全阶乘重复测量方差分析插件
此插件为涉及连续响应变量的单向或全因子重复测量设计生成线性混合效应（随机和固定效应）模型项（目前不支持分类响应）
插件视频教程：
因素一： https://youtu.be/fh8jiFf2z-o
阶乘： https://youtu.be/py3-wvPYitM
安装：
- 下载本页底部的factorial_repeated_measures.jmpaddin。
- 下载后，双击该文件以在 JMP 中打开。
- 系统将提示您询问是否要安装该加载项。 选择安装。
- 在“加载项”菜单下，您将有一个“重复测量”部分
因子设计：
在重复测量因子设计中，受试者在受试者内因素因子组合的每种条件下进行测量，并且仅在受试者间因素的一个水平上进行测量。 例如，品酒实验中的受试者可以品尝几种不同的葡萄酒并对其进行评级，但通常是在一种性别和专业知识水平上进行测量，因为这些因素的水平在实验的时间过程中很难改变。 全因子设计涉及完全的因素的交叉。 在下面的示例实验中，每个受试者品尝 8 个玻璃杯中的葡萄酒，这些玻璃杯是由在两种标签条件下评级的四种不同葡萄酒的阶乘组合形成的（其中四个玻璃杯放置在带有看起来昂贵标签的瓶子前面，四个玻璃杯放在带有昂贵标签的瓶子前面）。放在带有廉价标签的瓶子前面）。 专业知识和性别的阶乘交叉（受试者间因素）涉及测量所有四种组合中的个体（F/专家、F/新手、M/专家、M/新手）。 这些因素是“受试者之间的”因素，因为没有受试者在超过一个水平的专业知识和性别因素上进行测量。
模型估计
该插件生成线性混合效应模型分析。 由于没有丢失数据，该分析产生的估计和检验与假设复合对称的单变量一般线性模型重复测量分析相同。 然而，混合模型对模型项的估计方式不同，因此在存在缺失数据的情况下，估计值会有所不同（并且可能更好）；单变量 GLM 重复测量分析需要完整的数据，并且缺失细胞的受试者被排除，而混合模型可以容忍缺失的数据，而无需从分析中排除整个受试者。 缺失数据（不是随机缺失）可能会使模型估计产生偏差，因此在解释任何模型的结果之前，请务必调查缺失数据的原因。
用法：
将列转换为适当的角色，然后单击“运行模型”，或单击“启动对话框”以进入“拟合模型”对话框，以便在运行之前对模型进行更改。 要在运行后保持对话框打开，请选中“保持对话框打开”复选框。
笔记：对于这些模型，“主题 ID”应具有名义建模类型；如果尚未将建模类型设置为“名义”，此加载项将自动将其设置为“名义”。
生成模型项，并启动拟合模型输出，其中包含拟合详细信息和信息标准摘要、REML 方差分量估计、固定效应测试和效应详细信息。
在这种情况下（有两个主体内因素和两个主体间因素），生成的模型如下：
| 模型 |
|---|
效果（
：性别,
：专业知识,
：葡萄酒,
：标签,
：性别* ：专业知识,
：性别* ：葡萄酒,
：性别* ：标签,
：专业知识* ：葡萄酒,
：专业知识* ：标签,
：葡萄酒* ：标签,
：性别* ：专业知识* ：葡萄酒,
：性别* ：专业知识* ：标签,
：性别* ：葡萄酒* ：标签,
：专业知识* ：葡萄酒* ：标签,
：性别* ：专业知识* ：葡萄酒* ：标签
） ,
随机效应（
：法官[ ：性别, ：专业知识] ,
：法官* ：葡萄酒[ ：性别, ：专业知识] ,
：法官* ：标签[ ：性别, ：专业知识] ,
：法官* ：葡萄酒* ：标签[ ：性别, ：专业知识]
） ,
|
最顶部的红色三角形下提供了许多选项，包括附加回归报告、参数估计、诊断图和保存残差、杠杆对等。
绘图、方法和检验
扩张效果详情生成各个因素和相互作用的图，并使用所有成对 T 检验、Tukey HSD 和线性对比对单元均值进行检验。
要以交互方式分析模型，请选择最顶部的红色三角形 > 因子分析 >分析器
修改和查看模型
选择最上面的红色三角形，然后选择模型对话框查看模型规格并对模型进行更改。
数据格式
此插件要求数据采用长格式。 这是当来自主题的重复观察结果跨行而不是跨列表示时（见下文）。
如果您需要重组广泛的数据，请使用“表”>“堆栈”，并将具有重复观察的列投射到“堆栈列”部分。 对于因子设计，您需要分离出每个因子的因子水平。 通过使用 Col > Recode 可以快速完成此操作。
额外细节：
- 该插件使用以下算法生成术语：
- 所有固定效应因素的全阶乘（所有受试者内和受试者间因素）
- 仅对受试者内因素和受试者因素进行全阶乘（删除冗余项）
- 所有涉及主题的术语都标记为随机效应
- 如果存在主题间因素，则所有涉及主题的术语都被标记为嵌套在所有主题间因素中
- 如果每个细胞都有重复（每个受试者在每种条件下都不止一次），则与受试者的最高阶相互作用是可估计的。 如果没有重复，则此最高阶交互作用与残差（它是残差）混淆，并将自动删除。
- 模型仅限于最多 5 个受试者内因素和最多 5 个受试者间因素。 如果您经常使用具有超过 5 个受试者内因素或 5 个受试者间因素的模型，请告诉我。
附加视频：
我有两组视频，其中包含更多详细信息，可能对我有用如果您要使用此插件。
模块 2:8 - 单因素重复测量
模块 2:9 - 阶乘重复测量
我希望这对您的重复测量分析有所帮助！
朱利安
更新历史：
v0.09：添加“启动对话框”按钮
v0.08：添加了“调用”按钮和“保持对话框打开”复选框。
实验设计统计数据统计教学公用事业回复：全阶乘重复测量方差分析插件亲爱的@朱利安,
使用重复测量插件生成的固定效应表中的 F 比率是基于 II 类还是 III 类平方和？看起来 F 比更接近于使用 II 型 SS 计算的结果。
回复：全阶乘重复测量方差分析插件亲爱的@朱利安,
我已经使用这个插件有一段时间了，它非常有用。
是否可以将随机系数的“嵌套”更改为“交叉”？这将允许使用连续的“受试者之间的因素”。 目前，当引入连续的“受试者之间因素”时，拟合模型平台拒绝估计嵌套项（以及整个模型）。
非常感谢您的创新贡献。
罗恩
回复：全阶乘重复测量方差分析插件嗨朱利安，
我仍然是这个附加组件的粉丝，并且想知道您下一次迭代的时间表可能是什么？ 例如，目前，我最终使用 SPSS 或其他软件来测试效果大小，因为似乎没有一种简单的方法可以从 JMP 获取这些效果进行主题内或混合效果设计。 这也是在统计教学中使用 JMP 时的一个严重缺点。 如果可以将其添加到此插件中（或者可以扩展“计算效果大小”插件以适用于混合和主题内设计），那将非常有用。
干杯&谢谢！
伯恩哈德
回复：全阶乘重复测量方差分析插件你好@jsheldon1 ,
得知您遇到麻烦，我感到很遗憾。 如果您能告诉我更多有关您想要做什么以及您的数据集是什么样的信息，将会有所帮助。 如果你能附上一小部分，那就特别有帮助了。 在不了解更多信息的情况下，我最好的猜测是您的列名称之一中有特殊字符（此加载项对于列名称中的非字母数字字符不是特别稳健）。 这可能是问题所在吗？朱利安
回复：全阶乘重复测量方差分析插件我正在尝试使用您的加载项运行分析，但收到以下错误消息：
无法识别的效果选项 2 次访问或评估 'And' , :ID[:State] & /*###*/Random/*###*/
知道这意味着什么吗？
回复：全阶乘重复测量方差分析插件谢谢朱利安，期待看到你会煮什么！
你说得对，“全阶乘”宏确实有用
干杯
伯恩哈德
回复：全阶乘重复测量方差分析插件你好@伯恩哈德,
感谢你的建议！ 我会将这些添加到我的未来改进列表中，并且一定会在新版本可用时通知您。 顺便说一句，对于完全主体间设计，标准拟合模型对话框效果很好：只需在列列表中选择所有因子，然后单击宏旁边的红色三角形，然后单击完整因子（或因子排序）即可自动生成所有模型效果。
@朱利安
回复：全阶乘重复测量方差分析插件嗨朱利安，
再次感谢这个插件，它非常有用，而且比 JMP 的默认处理方式更容易使用。
如果您对进一步改进的建议感兴趣：
- 添加选项来测试假设将是无价的（尤其是在使用 JMP 进行教学时，而且对于日常分析也是如此）
- 添加测试选项效应大小也很好，特别是考虑到大多数期刊、APA 等都要求包含效应量
- 这个插件是否可以扩展到仅适用于主体间效果？ 它可能会成为满足我所有方差分析需求的主要选择；）
干杯&谢谢！
伯恩哈德
回复：全阶乘重复测量方差分析插件嗨朱利安，
我想问另一个问题。 为什么在 JMP 和 SPSS 上进行随机截距模型时会得到不同的估计值？ 我可以看到，与 SPSS 中的输出相比，JMP 中的自由度更高。当谈到固定效应时，我得到了完全相同的结果。 这实际上是一个问题吗？两个不同的软件在 F 值和 p 值方面显示相同的统计输出，但对固定效应的估计不同？
太感谢了！
干杯
达莉亚
回复：全阶乘重复测量方差分析插件@朱利安
感谢您的快速回复，是的，我似乎确实具有很高的时间自相关性。 我将在一般 JMP 社区中询问此问题。
回复：全阶乘重复测量方差分析插件你好@tsingh ,
我很乐意为您提供一些一般性想法，但诸如此类的时间序列类型数据不是我的专长，因此我认为您可能会更好地在一般 JMP 社区中发布您的问题。 我的直觉是，您可能不应该使用此插件分析这些数据。 现在，这并不是说您不能——站点可以是您的主题 ID，月份是主题内效应，但您将忽略时间接近的点之间的所有自相关性，并且可能有很好的效果原因是要对几天内和几天内的温度循环模式进行建模。 除非真的可以断言给定地点一个月内的温度测量是独立的，否则我会采取不同的路线！ 同样，一般社区讨论区是解决这个问题的好地方——我希望具有一定时间序列经验的人能够分享一些建议。
朱利安
回复：全阶乘重复测量方差分析插件嗨朱利安，
我希望您就如何使用此分析来分析我的数据以及此分析是否适合我的数据提供建议。
我有 5 个月内 5 个地点每小时的水温数据测量值。
24 x 30 x 5 x 5 = 18000 个数据点。
我想看看每个月站点之间的水温是否存在显着差异，以及站点整体（即站点和站点 x 月交互）之间是否存在显着差异。
我的数据是长格式，具有以下列名称
1.场地
2.天数（0-150）
2. 月份（六月至十月）
3.小时（0-24）
4. 温度（响应变量）
所以我一直在主题因素中添加月份和地点。
我有点困惑应该在主题 ID 中放入哪个因素，是天数还是小时数？ 我不想看到每小时或每天的变化。
另外，您认为我应该对我的数据使用全因子重复方差分析，还是您认为我应该通过指定重复结构（例如 corAR1 等）来创建混合模型？
太感谢了。
回复：全阶乘重复测量方差分析插件你好@达莉亚,
我刚刚回复了您的私信，但认为阅读这些评论的其他人可能会对回复感兴趣，所以我将其粘贴在这里。 我希望这有助于澄清一些事情！
---
希望我能在这方面提供一点帮助！ 混合模型肯定会很复杂，特别是因为有时对于给定情况没有一个“正确”的模型。 该插件将适合“最大模型”，我的意思是它将适合您的受试者（随机效应）和固定效应（实验中的实际因素）之间的所有可能的相互作用。 如果您不太熟悉混合模型，这可能没有多大帮助。 一般来说，这意味着您在完整的最大模型中估计的参数比在简化模型中估计的参数多，在简化模型中您仅估计每个主题的随机截距。 在最简单的模型中，仅使用随机截距（只是将主题标记为随机的术语，但主题变量与其他变量之间没有交互作用），您可以断言主题之间仅在平均评分上有所不同 - 他们将对您的操作做出相同的反应（这是您按照学习库中的 pdf 运行的模型）。 在此模型中，您观察到的不同受试者对刺激反应方式的任何差异都被归类为纯粹错误，而不是人们对刺激反应方式的真正差异。 这通常是不现实的；然而，这种模型使用的自由度要少得多，因此，您有更多的误差 DF，这通常意味着更多的功能。
那么什么是更好的呢？ 我喜欢使用我的葡萄酒示例来实现此目的 - 在加载项的示例中，该模型将适合主题和葡萄酒类型（红葡萄酒或白葡萄酒）之间的交互。 这很有帮助，因为有些人比白葡萄酒更喜欢红酒，而有些人比红葡萄酒更喜欢白葡萄酒。 由于模型中有一个参数可以解释人与人之间的差异，因此观察到的对白葡萄酒和红葡萄酒的平均反应的差异不能被解释为纯粹的错误，而是人与人之间的系统差异。 在样本量较大的情况下，能够区分系统误差和纯误差将带来更大的功效。 对于小样本，人们很可能会通过拟合所有额外的相互作用而错过效果，除非相互作用确实很大（例如，您有一群人对葡萄酒的偏好差异很大）。
所以，这就是说，一般来说，对于人类受试者，我倾向于认为随机效应（我们的受试者）和固定因素之间的这些相互作用值得估计，因为很难相信人类与机器不同，会对随机效应（我们的受试者）和固定因素之间的相互作用做出反应。与操纵相同。 如果您的样本较小，有时最好使用仅具有一些随机斜率（与受试者的交互）的简化模型。 您可以通过查看“REML 方差分量”部分来了解随机斜率所占的变化量。 如果与主题的交互占总变异的很大一部分，它们可能是有用的，否则，有些人会认为你应该删除它们。 请记住，您始终可以转到顶部的红色三角形并选择“模型对话框”，然后进入随机效应部分以删除项。
回复：全阶乘重复测量方差分析插件嗨朱利安，
我想寻求帮助，因为我很难理解用于研究重复测量的三种策略。 在我的研究中，它们都给出了不同的结果。 这些模型包括以下内容：
1) 全阶乘混合方差分析插件
2）在属性部分使用拟合模型和随机主体进行混合模型分析： https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747
3）与Pro混合模型个性
我的设计包括 4 个类别的 16 个广告，供 2 组消费者看到。 我研究他们在认知参与方面的差异。
1) 对于第一个模型，我使用认知参与度作为依赖项，使用消费者群体作为之间的变量，使用广告类别作为内部变量，使用主题 ID 作为随机效应。
2）我的随机拦截是主题 ID，我的依赖是认知参与，我对消费者类别、广告类别及其交互进行建模。
3）我没有专业版。 在第二种情况下进行混合模型分析与使用混合模型有什么区别吗？
太感谢了。 我真的很感谢你的帮助。
干杯
达莉亚
回复：全阶乘重复测量方差分析插件<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我的研究设计是 2 x 2 x 3 x 3。 时间前三个因素 (2x2x3) 位于参与者内部，第三个因素（有 3 个级别）位于参与者之间。 使用插件时，报告说我在“固定效果测试”部分下出现了“丢失的 DF”，我假设这意味着自由度。 此外，它在固定效果测试下没有给出任何其他输出谁能告诉我为什么会出现这种情况？
回复：全阶乘重复测量方差分析插件感谢您的反馈，MS！ 我真的应该让这个对特殊字符更加强大，听起来我已经在某些地方做到了这一点，但在其他地方却没有这样做！
回复：全阶乘重复测量方差分析插件很棒的附加组件！ 与在“拟合模型”对话框中手动输入相同模型相比，可以节省大量时间。
到目前为止唯一的问题是列名包含奇怪的字符，如“%”、“(”或“/”。 我收到错误消息并且日志显示
“在大纲上下文中找不到项目“响应 Cs137/kg dw”{“响应 Cs137/kg dw”}
名称未解析：访问或评估“Cs137”时出现 Cs137，:Cs137/*###*/平台启动时出现异常”
但尽管如此，生成的报告具有相同的估计值，但具有不同的轮廓框集（拟合模型默认值？）。
（我使用适用于 Mac 的 JMP 12.2）
回复：全阶乘重复测量方差分析插件嗨本森，
我想让您知道，我已在此加载项的最新版本中添加了“调用”和“保持对话框打开”选项。 我希望这有帮助！
朱利安
回复：全阶乘重复测量方差分析插件朱利安，
我认为你在多个方面都是对的。 我的学习时间是连续的（0-120 分钟；5 分钟增量）以及 df。 我正在做初步分析，我们只有 4 个 n，所以需要更多的主题。 然而，现在我知道了 2 路 anova 插入的过程。
感谢您的帮助！
回复：全阶乘重复测量方差分析插件如果您缺少这些置信区间，我怀疑您在尝试拟合模型时还收到了其他错误。 从你对时间的级别数量来看，我怀疑你没有足够的自由度来拟合使用时间作为标称的模型——我预计你在更少的时间点上测量了个体。 考虑到您拥有的级别数，您似乎最好将时间建模为连续效应 - 也就是说，估计每个条件的 Y 和时间之间的斜率，而不是每个条件的每个时间点的 Y 平均值（即将时间视为标称正在做什么，因此就估计的参数而言是昂贵的）。这不是我构建插件的目的 - 您尝试拟合的模型是嵌套随机系数的模型，您可以使用 JMP Pro 中拟合模型中的专用混合模型个性来完成此操作。 这是相关的文档页面：
推出混合模特个性
抱歉，我的加载项无法帮助您进行此分析！
朱利安
回复：全阶乘重复测量方差分析插件是的，试验和治疗可以互换。 在我的模型中，有 3 种治疗/试验。 我将试验和时间都改为名义上的。 当您进行此更改时，输出未给出上下 95% CI，这是否正常？
回复：全阶乘重复测量方差分析插件如果时间、试验或两者在数据集中标记为连续，就会发生这种情况。 对于此插件和分析类型，所有内容都应标记为名义值，以估计不同时间点治疗之间的平均值和平均值差异。
顺便问一下，试验是治疗的别名，还是您的意思是在模型中进行治疗而不是试验？
回复：全阶乘重复测量方差分析插件谢谢朱利安。
是的，你是对的。 我试图了解每次治疗的时间点之间的差异。 然而，当单击效果详细信息框下的试用*时间框的红色三角形来运行分析时，似乎没有任何选项突出显示。 我可以在“试验”和“主题”框中分别进行进一步的分析。 请看图片是否有道理：
回复：全阶乘重复测量方差分析插件你好JXA014 ,
您可以通过展开“效果详细信息”部分，然后使用模型中每个源旁边的红色三角形来执行后续比较。 您似乎最感兴趣的是在不同时间点的治疗之间进行比较，这意味着您将查看试验 x 时间部分，然后使用那里的选项之一。 我有一些视频演示了其中一些后续选项。 这些视频讨论了非重复测量阶乘模型，但原理是相同的。
拟合模型中简单成对比较的概述：
JMP 与拟合模型中的成对比较（模块 2 3 4） - YouTube
一般阶乘方差分析：
阶乘方差分析 (4x4) 全面分析（模块 2 5 10）- YouTube
测试切片（我想你可能对此特别感兴趣）
测试因子设计中的切片（模块 2 5 11）- YouTube
这些视频是我的视频系列“科学中的显着统计方法”的一部分，您可以在这里找到整套模块：
科学中重要的统计方法播放列表
希望这可以帮助！
朱利安
回复：全阶乘重复测量方差分析插件朱利安，
那太完美了。 太感谢了。 我对其中一个响应变量进行了分析，结果如下：
固定效应测试
来源尼帕姆DF DF登F比率概率 > F
审判2 2 6.006 2.6589 0.1489
时间1 1 2.938 389.5700 0.0003
试用*时间2 2 5.904 5.5986 0.0433
现在我要遵循试验x时间交互的测试吗？
回复：全阶乘重复测量方差分析插件你好JXA014 ,
当然，我很乐意在这里提供一些指导！您的数据表的结构是否符合我上面显示的格式（长格式或高格式，对跨行的主题进行重复观察）？如果没有，您将需要使用“表”>“堆栈”来堆栈数据。如果您需要这样做，请告诉我，我可以提供更具体的建议。 如果您包含数据集的示例（即使只是几行）也会很有帮助，这样我可以为您提供更好的建议。
如果您的数据采用正确的格式，则设置分析应该很简单：将您的受试者变量（无论唯一标识受试者的内容）放入受试者 ID 部分，将时间放入受试者内因素部分（因为您对受试者进行了重复观察）不同时间）。TRT 可以是受试者内的，也可以是受试者间的，具体取决于您的情况方法。 如果您测量了每个主题在下面所有三种治疗方法，TRT 应位于受试者内部分。 如果您将每个受试者仅分配到三种治疗方法中的一种，那么 TRT 应位于受试者间因素部分。
运行模型后，您将收到通常的统计输出。 如果您对时间 x 治疗交互作用最感兴趣，您可以在固定效应检验表中找到统计显着性的详细信息，在效应详细信息下，您可以找到 LS 均值并运行后续比较。
我希望这有帮助！
朱利安
回复：全阶乘重复测量方差分析插件你好，
我刚刚下载了这个插件，它看起来很棒，但我习惯于在传统的 JMP 拟合模型中进行分析。 我想知道您是否可以帮助我使用变量和实验进行布局：
我有一个实验，我们的受试者 (SUBJECTS) 进行了 3 次治疗 (TRT)，每次分析的时间超过 2 小时 (TIME)，并记录了几个反应变量（核心温度、心率和皮肤温度）。
我想查看重复测量（治疗 x 时间），并具体查看每个时间点的 TRT 之间是否存在差异。
让我知道你的想法！！！
回复：全阶乘重复测量方差分析插件你好本森·穆尼扬,
是的，这是一个很好的建议！ 我已将其添加到下一版本的改进列表中。我还将添加一个复选框“保持对话框打开”，这是我在尝试不同模型时经常在“拟合模型”中执行的操作。
朱利安
回复：全阶乘重复测量方差分析插件嗨朱利安，
我一直在广泛使用你的插件，并且非常喜欢它。 我的一个主要抱怨是它没有像许多其他平台一样的召回按钮。 有什么机会可以补充一下吗？
谢谢！
回复：全阶乘重复测量方差分析插件你好达库林,
很抱歉到现在为止还没有收到您的消息。 让我解答您的每一个问题
总体而言，即使您对主要效果或交互作用不感兴趣，您的问题似乎也适合在重复测量方差分析（或混合模型，这就是此插件的作用）的背景下进行分析。 但有一些事情需要考虑：
a) 对于 0 - 3 等级，您没有太多理由认为总体分数呈正态分布，因此您可能会有点担心模型的假设。 但是，你说你有几百位老师，所以中心极限定理会在这方面帮助你。
b) 问题之间的协方差可能不同——某些问题的答案可能与其他问题的相关性更强。 本质上，这就是你的莫奇利球形度检验表明——违反了这一假设。 这确实给后续测试带来了一些问题，因为有些可能是保守的，有些可能是反保守的。 分析数据子集可以减少一些这种担忧，因为您假设的协方差较少。 如果您使用的是 JMP Pro，则可以使用非结构化协方差运行这些测试，但我们暂时不要这样做。
c）对于前三个问题，听起来您并不关心比较不同级别教师的项目回答，因此为每个教师级别单独运行这些分析可能是有意义的（这样，您就不会包括教师水平作为学科间因素）。 执行此操作的一个简单方法是使用数据过滤器（行 > 数据过滤器），并排除除您想要查看的教师组之外的所有教师。 正如我所编写的，该加载项不包含使用“按变量”的选项，而这通常是执行此操作的最直接方法。 我会将其添加到我想要添加到此加载项的功能列表中。
- 或者，您可以使用“分析”>“拟合模型”来设置此分析，这允许使用按变量，通过执行以下操作（假设您已按照上面的加载项说明中所示堆叠了数据）
- 分析>拟合模型
- 响应为 Y
- 主题 ID 作为您的第一个因素，在模型效应部分中选择它，单击“属性”，然后选择“随机” - 这会将您的主题 ID 标记为随机效应，以便 JMP 知道如何正确对其建模
- 将您的测试问题因素添加到模型效果部分
- 添加教师级别作为 BY 变量
- 这将返回三个单独的拟合模型输出，每个教师级别一个。 从那里您可以执行以下操作：
问题 1、2、3) 使用此加载项运行模型后（使用数据过滤器仅包含一组教师后），您可以展开效果详细信息部分，其中将显示测试项目的源。 如果您使用了带有按变量的拟合模型，您将在输出的右侧看到测试项源（这是默认位置，除非您将拟合模型中的“重点”更改为“最小报告”，这会导致是我的偏好，也是上面的加载项默认的偏好。
找到测试项目源的部分后，单击名称旁边的红色三角形，您将获得用于执行成对测试的多个选项。 鉴于您有兴趣测试项目因素内的所有可能组合（这将是大量测试），我建议使用 Tukey HSD 选项，它将控制给定范围内所有测试的家庭错误率因素。 连接字母报告是查看差异的好方法，或者如果您想要调整后的 p 值，可以单击 Tukey HSD 报告中的红色三角形，然后选择有序差异报告。
4, 5）这些测试要求您的教师与项目位于同一模型中，因此我将运行一个完整的模型，其中教师级别作为主题间变量，项目作为主题内变量。 我的加载项有助于设置该模型，但如果您熟悉混合模型，也可以直接通过“拟合模型”对话框来完成此操作。 获得模型报告后，展开效果详细信息部分并找到交互的源。 在那里，您可以使用“测试切片”，它将执行对比切片：在另一个因素的单一水平上对一个因素进行测试。 例如，您将得到一个标记为“项目 1”（或第一个项目的标签是什么）的切片，这将测试是否有证据表明教师对项目 1 的回答有所不同。 您将获得所有物品的这些。 这些对您来说似乎是最重要的测试，本质上是针对教师水平在项目的每个级别的“效果”的单向方差分析。 通过测试切片，您还将获得一个标有“高中教师”（或您标记该级别的任何内容）的切片，这是一个测试，总体而言，是否有证据表明高中教师对这些项目给出了不同的评分。 后面的这些切片可能对您来说用处不大，特别是因为您将分别查看每个级别的教师先前模型中的项目差异。
如果您希望对每个项目的教师级别测试保持最保守，您可以执行我上面建议的一系列相同步骤来过滤数据，或使用“按”变量。 这意味着您要设置 15 个不同的模型，每个项目一个，只有教师水平这一单一因素。 获得每个模型后，您将运行 Tukey HSD 测试，为您提供连接字母报告，或者根据您的要求提供带有 p 值的有序差异。 这实际上可能是一种更好的做法，因为您不必对项目之间的协方差断言任何内容，因为您正在对数据进行子集化以一次仅包含一项。
如果您要使用此插件，我这里有两组视频，其中包含更多详细信息：
模块 2:8 - 单因素重复测量
模块 2:9 - 阶乘重复测量
我希望这有帮助！
朱利安
回复：全阶乘重复测量方差分析插件我将下载并尝试这个加载项，但无论如何我希望您能帮助解决我的问题。 大约 5 周前，我将这种情况发布在 JMP 用户社区帖子中，但到目前为止还没有任何建议。 我应该把它放在哪里？
我的数据集由数百名教师的问卷调查组成。
大约三分之一是小学、初中和中学
他们分别对 15 个项目的重要性进行了 0-3 级评分
（我很乐意将这些评级视为区间级别数据；如果有效的话，序数也可以）
我将其可视化为带有后续测试的重复测量方差分析（变量 = 教师水平；重复变量 = 15 个评分）
但我对主效应没什么兴趣：要么是重复评分（将 3 个教师级别的任何特定项目的分数相结合是没有意义的），要么是跨教师级别（这些项目不在一起；每个项目都是独立的，因此总分是不感兴趣）
相反，我的问题是：
1-对于小学教师群体，15 个项目中哪一个的评分显着高于其他项目？
2-问题中学老师也一样
3-高中老师同样的问题
4- 3 个教师组之一对项目 1 的评分是否与其他两组显着不同？
5-第 2—15 项的相同问题
（我意识到我必须将阿尔法切成很薄的部分以防止通货膨胀）
我的第一个想法是通过后续测试进行重复测量的方差分析，而忽略主要影响以进行后续测试。
但莫奇利的球形度测试很重要，似乎（？）表明需要进行多元方差分析和后续测试。 如果是这样，如何在 JMP 中进行多元方差分析后执行后续均值比较？
或者，因为我对主要影响不感兴趣，我是否应该考虑不同的分析？
