具有多個重複測量因素的方差分析我是 JMP 新手，很難運行重複測量方差分析。 問題是我有兩個因素，兩者都是重複的措施。 在網上找到的所有示例都顯示重複測量方差分析，其中一個是受試者之間的因素，一個是受試者內部的因素。 誰能幫忙？ 這是一個描述。
一組科目。 這是一個帶有眼動追踪的人臉識別任務。 因變量是觀看時間的持續時間。
重複測量因子 1：半臉（上臉 vs 下臉）
重複測量因素 2：階段（學習、目標和乾擾因素）
簡而言之，我們有興趣了解受試者看上臉或下臉的時間是否更長，以及他們看時間的持續時間是否因階段而異（當學習面部、目標面部或乾擾面部時）。 再加上互動。
幫助！
回复：具有多個重複測量因素的方差分析謝謝朱利安。 從那時起，我對線性混合建模做了一些深入研究，並澄清了很多這個問題。 對於那些閱讀這篇文章並有類似問題的人，請參考 Andy Field 的 Discovering Statistics 第 4 版（關於多級線性模型的章節）作為起點。 我現在很清楚，在運行方差分析時，SPSS 和 JMP 插件並未將主題視為固定效果。 但是，如果您懷疑某個科目的分數之間可能存在相關性，則應使用線性混合建模將科目建模為隨機效應。 . .或其他一些合適的測試。 如果您的受試者內測量值不相關，那麼方差分析就足夠了。 如果有人覺得我在這一點上有誤，請指正！回复：具有多個重複測量因素的方差分析大家好，
我只是想澄清一些關於全階乘重複測量插件的事情。 該加載項*不*將主題視為固定效果。 加載項生成的模型將主體視為隨機效應，並將與主體的所有交互建模為隨機（主體的隨機斜率）。 如果在運行模型後啟動模型對話框（或直接從加載項），您可以看到如何在標準擬合模型對話框中定義此結構。 使用此插件設置的分析結果肯定不同於將受試者視為固定效應（當然，不推薦這樣做）。
朱利安
回复：具有多個重複測量因素的方差分析只是為了插話...
如果研究者選擇了四個受試者並希望分析的解釋僅適用於這四個受試者，則受試者因素應該固定。
如果研究者從所有受試者群體中隨機選擇四名受試者，以便將分析的解釋推廣到該人群，則受試者因素應該是隨機的。
我還推薦 Milliken, GA, 約翰遜, DE (1997);雜亂數據分析，第 1 卷：設計實驗;查普曼和霍爾；第 322-350 頁。
回复：具有多個重複測量因素的方差分析這為我解決了。 非常感謝您付出的所有時間和精力。 我現在知道了。
真摯地，
雪利酒回复：具有多個重複測量因素的方差分析該加載項將主題效應視為固定的，這就是您獲得與使用 SPSS 相同的結果的原因。
我相信創建該加載項是為了在將主題效應視為固定時為期望結果的用戶重現 SPSS 分析風格。 JMP 知識庫中的說明將受試者效應視為隨機效應。
重複測量是一種常見的研究設計，可以使用多元方差分析。 您多次測量同一受試者的反應。 您可以包括一個或多個因子和協變量。 主題效應再次被視為隨機的。
抱歉，很難跟上你的步伐。 我在 BIOS 級別遇到了多個深層次的計算機問題！
回复：具有多個重複測量因素的方差分析好的，我同意你的第一點。 我可以看到這些方法需要很長時間才能更新並成為主流。
關於此評論，“如果使用傳統的 MANOVA 進行重複測量分析，則主題是隨機效應。” 我可以用不同的方式問我的問題嗎？ 如果我使用 JMP 插件進行全因子重複測量方差分析來進行分析（就像我在本帖開頭所做的那樣），受試者會被視為固定效應還是隨機效應？
如果修復了，那麼我理解您對這種方法“落後於時代”的評論。 如果是隨機的，那麼加載項的作用與使用此方法運行分析之間有什麼區別（ http://www.jmp.com/support/notes/30/584.html ) 使用單變量裂區方法？ 結果有點不同。 我唯一的結論是加載項將主題視為固定效果，而第二種方法將其視為隨機效果。
JMP 使用術語“MANOVA”也讓我有點困惑，因為我一直認為 MANOVA 涉及兩個因變量（ http://online.sfsu.edu/efc/classes/biol710/m… ), 而我只有一台 DV。 我認為 JMP 將其稱為 MANOVA，但如果您僅在 DV 上輸入，那麼您運行的真的是方差分析嗎？
很抱歉提出一長串問題。 我希望這個帖子對以後和我有同樣問題的人有用。 我在這個過程中學到了很多東西！回复：具有多個重複測量因素的方差分析SAS Education的統計講師推薦這本書：
沃爾特·W·斯特普 (2013)廣義線性混合模式：現代概念、方法和應用, CRC Press, Boca Raton, FL, ISBN 978-1-4398-1512-0（精裝本）
回复：具有多個重複測量因素的方差分析好吧，聽起來你確信作為實驗單元一部分的受試者應該是隨機效應。 它是 MANOVA 中隱含的隨機效應。 它在混合效應模型中顯然是一種隨機效應。
在某些情況下，塊效應應該被視為固定效應，但它們與您的研究完全不同。
回复：具有多個重複測量因素的方差分析我不確定大多數 SPSS 用戶是否將主題視為固定效果，但我相信你。 大多數人並不總是正確的，在統計數據中，大多數人在採用新方法方面往往只是落後了。 方法的流行大約需要二十年，而將它們寫入教科書和在學校教授還需要十年時間。
你是對的：如果使用傳統的 MANOVA 進行重複測量分析，則主題是隨機效應。
將主題視為固定效果並沒有錯，但這種解釋有什麼用呢？ 主題與治療無關。 主題只是實驗單元的一部分。
回复：具有多個重複測量因素的方差分析聚苯乙烯 也感謝您在上面的評論。 我理解你在原則上描述的內容，但對我一直認為標準重複測量方差分析已經將受試者視為隨機效應的概念感到困惑。 正如一位統計朋友最近所說：“我不確定為什麼 SPSS *永遠* 將主題視為固定效果。 我很確定它將主題視為隨機效果。 將受試者視為隨機來自隨機抽樣的想法，我們假設受試者得分的方差是總體誤差方差的真實反映 - 這使我們能夠推廣到總體，而不僅僅是 N 個人在我們的樣本中。 將受試者視為固定因素與隨機因素通常會改變我們構建 F 比率的方式。 您從任一程序獲得的測試都應該使用誤差項作為 F 比的分母。 因此，例如，半臉的 F 比應為 MS（半臉）/MS（錯誤），具有 1、2x3x(N-1) 個自由度；相位的 F 比應為 MS(phase)/MS(error)，具有 2、2x3x(N-1) 個自由度；並且交互的 F 比率應為 MS（交互）/MS（錯誤），具有 2、2x3x(N-1) 個自由度。 無論給你什麼，那就是做對了！”回复：具有多個重複測量因素的方差分析非常感謝您的快速回复。 關於這個話題，你有什麼資源可以指點我嗎？ 我最終首先在 SPSS 中使用“傳統”重複測量方差分析分析我的數據（為簡單起見，我將其稱為“SPSS 傳統”）。 然後，我在 JMP 中進行了相同的分析，但將受試者作為隨機效應（JMP 混合效應）包括在內，當然，得到的結果略有不同。 然後，我使用上面推薦的插件進行重複測量方差分析（JMP Traditional）並得到與我的 SPSS Traditional 分析相同的結果。 最後，我能夠使用 SPSS Mixed 對主題進行重複測量方差分析作為隨機效應 (SPSS Mixed Effects)，並產生與我通過“JMP Mixed Effects”獲得的結果相同的結果。 所以，本質上，這兩個程序在做同樣的事情，在 JMP 中進行混合效應分析更容易。 現在，我仍然感到困惑的是為什麼在我看來這不是大多數人正在做的事情（或者至少不是大多數 SPSS 用戶正在做的事情）時為什麼應該將主題作為隨機效應包括在內。 “傳統的”重複測量方差分析是否已經在某種程度上將受試者視為隨機效應？ 你能給我指點任何資源來證明傳統模型所做的事情與包括隨機效應在內的對象所做的事情之間的區別嗎？ 非常感謝您幫我解決這個問題。 我想確保我真的理解它。回复：具有多個重複測量因素的方差分析事實上，軟件通常無法正確估計隨機效應，除非在最近的特殊情況下。 因此，大多數分析使用標準方差分析或回歸分析，並（錯誤地）將所有效應視為固定效應。 許多教科書還沒有趕上更現代的實踐。
固定或隨機之間的選擇基於您對變異源的影響的推斷。 我們通常對治療等因素的固定效應感興趣。 我們認為這種效果是固定的，因為我們的推斷是關於特定級別的，我們相信每個級別總是產生相同的效果。 另一方面，一些變異來源僅代表樣本。 主題的效果就是這樣的情況。 我們通常對個別主題的影響不感興趣，因為它不會概括，而是關心人口。 在這種情況下，我們對受試者之間的差異感興趣。 隨機效應就是這種方差。
回复：具有多個重複測量因素的方差分析我很高興你問！ 這個問題一直在折磨我們！ 我們一直在努力弄清楚為什麼我們在 SPSS 中的輸出與在 JMP 中的輸出如此不同。 最後，我們認為這一定與 JMP 將受試者視為隨機效應有關。 事實證明，如果我使用上面推薦的加載項，結果與 SPSS 的結果相同。 那麼，你能告訴我們嗎！？ 為什麼需要將主題作為隨機效果包括在內？ 我一直在尋找統計書籍、在線資源，到處都是我能想到的，以弄清楚為什麼 JMP 這樣做，而其他統計軟件包卻沒有！ 如果這裡有人可以提供答案，你會讓我開心！回复：具有多個重複測量因素的方差分析吉姆解決了你的問題，但我只是想確保他的筆記JMP 知識庫中的答案也是您的答案的一部分。
您為什麼不想將主題視為隨機效果？ 主題的固定效果如何有意義？
回复：具有多個重複測量因素的方差分析這解決了它。 太感謝了！回复：具有多個重複測量因素的方差分析謝謝！ 我會調查的！
回复：具有多個重複測量因素的方差分析如果你還沒有看過這個插件，我建議你從文件 exchangw 下載它
全因子重複測量方差分析插件
回复：具有多個重複測量因素的方差分析另外，我應該澄清一下，困難在於在 JMP 中輸入這些變量來進行分析。 我可以弄清楚如何用一個重複的測量來做到這一點，但可以找到一個選項來指定我有兩個。 我能夠使用堆疊數據使其工作，但前提是我將主題指定為隨機效果，而我不想這樣做。
