具有非正态数据和方差异质性的双向方差分析亲爱的数据分析朋友们！
我正在努力处理我的论文的数据 - 我想做双向方差分析，但我的数据是非正态分布的，并且没有显示方差的同质性。
我的数据是在一年的时间内每月收集的，每个治疗每月有 4 个数据点（分别针对下述变量）（其中我有两个）= 每个治疗约 48 个数据点，总共约 96 个数据点。
我想测试不同的变量：生物多样性（香农和辛普森指数）、乙烯产量和初级生产力。
我原来的双向方差分析模型是（例如）Shannon ~ Community*Time
数据的转换并没有导致假设的实现。
有没有一种方法可以使用 JMP 进行非参数检验，但不仅要测试单向（例如 Shannon~Community、Shannon~Time），还要测试交互项？
您还可以建议哪些其他替代方案？
我尝试使用 JMP 进行 GLM，但分布（二项分布、正态分布、指数分布、泊松分布）似乎不太适合我的数据... 我尝试了泊松，但后来我遇到了过度分散的问题（何时选择它，何时不选择它？）
我希望在这里找到一些帮助，提前致谢！
最好的，
弗兰卡
回复：非正态数据和方差异质性的双向方差分析听起来您不确定如何考虑时间，或在模型中随时间变化。
你在用月做什么？这是随机效应吗？您如何解释模型中随时间变化的情况？
第二个变量是你的治疗方式（社区？）
在拟合模型中，也许你的效果是：（或者不是月份，而是开始后的天数，或者在你的实验中有意义的东西。）
社区
月份和随机
月*社区&随机
然后，您可以进行自定义测试或多重比较（红色三角形、估计、多重比较）以获得每个社区的最小二乘均值。
分析后，检查残差的正态性。 您的实验反应的分散性可以用治疗和随机效应来解释吗？
回复：替代双向方差分析这很棘手，因为您并不能通过非参数化来真正逃避等方差假设。有些非参数不假设方差相等，有些则假设方差相等。您可以将 2 个因子分解为 1 个因子并进行韦尔奇方差分析。这就像同时测试两个主要效应和相互作用。问题是您无法单独测试每个因素的重要性。
此外，JMP 中没有像 Tukey HSD 这样的良好后续测试来查看所有成对比较，该测试还具有 Behrens-Fisher 调整以解释不等方差。有一个名为 Games-Howell 的测试，基本上是 Welch 的 Tukey HSD，但您必须使用 R 或 SAS 进行该分析。
JMP 确实有 Steel-Dwass，我认为这是一种排列测试。我从来没有这么幸运过，因为我的团队规模太小了。根据您的样本量，您可能可以使用该方法。我只是不确定它对不等方差的鲁棒性如何。
非参数 2 向方差分析是弗里德曼检验，但目前 JMP 中没有该检验。这里有一个讨论： https://community.jmp.com/t5/Discussions/Friedman-test-on-JMP/td-p/5974 。
非正态性对您来说并不是什么大问题，因为每种治疗都有很大的样本量。在大多数情况下，CLT 从 n=30 开始，方差分析的真正假设是均值的采样分布呈正态分布。你更大的问题是方差不等。
