全階乘重複測量方差分析插件
此插件為涉及連續響應變量的單向或全因子重複測量設計生成線性混合效應（隨機和固定效應）模型項（目前不支持分類響應）
插件視頻教程：
因素一： https://youtu.be/fh8jiFf2z-o
階乘： https://youtu.be/py3-wvPYitM
安裝：
- 下載本頁底部的factorial_repeated_measures.jmpaddin。
- 下載後，雙擊該文件以在 JMP 中打開。
- 系統將提示您詢問是否要安裝該加載項。 選擇安裝。
- 在“加載項”菜單下，您將有一個“重複測量”部分
因子設計：
在重複測量因子設計中，受試者在受試者內因素因子組合的每種條件下進行測量，並且僅在受試者間因素的一個水平上進行測量。 例如，品酒實驗中的受試者可以品嚐幾種不同的葡萄酒並對其進行評級，但通常是在一種性別和專業知識水平上進行測量，因為這些因素的水平在實驗的時間過程中很難改變。 全因子設計涉及完全的因素的交叉。 在下面的示例實驗中，每個受試者品嚐8 個玻璃杯中的葡萄酒，這些玻璃杯是由在兩種標籤條件下評級的四種不同葡萄酒的階乘組合形成的（其中四個玻璃杯放置在帶有看起來昂貴標籤的瓶子前面，四個玻璃杯放在帶有昂貴標籤的瓶子前面）。放在帶有廉價標籤的瓶子前面）。 專業知識和性別的階乘交叉（受試者間因素）涉及測量所有四種組合中的個體（F/專家、F/新手、M/專家、M/新手）。 這些因素是“受試者之間的”因素，因為沒有受試者在超過一個水平的專業知識和性別因素上進行測量。
模型估計
該插件生成線性混合效應模型分析。 由於沒有丟失數據，該分析產生的估計和檢驗與假設複合對稱的單變量一般線性模型重複測量分析相同。 然而，混合模型對模型項的估計方式不同，因此在存在缺失數據的情況下，估計值會有所不同（並且可能更好）；單變量 GLM 重複測量分析需要完整的數據，並且缺失細胞的受試者被排除，而混合模型可以容忍缺失的數據，而無需從分析中排除整個受試者。 缺失數據（不是隨機缺失）可能會使模型估計產生偏差，因此在解釋任何模型的結果之前，請務必調查缺失數據的原因。
用法：
將列轉換為適當的角色，然後單擊“運行模型”，或單擊“啟動對話框”以進入“擬合模型”對話框，以便在運行之前對模型進行更改。 要在運行後保持對話框打開，請選中“保持對話框打開”複選框。
筆記：對於這些模型，“主題 ID”應具有名義建模類型；如果尚未將建模類型設置為“名義”，此加載項將自動將其設置為“名義”。
生成模型項，並啟動擬合模型輸出，其中包含擬合詳細信息和信息標準摘要、REML 方差分量估計、固定效應測試和效應詳細信息。
在這種情況下（有兩個主體內因素和兩個主體間因素），生成的模型如下：
| 模型 |
|---|
效果（
：性別,
：專業知識,
：葡萄酒,
：標籤,
：性別* ：專業知識,
：性別* ：葡萄酒,
：性別* ：標籤,
：專業知識* ：葡萄酒,
：專業知識* ：標籤,
：葡萄酒* ：標籤,
：性別* ：專業知識* ：葡萄酒,
：性別* ：專業知識* ：標籤,
：性別* ：葡萄酒* ：標籤,
：專業知識* ：葡萄酒* ：標籤,
：性別* ：專業知識* ：葡萄酒* ：標籤
） ,
隨機效應（
：法官[ ：性別, ：專業知識] ,
：法官* ：葡萄酒[ ：性別, ：專業知識] ,
：法官* ：標籤[ ：性別, ：專業知識] ,
：法官* ：葡萄酒* ：標籤[ ：性別, ：專業知識]
） ,
|
最頂部的紅色三角形下提供了許多選項，包括附加回歸報告、參數估計、診斷圖和保存殘差、槓桿對等。
繪圖、方法和檢驗
擴張效果詳情生成各個因素和相互作用的圖，並使用所有成對 T 檢驗、Tukey HSD 和線性對比對單元均值進行檢驗。
要以交互方式分析模型，請選擇最頂部的紅色三角形 > 因子分析 >分析器
修改和查看模型
選擇最上面的紅色三角形，然後選擇模型對話框查看模型規格並對模型進行更改。
數據格式
此插件要求數據採用長格式。 這是當來自主題的重複觀察結果跨行而不是跨列表示時（見下文）。
如果您需要重組廣泛的數據，請使用“表”>“堆棧”，並將具有重複觀察的列投射到“堆棧列”部分。 對於因子設計，您需要分離出每個因子的因子水平。 通過使用 Col > Recode 可以快速完成此操作。
額外細節：
- 該插件使用以下算法生成術語：
- 所有固定效應因素的全階乘（所有受試者內和受試者間因素）
- 僅對受試者內因素和受試者因素進行全階乘（刪除冗餘項）
- 所有涉及主題的術語都標記為隨機效應
- 如果存在主題間因素，則所有涉及主題的術語都被標記為嵌套在所有主題間因素中
- 如果每個細胞都有重複（每個受試者在每種條件下都不止一次），則與受試者的最高階相互作用是可估計的。 如果沒有重複，則此最高階交互作用與殘差（它是殘差）混淆，並將自動刪除。
- 模型僅限於最多 5 個受試者內因素和最多 5 個受試者間因素。 如果您經常使用具有超過 5 個受試者內因素或 5 個受試者間因素的模型，請告訴我。
附加視頻：
我有兩組視頻，其中包含更多詳細信息，可能對我有用如果您要使用此插件。
模塊 2:8 - 單因素重複測量
模塊 2:9 - 階乘重複測量
我希望這對您的重複測量分析有所幫助！
朱利安
更新歷史：
v0.09：添加“啟動對話框”按鈕
v0.08：添加了“調用”按鈕和“保持對話框打開”複選框。
實驗設計統計數據統計教學公用事業回复：全階乘重複測量方差分析插件親愛的@朱利安,
使用重複測量插件生成的固定效應表中的 F 比率是基於 II 類還是 III 類平方和？看起來 F 比更接近於使用 II 型 SS 計算的結果。
回复：全階乘重複測量方差分析插件親愛的@朱利安,
我已經使用這個插件有一段時間了，它非常有用。
是否可以將隨機係數的“嵌套”更改為“交叉”？這將允許使用連續的“受試者之間的因素”。 目前，當引入連續的“受試者之間因素”時，擬合模型平台拒絕估計嵌套項（以及整個模型）。
非常感謝您的創新貢獻。
羅恩
回复：全階乘重複測量方差分析插件嗨朱利安，
我仍然是這個附加組件的粉絲，並且想知道您下一次迭代的時間表可能是什麼？ 例如，目前，我最終使用 SPSS 或其他軟件來測試效果大小，因為似乎沒有一種簡單的方法可以從 JMP 獲取這些效果進行主題內或混合效果設計。 這也是在統計教學中使用 JMP 時的一個嚴重缺點。 如果可以將其添加到此插件中（或者可以擴展“計算效果大小”插件以適用於混合和主題內設計），那將非常有用。
乾杯&謝謝！
伯恩哈德
回复：全階乘重複測量方差分析插件你好@jsheldon1 ,
得知您遇到麻煩，我感到很遺憾。 如果您能告訴我更多有關您想要做什麼以及您的數據集是什麼樣的信息，將會有所幫助。 如果你能附上一小部分，那就特別有幫助了。 在不了解更多信息的情況下，我最好的猜測是您的列名稱之一中有特殊字符（此加載項對於列名稱中的非字母數字字符不是特別穩健）。 這可能是問題所在嗎？朱利安
回复：全階乘重複測量方差分析插件我正在嘗試使用您的加載項運行分析，但收到以下錯誤消息：
無法識別的效果選項 2 次訪問或評估 'And' , :ID[:State] & /*###*/Random/*###*/
知道這意味著什麼嗎？
回复：全階乘重複測量方差分析插件謝謝朱利安，期待看到你會煮什麼！
你說得對，“全階乘”宏確實有用
乾杯
伯恩哈德
回复：全階乘重複測量方差分析插件你好@伯恩哈德,
感謝你的建議！ 我會將這些添加到我的未來改進列表中，並且一定會在新版本可用時通知您。 順便說一句，對於完全主體間設計，標準擬合模型對話框效果很好：只需在列列表中選擇所有因子，然後單擊宏旁邊的紅色三角形，然後單擊完整因子（或因子排序）即可自動生成所有模型效果。
@朱利安
回复：全階乘重複測量方差分析插件嗨朱利安，
再次感謝這個插件，它非常有用，而且比 JMP 的默認處理方式更容易使用。
如果您對進一步改進的建議感興趣：
- 添加選項來測試假設將是無價的（尤其是在使用 JMP 進行教學時，而且對於日常分析也是如此）
- 添加測試選項效應大小也很好，特別是考慮到大多數期刊、APA 等都要求包含效應量
- 這個插件是否可以擴展到僅適用於主體間效果？ 它可能會成為滿足我所有方差分析需求的主要選擇；）
乾杯&謝謝！
伯恩哈德
回复：全階乘重複測量方差分析插件嗨朱利安，
我想問另一個問題。 為什麼在 JMP 和 SPSS 上進行隨機截距模型時會得到不同的估計值？ 我可以看到，與 SPSS 中的輸出相比，JMP 中的自由度更高。當談到固定效應時，我得到了完全相同的結果。 這實際上是一個問題嗎？兩個不同的軟件在 F 值和 p 值方面顯示相同的統計輸出，但對固定效應的估計不同？
太感謝了！
乾杯
達莉亞
回复：全階乘重複測量方差分析插件@朱利安
感謝您的快速回复，是的，我似乎確實具有很高的時間自相關性。 我將在一般 JMP 社區中詢問此問題。
回复：全階乘重複測量方差分析插件你好@tsingh ,
我很樂意為您提供一些一般性想法，但諸如此類的時間序列類型數據不是我的專長，因此我認為您可能會更好地在一般 JMP 社區中發布您的問題。 我的直覺是，您可能不應該使用此插件分析這些數據。 現在，這並不是說您不能——站點可以是您的主題 ID，月份是主題內效應，但您將忽略時間接近的點之間的所有自相關性，並且可能有很好的效果原因是要對幾天內和幾天內的溫度循環模式進行建模。 除非真的可以斷言給定地點一個月內的溫度測量是獨立的，否則我會採取不同的路線！ 同樣，一般社區討論區是解決這個問題的好地方——我希望具有一定時間序列經驗的人能夠分享一些建議。
朱利安
回复：全階乘重複測量方差分析插件嗨朱利安，
我希望您就如何使用此分析來分析我的數據以及此分析是否適合我的數據提供建議。
我有 5 個月內 5 個地點每小時的水溫數據測量值。
24 x 30 x 5 x 5 = 18000 個數據點。
我想看看每個月站點之間的水溫是否存在顯著差異，以及站點整體（即站點和站點 x 月交互）之間是否存在顯著差異。
我的數據是長格式，具有以下列名稱
1.場地
2.天數（0-150）
2. 月份（六月至十月）
3.小時（0-24）
4. 溫度（響應變量）
所以我一直在主題因素中添加月份和地點。
我有點困惑應該在主題 ID 中放入哪個因素，是天數還是小時數？ 我不想看到每小時或每天的變化。
另外，您認為我應該對我的數據使用全因子重複方差分析，還是您認為我應該通過指定重複結構（例如 corAR1 等）來創建混合模型？
太感謝了。
回复：全階乘重複測量方差分析插件你好@達莉亞,
我剛剛回復了您的私信，但認為閱讀這些評論的其他人可能會對回复感興趣，所以我將其粘貼在這裡。 我希望這有助於澄清一些事情！
---
希望我能在這方面提供一點幫助！ 混合模型肯定會很複雜，特別是因為有時對於給定情況沒有一個“正確”的模型。 該插件將適合“最大模型”，我的意思是它將適合您的受試者（隨機效應）和固定效應（實驗中的實際因素）之間的所有可能的相互作用。 如果您不太熟悉混合模型，這可能沒有多大幫助。 一般來說，這意味著您在完整的最大模型中估計的參數比在簡化模型中估計的參數多，在簡化模型中您僅估計每個主題的隨機截距。 在最簡單的模型中，僅使用隨機截距（只是將主題標記為隨機的術語，但主題變量與其他變量之間沒有交互作用），您可以斷言主題之間僅在平均評分上有所不同-他們將對您的操作做出相同的反應（這是您按照學習庫中的 pdf 運行的模型）。 在此模型中，您觀察到的不同受試者對刺激反應方式的任何差異都被歸類為純粹錯誤，而不是人們對刺激反應方式的真正差異。 這通常是不現實的；然而，這種模型使用的自由度要少得多，因此，您有更多的誤差 DF，這通常意味著更多的功能。
那麼什麼是更好的呢？ 我喜歡使用我的葡萄酒示例來實現此目的 - 在加載項的示例中，該模型將適合主題和葡萄酒類型（紅葡萄酒或白葡萄酒）之間的交互。 這很有幫助，因為有些人比白葡萄酒更喜歡紅酒，而有些人比紅葡萄酒更喜歡白葡萄酒。 由於模型中有一個參數可以解釋人與人之間的差異，因此觀察到的對白葡萄酒和紅葡萄酒的平均反應的差異不能被解釋為純粹的錯誤，而是人與人之間的系統差異。 在樣本量較大的情況下，能夠區分系統誤差和純誤差將帶來更大的功效。 對於小樣本，很可能會通過擬合所有額外的交互作用而錯過效果，除非交互作用確實很大（例如，您有一群人對葡萄酒的偏好差異很大）。
所以，這就是說，一般來說，對於人類受試者，我傾向於認為隨機效應（我們的受試者）和固定因素之間的這些相互作用值得估計，因為很難相信人類與機器不同，會對隨機效應（我們的受試者）和固定因素之間的相互作用做出反應。與操縱相同。 如果您的樣本較小，有時最好使用僅具有一些隨機斜率（與受試者的交互）的簡化模型。 您可以通過查看“REML 方差分量”部分來了解隨機斜率所佔的變化量。 如果與主題的交互佔總變異的很大一部分，它們可能是有用的，否則，有些人會認為你應該刪除它們。 請記住，您始終可以轉到頂部的紅色三角形並選擇“模型對話框”，然後進入隨機效應部分以刪除項。
回复：全階乘重複測量方差分析插件嗨朱利安，
我想尋求幫助，因為我很難理解用於研究重複測量的三種策略。 在我的研究中，它們都給出了不同的結果。 這些模型包括以下內容：
1) 全階乘混合方差分析插件
2）在屬性部分使用擬合模型和隨機主體進行混合模型分析： https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747
3）與Pro混合模型個性
我的設計包括 4 個類別的 16 個廣告，供 2 組消費者看到。 我研究他們在認知參與方面的差異。
1）對於第一個模型，我使用認知參與度作為依賴項，使用消費者群體作為之間的變量，使用廣告類別作為內部變量，使用主題 ID 作為隨機效應。
2）我的隨機攔截是主題 ID，我的依賴是認知參與，我對消費者類別、廣告類別及其交互進行建模。
3）我沒有專業版。 在第二種情況下進行混合模型分析與使用混合模型有什麼區別嗎？
太感謝了。 我真的很感謝你的幫助。
乾杯
達莉亞
回复：全階乘重複測量方差分析插件<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我的研究設計是 2 x 2 x 3 x 3。 時間前三個因素 (2x2x3) 位於參與者內部，第三個因素（有 3 個級別）位於參與者之間。 使用該插件時，報告說我在“固定效果測試”部分下出現了“丟失的 DF”，我假設這意味著自由度。 此外，它在固定效果測試下沒有給出任何其他輸出誰能告訴我為什麼會出現這種情況？
回复：全階乘重複測量方差分析插件感謝您的反饋，MS！ 我真的應該讓這個對特殊字符更加強大，聽起來我已經在某些地方做到了這一點，但在其他地方卻沒有這樣做！
回复：全階乘重複測量方差分析插件很棒的附加組件！ 與在“擬合模型”對話框中手動輸入相同模型相比，可以節省大量時間。
到目前為止唯一的問題是列名包含奇怪的字符，如“%”、“(”或“/”。 我收到錯誤消息並且日誌顯示
“在大綱上下文中找不到項目“響應 Cs137/kg dw”{“響應 Cs137/kg dw”}
名稱未解析：訪問或評估“Cs137”時出現 Cs137，:Cs137/*###*/平台啟動時出現異常”
但儘管如此，生成的報告具有相同的估計值，但具有不同的輪廓框集（擬合模型默認值？）。
（我使用適用於 Mac 的 JMP 12.2）
回复：全階乘重複測量方差分析插件嗨本森，
我想讓您知道，我已在此加載項的最新版本中添加了“調用”和“保持對話框打開”選項。 我希望這有幫助！
朱利安
回复：全階乘重複測量方差分析插件朱利安，
我認為你在多個方面都是對的。 我的學習時間是連續的（0-120 分鐘；5 分鐘增量）以及 df。 我正在做初步分析，我們只有 4 個 n，所以需要更多的主題。 然而，現在我知道了 2 路 anova 插入的過程。
感謝您的幫助！
回复：全階乘重複測量方差分析插件如果您缺少這些置信區間，我懷疑您在嘗試擬合模型時還收到了其他錯誤。 從你的時間級別數量來看，我懷疑你沒有足夠的自由度來擬合使用時間作為標稱的模型——我預計你在更少的時間點上測量了個體。 考慮到您擁有的級別數，您似乎最好將時間建模為連續效應- 也就是說，估計每個條件的Y 和時間之間的斜率，而不是每個條件的每個時間點的Y 平均值（即將時間視為標稱正在做什麼，因此就估計的參數而言是昂貴的）。這不是我構建插件的目的 - 您嘗試擬合的模型是嵌套隨機係數的模型，您可以使用 JMP Pro 中擬合模型中的專用混合模型個性來完成此操作。 這是相關的文檔頁面：
推出混合模特個性
抱歉，我的加載項無法幫助您進行此分析！
朱利安
回复：全階乘重複測量方差分析插件是的，試驗和治療可以互換。 在我的模型中，有 3 種治療/試驗。 我將試驗和時間都改為名義上的。 當您進行此更改時，輸出未給出上下 95% CI，這是否正常？
回复：全階乘重複測量方差分析插件如果時間、試驗或兩者在數據集中標記為連續，就會發生這種情況。 對於此插件和分析類型，所有內容都應標記為名義值，以估計不同時間點治療之間的平均值和平均值差異。
順便問一下，試驗是治療的別名，還是您的意思是在模型中進行治療而不是試驗？
回复：全階乘重複測量方差分析插件謝謝朱利安。
是的，你是對的。 我試圖了解每次治療的時間點之間的差異。 但是，當單擊效果詳細信息框下的試用*時間框的紅色三角形來運行分析時，似乎沒有任何選項突出顯示。 我可以在“試驗”和“主題”框中分別進行進一步的分析。 請看圖片是否有道理：
回复：全階乘重複測量方差分析插件你好JXA014 ,
您可以通過展開“效果詳細信息”部分，然後使用模型中每個源旁邊的紅色三角形來執行後續比較。 您似乎最感興趣的是在不同時間點的治療之間進行比較，這意味著您將查看試驗 x 時間部分，然後使用那裡的選項之一。 我有一些視頻演示了其中一些後續選項。 這些視頻討論了非重複測量階乘模型，但原理是相同的。
擬合模型中簡單成對比較的概述：
JMP 與擬合模型中的成對比較（模塊 2 3 4） - YouTube
一般階乘方差分析：
階乘方差分析 (4x4) 全面分析（模塊 2 5 10）- YouTube
測試切片（我想你可能對此特別感興趣）
測試因子設計中的切片（模塊 2 5 11）- YouTube
這些視頻是我的視頻系列“科學中的顯著統計方法”的一部分，您可以在這裡找到整套模塊：
科學中重要的統計方法播放列表
希望這可以幫助！
朱利安
回复：全階乘重複測量方差分析插件朱利安，
那太完美了。 太感謝了。 我對其中一個響應變量進行了分析，結果如下：
固定效應測試
來源尼帕姆DF DF登F比率概率 > F
審判2 2 6.006 2.6589 0.1489
時間1 1 2.938 389.5700 0.0003
試用*時間2 2 5.904 5.5986 0.0433
現在我要遵循試驗x時間交互的測試嗎？
回复：全階乘重複測量方差分析插件你好JXA014 ,
當然，我很樂意在這裡提供一些指導！您的數據表的結構是否符合我上面顯示的格式（長格式或高格式，對跨行的主題進行重複觀察）？如果沒有，您將需要使用“表”>“堆棧”來堆棧數據。如果您需要這樣做，請告訴我，我可以提供更具體的建議。 如果您包含數據集的示例（即使只是幾行）也會很有幫助，這樣我可以為您提供更好的建議。
如果您的數據採用正確的格式，則設置分析應該很簡單：將您的受試者變量（無論唯一標識受試者的內容）放入受試者ID 部分，將時間放入受試者內因素部分（因為您對受試者進行了重複觀察）不同時間）。TRT 可以是受試者內的，也可以是受試者間的，具體取決於您的情況方法。 如果您測量了每個主題在下面所有三種治療方法，TRT 應位於受試者內部分。 如果您將每個受試者僅分配到三種治療方法中的一種，那麼 TRT 應位於受試者間因素部分。
運行模型後，您將收到通常的統計輸出。 如果您對時間 x 治療交互作用最感興趣，您可以在固定效應檢驗表中找到統計顯著性的詳細信息，在效應詳細信息下，您可以找到 LS 均值並運行後續比較。
我希望這有幫助！
朱利安
回复：全階乘重複測量方差分析插件你好，
我剛剛下載了這個插件，它看起來很棒，但我習慣於在傳統的 JMP 擬合模型中進行分析。 我想知道您是否可以幫助我使用變量和實驗進行佈局：
我有一個實驗，我們的受試者(SUBJECTS) 進行了3 次治療(TRT)，每次分析的時間超過2 小時(TIME)，並記錄了幾個反應變量（核心溫度、心率和皮膚溫度） 。
我想查看重複測量（治療 x 時間），並具體查看每個時間點的 TRT 之間是否存在差異。
讓我知道你的想法！！！
回复：全階乘重複測量方差分析插件你好本森·穆尼安,
是的，這是一個很好的建議！ 我已將其添加到下一版本的改進列表中。我還將添加一個複選框“保持對話框打開”，這是我在嘗試不同模型時經常在“擬合模型”中執行的操作。
朱利安
回复：全階乘重複測量方差分析插件嗨朱利安，
我一直在廣泛使用你的插件，並且非常喜歡它。 我的一個主要抱怨是它沒有像許多其他平台一樣的召回按鈕。 有什麼機會可以補充一下嗎？
謝謝！
回复：全階乘重複測量方差分析插件你好達庫林,
很抱歉到現在為止還沒有收到您的消息。 讓我解答您的每一個問題
總體而言，即使您對主要效果或交互作用不感興趣，您的問題似乎也適合在重複測量方差分析（或混合模型，這就是此插件的作用）的背景下進行分析。 但有一些事情需要考慮：
a) 對於 0 - 3 等級，您沒有太多理由認為總體分數呈正態分佈，因此您可能會有點擔心模型的假設。 但是，你說你有幾百位老師，所以中心極限定理會在這方面幫助你。
b) 問題之間的協方差可能不同——某些問題的答案可能與其他問題的相關性更強。 本質上，這就是你的莫奇利球形度檢驗表明——違反了這一假設。 這確實給後續測試帶來了一些問題，因為有些可能是保守的，有些可能是反保守的。 分析數據子集可以減少一些這種擔憂，因為您假設的協方差較少。 如果您使用的是 JMP Pro，則可以使用非結構化協方差運行這些測試，但我們暫時不要這樣做。
c）對於前三個問題，聽起來您並不關心比較不同級別教師的項目回答，因此為每個教師級別單獨運行這些分析可能是有意義的（這樣，您就不會包括教師水平作為學科間因素）。 執行此操作的一個簡單方法是使用數據過濾器（行 > 數據過濾器），並排除除您想要查看的教師組之外的所有教師。 正如我所編寫的，該加載項不包含使用“按變量”的選項，而這通常是執行此操作的最直接方法。 我會將其添加到我想要添加到此加載項的功能列表中。
- 或者，您可以使用“分析”>“擬合模型”來設置此分析，這允許使用按變量，通過執行以下操作（假設您已按照上面的加載項說明中所示堆疊了數據）
- 分析>擬合模型
- 響應為 Y
- 主題ID 作為您的第一個因素，在模型效應部分中選擇它，單擊“屬性”，然後選擇“隨機” - 這會將您的主題ID 標記為隨機效應，以便JMP 知道如何正確對其建模
- 將您的測試問題因素添加到模型效果部分
- 添加教師級別作為 BY 變量
- 這將返回三個單獨的擬合模型輸出，每個教師級別一個。 從那裡您可以執行以下操作：
問題 1、2、3) 使用此加載項運行模型後（使用數據過濾器僅包含一組教師後），您可以展開效果詳細信息部分，其中將顯示測試項目的源。 如果您使用了帶有按變量的擬合模型，您將在輸出的右側看到測試項源（這是默認位置，除非您將擬合模型中的“重點”更改為“最小報告”，這會導致是我的偏好，也是上面的加載項默認的偏好。
找到測試項目源的部分後，單擊名稱旁邊的紅色三角形，您將獲得用於執行成對測試的多個選項。 鑑於您有興趣測試項目因素內的所有可能組合（這將是大量測試），我建議使用 Tukey HSD 選項，它將控制給定範圍內所有測試的家庭錯誤率因素。 連接字母報告是查看差異的好方法，或者如果您想要調整後的 p 值，可以單擊 Tukey HSD 報告中的紅色三角形，然後選擇有序差異報告。
4, 5）這些測試要求您的教師與項目位於同一模型中，因此我將運行一個完整的模型，其中教師級別作為主題間變量，項目作為主題內變量。 我的加載項有助於設置該模型，但如果您熟悉混合模型，也可以直接通過“擬合模型”對話框來完成此操作。 獲得模型報告後，展開效果詳細信息部分並找到交互的源。 在那裡，您可以使用“測試切片”，它將執行對比切片：在另一個因素的單一水平上對一個因素進行測試。 例如，您將得到一個標記為“項目 1”（或第一個項目的標籤是什麼）的切片，這將測試是否有證據表明教師對項目 1 的回答有所不同。 您將獲得所有物品的這些。 這些對您來說似乎是最重要的測試，本質上是針對教師水平在項目的每個級別的“效果”的單向方差分析。 通過測試切片，您還將獲得一個標有“高中教師”（或您標記該級別的任何內容）的切片，這是一個測試，總體而言，是否有證據表明高中教師對這些項目給出了不同的評分。 後面的這些切片可能對您來說用處不大，特別是因為您將分別查看每個級別的教師先前模型中的項目差異。
如果您希望對每個項目的教師級別測試保持最保守，您可以執行我上面建議的一系列相同步驟來過濾數據，或使用“按”變量。 這意味著您要設置 15 個不同的模型，每個項目一個，只有教師水平這一單一因素。 獲得每個模型後，您將運行 Tukey HSD 測試，為您提供連接字母報告，或者根據您的要求提供帶有 p 值的有序差異。 這實際上可能是一種更好的做法，因為您不必對項目之間的協方差斷言任何內容，因為您正在對數據進行子集化以一次僅包含一項。
如果您要使用此插件，我這裡有兩組視頻，其中包含更多詳細信息：
模塊 2:8 - 單因素重複測量
模塊 2:9 - 階乘重複測量
我希望這有幫助！
朱利安
回复：全階乘重複測量方差分析插件我將下載並嘗試這個加載項，但無論如何我希望您能幫助解決我的問題。 大約 5 週前，我將這種情況發佈在 JMP 用戶社區帖子中，但到目前為止還沒有任何建議。 我應該把它放在哪裡？
我的數據集由數百名教師的問卷調查組成。
大約三分之一是小學、初中和中學
他們分別對 15 個項目的重要性進行了 0-3 級評分
（我很樂意將這些評級視為區間級別數據；如果有效的話，序數也可以）
我將其可視化為帶有後續測試的重複測量方差分析（變量 = 教師水平；重複變量 = 15 個評分）
但我對主效應沒什麼興趣：要么是重複評分（將3 個教師級別的任何特定項目的分數相結合是沒有意義的），要么是跨教師級別（這些項目不在一起；每個項目都是獨立的，因此總分是不感興趣）
相反，我的問題是：
1-對於小學教師群體，15 個項目中哪一個的評分顯著高於其他項目？
2-問題中學老師也一樣
3-高中老師同樣的問題
4- 3 個教師組之一對項目 1 的評分是否與其他兩組顯著不同？
5-第 2—15 項的相同問題
（我意識到我必須將阿爾法切成很薄的部分以防止通貨膨脹）
我的第一個想法是通過後續測試進行重複測量的方差分析，而忽略主要影響以進行後續測試。
但莫奇利的球形度測試很重要，似乎（？）表明需要進行多元方差分析和後續測試。 如果是這樣，如何在 JMP 中進行多元方差分析後執行後續均值比較？
或者，因為我對主要影響不感興趣，我是否應該考慮不同的分析？
