使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。
文件已附上，請
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。我已經附上了字段佈局，那麼，該字段佈局生成的數據應該使用單向方差分析還是雙向方差分析？
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。如果我正確理解你所說的，那麼你可能選擇了 RCBD，但你運行了裂區設計。 那麼重複項表示來自同一領域的觀察結果？
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。您的因子水平標記為 N0、N50、N100、N150、N200 和 N250。 該因素作為具有 6 個水平的分類因素進入設計。 因此，它被建模為名義效應。 事實上，它是在 0、50、100、150、200 和 250 水平上測試的連續因子 N 嗎？ 這將改變建模。
您的數據存儲在 Excel 工作簿中。 您是否使用 JMP 來設計實驗？ 我導入了工作表。 我添加了一些有用的列屬性。 我將復制重新定義為整個情節。 我將其作為隨機效應添加到模型中。 （它不是一個塊，它是對隨機化的限制 - 你沒有每次都使用新字段。）我擬合了兩個模型。 人們使用原始治療作為分類因素。 另一種使用新因子 N 作為具有非線性分量的連續效應。
我附上了新的 JMP 數據表。
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。謝謝。 我們有很多現場變化。 因此，所使用的設計是隨機區組設計，其中區組/重複是針對現場斜率進行的。 治療的隨機化是按組進行的。構建塊/重複是為了最大限度地減少實驗誤差。 現在，我們的主要興趣是確定治療效果。 那麼，應該採用單向方差分析還是雙向方差分析？
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。您似乎沒有從術語的使用中理解線性統計模型或實驗設計的基礎知識，例如，添加重複作為術語或引用塊和阻塞。 您對特定術語的使用令人困惑。
你從哪裡得到設計？ 您試圖估計什麼影響？ 似乎你收集了數據，然後考慮如何分析它。 最優設計基於分析中的預期模型。
另外，你沒有說明你的學習目的。 你想學什麼？
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。我在您的數據集中沒有看到任何阻塞結構。 如果您實際上阻止了運行，那麼您必須在添加一項來估計此效果之前確定它們的效果是固定的還是隨機的。
不要在模型中輸入重複。 假設響應中存在隨機誤差。 假設其服從方差恆定的正態分佈。 它用於估計 RMSE，即模型誤差的模型相關估計。 它應該代表完全隨機化下每次運行的正常變化。
Oneway 平台和擬合最小二乘平台都可以估計模型參數，但它們在許多可用選項方面有所不同。 另外，如果您決定添加塊效果，則無法使用 Oneway。
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。太感謝了 ：）
另一個問題-既然我已經使用了塊/代表，為什麼我們不在模型中使用代表。
另外，我應該使用擬合模型還是用 X 擬合 Y？我分析了數據並查看了附表並提出了建議。
回复：使用 JMP 使用 5 次重複的隨機完全區組設計時，如何計算變異係數 (CV)。 當我使用 JMP 表 -summary 計算它時，它為 17，而通過使用誤差均方和手動計算它時，它為 7。我不知道您如何使用“表格”>“摘要”來估計簡歷。 我不知道你是如何手動計算CV的。 我無法評估這些結果中的任何一個。
我假設您想要估計響應的 CV。 RMSE/平均值的估計將是最佳估計。 模型平方和中已考慮固定效應，而 RMSE 中僅考慮隨機效應。
以下是使用 Oneway 平台進行的方差分析：
所以估計的 CV 約為 7%：
