JMP 会在 Steel-Dwass 中自动计算等级吗你好
研究：我将分析一个非参数数据集，其中两种类型的麻线在同一个水箱中培养，以测试藻类孢子沉降的偏好。 测试了三个水平的搅拌。 使用麻线 (2) 和搅拌 (3) 的 3 次重复产生 6 个组合或数据集。 它们在9个实验单元中培养，使用2*9根麻绳。
我可以在不先进行弗里德曼检验的情况下使用 Steel-Dwass 来比较 6 个数据集的中位数吗？ 或者我应该使用 Fit X by Y 保存排名，然后通过用一个因素（等于弗里德曼检验）阻止对排名进行 2 因素方差分析以获得主要因素的影响？ 然后在自己计算的等级中使用 Steel-Dwass？ 还是在执行 Steel-Dwass 时 JMP 会自动计算和使用排名数据？
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？看帮助>图书>拟合线性模型对于范围事后选择最终模型后可用的测试。 您无需创建新列或执行任何其他操作特别指定比较。
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？一般来说，您的问题的答案是肯定的，但有一个例外。 此设计不使用嵌套因子水平。 裂区分析包括一个术语，用于重置难以改变的因子搅动的随机效应。 因此，创建另一个数据列，其级别为 1-9，对应于每次运行的实验单元。 将此列添加为术语，然后单击 Attributes 旁边的红色小三角以选择 Random Effect。
您可以将月份作为预测变量，但如果时间过程取决于条件，那么您还必须将时间与其他两个因素交叉。 我不知道您的设计是否支持对所有这些参数的估计。
此外，我建议一次将模型拟合到一个响应并保存模型以进行预测。
还，
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？要进行具有正态误差的普通最小二乘回归或具有泊松误差的广义线性模型，我是否必须将数据集排列在 5 列中？
Column1（日期），Column2（FactorA，2 个级别的麻线），Column3（FactorB；3 个级别的搅拌），Column4（响应= 孢子），Column5（响应2 = 幼苗）
对于裂区设计，我将通过添加 Twine（2 级）作为主要因素并添加嵌套在 Twine 中的搅动（3 级）来构建模型效果。 我是否还应该添加日期（也作为名义变量）并将其与 Twine 交叉（我在 7 个日期收集了三份关于孢子和幼苗计数的数据）。 然后我已阅读以将模型中的错误项更正为随机效应（在属性中）并在方法中使用 EMS。
仅在最终计数上将其视为交叉设计会很可惜吗？
正如您所提到的，我可以通过结合两个主要因素（“治疗”）来创建一个新的因素列，并评估最终平均数的差异。
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？好吧，您的实验单元定义了“裂区”实验。 麻线是容易改变的因素，而搅动是难以改变的因素。
非参数检验不能更好地处理相关性。 当在运行之间重置搅动时，相关性由随机效应处理。
您计算孢子的事实意味着您可以使用具有正常误差的普通最小二乘回归，或者您可以使用具有泊松误差的广义线性模型。
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？我的两个响应变量是每个重复中麻线上沉降的孢子和沉降的藻类幼苗的数量。 实际上，我开始实验并培养了 7 周，我每周（7 周）都计数孢子和幼苗——因此，实验只进行一次，并重复测量采样。 首先，我想评估最后日期的任何差异。 提醒您，两种类型的麻线在同一个罐（实验装置）中成对培养，我对其进行了三级搅拌，一式三份（= 9 个罐或 exp 装置，总共 18 根麻线，每根 9 条）。
我认为选择非参数分析是合适的，因为麻线不是相互独立的。 我已经读过，通过使用 Fit X by Y 和 block by one factor 计算等级上的 2factor ANOVA，实际上与 Friedman 测试（JMP 13 没有）相同，并且该测试对应于非参数2 因子方差分析。 Steel-Dwass 只能用作事后测试？
在 JMP 13 中使用“Wilcoxon 检验”是否更好？
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？我应该补充一点，当不满足参数方法的假设时，选择非参数（无分布）方法是保持测试能力的好机会。 另一方面，当满足假设时，参数方法的功效几乎总是大于非参数替代方法。
在这种情况下，是什么导致您选择非参数检验？
回复：JMP 会自动计算 Steel-Dwass 中的等级吗？首先，你的反应是什么？ 每个重复测试的结果是什么？ 是测量吗？ 计数？
据我所知，对于 6 个处理的全因子设计，您有 2 个级别的麻线和 3 个级别的搅拌。 这些被复制两次 18 运行。 9个实验单元的定义是什么？
Steel-Dwass 非参数检验用于成对比较，因此出现在 JMP Oneway 平台中。 您可以创建一个新的数据列 Treatment，它跨越因子列 Twine 和 Agitation，并执行这个简单的测试，但您可能会错过将模型拟合到数据的好处。 您可以使用分析 > 拟合模型来定义具有 Twine、Agitation 和 Twine*Agitation 的线性预测变量。 当然，您的回应是 Y 角色。 合适的方法（“个性”）取决于你对我上面第一个问题的回答。 除了简单的组比较之外，我建议考虑这种方法。
