过在平滑面上指定随机斜率，可以使用增强技术来合并平滑影响函数的特定主题变化。这就产生了灵活的半参数混合模型，适用于简单的随机截取无法捕获受试者之间的观点变化的情况。