使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。
文件已附上，请
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。我已经附上了字段布局，那么，该字段布局生成的数据应该使用单向方差分析还是双向方差分析？
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。如果我正确理解你所说的，那么你可能选择了 RCBD，但你运行了裂区设计。 那么重复项表示来自同一领域的观察结果？
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。您的因子水平标记为 N0、N50、N100、N150、N200 和 N250。 该因素作为具有 6 个水平的分类因素进入设计。 因此，它被建模为名义效应。 事实上，它是在 0、50、100、150、200 和 250 水平上测试的连续因子 N 吗？ 这将改变建模。
您的数据存储在 Excel 工作簿中。 您是否使用 JMP 来设计实验？ 我导入了工作表。 我添加了一些有用的列属性。 我将复制重新定义为整个情节。 我将其作为随机效应添加到模型中。 （它不是一个块，它是对随机化的限制 - 你没有每次都使用新字段。）我拟合了两个模型。 人们使用原始治疗作为分类因素。 另一种使用新因子 N 作为具有非线性分量的连续效应。
我附上了新的 JMP 数据表。
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。谢谢。 我们有很多现场变化。 因此，所使用的设计是随机区组设计，其中区组/重复是针对现场斜率进行的。 治疗的随机化是按组进行的。构建块/重复是为了最大限度地减少实验误差。 现在，我们的主要兴趣是确定治疗效果。 那么，应该采用单向方差分析还是双向方差分析？
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。您似乎没有从术语的使用中理解线性统计模型或实验设计的基础知识，例如，添加重复作为术语或引用块和阻塞。 您对特定术语的使用令人困惑。
你从哪里得到设计？ 您试图估计什么影响？ 似乎你收集了数据，然后考虑如何分析它。 最优设计基于分析中的预期模型。
另外，你没有说明你的学习目的。 你想学什么？
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。我在您的数据集中没有看到任何阻塞结构。 如果您实际上阻止了运行，那么您必须在添加一项来估计此效果之前确定它们的效果是固定的还是随机的。
不要在模型中输入重复。 假设响应中存在随机误差。 假设其服从方差恒定的正态分布。 它用于估计 RMSE，即模型误差的模型相关估计。 它应该代表完全随机化下每次运行的正常变化。
Oneway 平台和拟合最小二乘平台都可以估计模型参数，但它们在许多可用选项方面有所不同。 另外，如果您决定添加块效果，则无法使用 Oneway。
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。太感谢了 ：）
另一个问题-既然我已经使用了块/代表，为什么我们不在模型中使用代表。
另外，我应该使用拟合模型还是用 X 拟合 Y？我分析了数据并查看了附表并提出了建议。
回复：使用 JMP 使用 5 次重复的随机完全区组设计时，如何计算变异系数 (CV)。 当我使用 JMP 表 -summary 计算它时，它为 17，而通过使用误差均方和手动计算它时，它为 7。我不知道您如何使用“表格”>“摘要”来估计简历。 我不知道你是如何手动计算CV的。 我无法评估这些结果中的任何一个。
我假设您想要估计响应的 CV。 RMSE/平均值的估计将是最佳估计。 模型平方和中已考虑固定效应，而 RMSE 中仅考虑随机效应。
以下是使用 Oneway 平台进行的方差分析：
所以估计的 CV 约为 7%：
