MANOVA最適合這個還是我應該使用其他方法？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我試圖了解用於研究多個因素如何影響最終表現的最佳方法。
比如，一個對象經過幾個連續的過程步驟A，B，C，D，並使用度量X，Y，Z測量其最終性能。因此ABCD是獨立變量，XYZ是響應的。對於每個獨立的步驟，有幾個不同的工藝條件：A1，A2，A3，B1，B2 ...... 最終的實驗結果表將包含具有不同工藝條件組合的入口對象，例如，通過經過A1-B2-C1-D3的工藝條件生成一個對象，另一個樣品將是A2-B3-C4-D1等等
我的目標是找出哪個流程步驟會導致響應發生重大變化。
我應該使用MANOVA嗎？我看到了一個使用MANOVA的例子
http://www.scientificcomputing.com/articles-DA-A-Multiplatform-Look-at-Multivariate-Analysis-120809.aspx
但在這個例子中，只有一個變量（治療），看看反應如何改變為不同的治療。
在我的情況下，響應將受到堆疊在彼此之上的多個變量的影響。如何使用MANOVA或其他更適合的方法？每個數據點需要多少數據點才能有足夠的計算自由度？
非常感謝您的幫助！我用的是JMP8。
蒂芙尼
MANOVA最適合這個還是我應該使用其他方法？由於混淆問題，我唯一能想到的是混合模型方法。 我真的看不出任何其他方式來拉出你想要的東西。 無論如何，這裡有一些更多的想法。 我真的認為流程B和流程C是隨機效應 - 例如，在流程C中，實例1到4，是否有任何理由相信C1與C2具有不同的平均值？我認為過程的不同實例只會增加可變性，而不是一些固定的數量。 對於過程B，同樣適用，並且在這裡我們具有完全分離，使得對於兩個厚度添加的可變性可以是不同的。
我不知道如何在JMP中這樣做，但我知道有一個混合模型估計程序可用。 從挑選列表中，我將A作為固定效果，B，C，以及A和B的相互作用作為隨機效應。 也可以包括A和C的相互作用，但是C6在某種程度上使問題複雜化。 通過一些模擬數據，我能夠在SAS中進行分析，但交互隨機效應只是一個問題。 您無法從分析中刪除C6，因為您只有一個批次（C5）與A2。 我能做的最好的是
proc glimmix data = one;
class abc;
model x = a / ddfm = kr;
隨機b /解決方案組= a;
隨機c /解;
跑;
我希望在JMP中有一個等價物 - 也許其他人可以“跳”並幫助。
史蒂夫德納姆
MANOVA最適合這個還是我應該使用其他方法？嗨史蒂夫，
非常感謝您的時間和幫助！
請讓我澄清一下：
A）總共108個兩個厚度的樣品：A1的78個和A2的30個。
B）這些樣品進入工藝B（在anoven中進行熱處理）。我希望所有的樣品都能一起完成，但是由於烤箱空間的限制，每次只能容納六個樣品，所以這一步最終得到13個厚度為A1的批次（B1，B2，B3 ...... B13）和5個批次的厚度A2（B14，B15 ... B18）。（總計：13 * 6 + 5 * 6 = 108）該步驟引入了厚度差異之上的批次間變化。
C）然後，所有這些樣品進入過程C（腔室中的壓力步驟）。該腔室比用於過程B的烤箱大，因此每次運行可處理18個樣品，總共6次運行，C1，C2 ... C6（ 18×6 = 108）。每批C批包含來自三批B批的樣品。將相同厚度的樣品盡可能地分組在一起，除了最終批次C6，其包含來自方法B的剩餘A1厚度（B13）並且留在來自方法B的A2厚度（B17，B18）。
C1 = B1 + B2 + B3
C2 = B4 B5 + B6 +
C3 = B7 + B8 B9 +
C4 = B10 + B11 + B12
C5 = B14 + B15 + B16
C6 = B13 + B17 + B18
之後，測量所有樣品的參數X.我想知道過程B和過程C中厚度，b到b的變化如何影響X.
或者為了進一步簡化和縮小，由於C1-C4僅包含厚度A1，因此可以問一個問題，即在厚度A1的過程B或C的b到b變化中，X中看到的變化有多大？也許雙向ANOVA？但我想學習如何使用多路（> 3）ANOVA，因為我還有其他因素更多的因素。
非常感謝，期待收到您或任何專家的意見！
蒂芙尼
MANOVA最適合這個還是我應該使用其他方法？B和C情況仍然有些混淆，並擔心兩個厚度傳遞到B過程的不平衡。 我想先解決後者問題。 如何將樣品分配給批次？18不會均勻地分成78或30，因此分析會使厚度效應與過程B批次效應混淆。18個批次只有一個A2，如果使用準平衡設計，12個將有2個。 我擔心A1和A2的數量不同會大大增加批次間的可變性。
然後將B1中的6個樣品通過C工藝分6個獨立批次進行處理。每批中是否有13個A1和5個A2樣品的恆定比例？樣本如何聚合成C批次？
我將其視為混合模型，具有單個固定效應（A）和四個感興趣的隨機效應（B，C，A * B和A * C，三向基本上是噪聲）。 我將分別對每個響應變量進行建模，而不是作為MANOVA，儘管您可以將響應X，Y和Z視為批次上的重複度量。 我沒有足夠的JMP經驗來了解這是否可行，但在SAS中，可以使用PROC GLIMMIX中的相應RANDOM語句來完成。
我希望這篇文章的第一部分對你思考這個設計有用。
史蒂夫德納姆
MANOVA最適合這個還是我應該使用其他方法？非常感謝您的回复。這對清除我的想法很有幫助。
變量A，B，C ...... 是樣本經歷的歷史屬性。 這是一個詳細的例子。
一組總共108個樣本具有以下過程/歷史/條件：
A）兩個厚度A1，A2。厚度A1有78個樣品，厚度A2有30個樣品。所以厚度將是一個變量。
B）所有樣品經過18個批次的一個過程--B1，B2，B3，B4，B5，B6，...... B18。每批包含6個樣品。B1-B18是該過程的所有獨立運行。批次到批次的變化將是一個變量。
C）在步驟B）之後，所有樣品經過另一個具有高3倍吞吐量的過程，即一個批次可以容納18個樣品。總共有6批次。C1，C2，C3 ...... C6。批次到批次的變化將是另一個變量。
之後，測量每個樣品的最終性能X. 我們的目標是找出X中所見變化的主要貢獻，它主要來自厚度差A？或者從流程B中的批次到批次變化？還是在過程C？
我只有JMP8。非常感謝任何關於如何使用JMP來理解上述問題的建議。非常感謝！
蒂芙尼
MANOVA最適合這個還是我應該使用其他方法？JMP也可以做PLS - 它在Analyze / Multivariate Methods下。
BR，Marianne
MANOVA最適合這個還是我應該使用其他方法？如果沒有更多信息，這是一個難以回答的問題。 設計是完全因子的，這樣在研究中可以觀察到A，B，C和D的所有水平嗎？響應連續變量是否至少類似於正態分佈？你有足夠的觀察數量嗎？特別是，假設每個設計變量有4個級別，從而提供256種可能的組合。 每個組合你有大約四個觀察結果嗎？如果這些假設中的任何一個都沒有得到滿足，那麼MANOVA可能會遇到麻煩。
如果您沒有所有256個組合（假設每個設計變量有四個級別），您可以重新編碼並可能使用示例中的內容嗎？即：處理1是A1-B1-C1-D1，依此類推，直到您耗盡現有組合。 這可能對MANOVA更有效。 那麼困難在於構建適當的對比以觀察設計變量的影響。
如果您使用SAS，我會考慮查看PROC PLS。 我不知道JMP中的等效方法是什麼。
史蒂夫德納姆
