JMP 13-鄧內特去了哪裡？當我們在篩選新菌株以控制效果時，我在溫室試驗中使用了Dunnett。 它曾經在下拉菜單中“實時”顯示，您可以在其中選擇比較類型（Tukey，Student's T，LSMeans Contrast等）。 它不再是一個選擇。 有誰知道在哪裡可以找到Dunnett選項，或者您知道如何將一種處理方法與現在可用的選項進行比較？
回复：JMP 13-鄧內特去了哪裡？我們可以在使用的模型類型中編寫Dunnett腳本嗎？
回复：JMP 13-鄧內特去了哪裡？該附件無效，並且Dunnett無法用於該平台。我們只需要等待他們完成它！
傑斯珀
回复：JMP 13-鄧內特去了哪裡？抱歉，我很久沒有跟進了。我正在休產假。 我想念你的依戀嗎？
回复：JMP 13-鄧內特去了哪裡？請查看附件。
回复：JMP 13-鄧內特去了哪裡？Dunnett未針對REML實施。
如果有某種計算上的原因導致不可能或特別麻煩，我不知道。
也許它尚未實現-我將其添加為JMP開發的希望。
回复：JMP 13-鄧內特去了哪裡？我認為如果您仍然想在模型中包括隨機效應並進行Dunnett檢驗。也許您可以將方法從REML更改為EMS。然後可以在具有隨機效果的模型下運行Dunnett。
布儒納
回复：JMP 13-鄧內特去了哪裡？我有一個理論，也許MTOF可以告訴我是否偏離目標。
我的猜測是您的模型中有“治療”，並且已為其分配了“隨機”屬性。對於JMP，“隨機”屬性告訴建模平台您是從一組較大的“治療”中採樣的，但是您實際上對“治療選擇”如何影響結果並不感興趣，您只知道“治療”選擇會影響結果，並且您想要估計多少。換句話說，沒有基線控制“治療”，因為治療不是您控制的東西，而是發生的事情。因此，從JMP的角度來看，Dunnett的測試是不合理的，因為沒有諸如對照隨機樣本之類的東西。
我的建議是嘗試從“治療”中刪除“隨機”屬性。我假設您控制的是什麼處理方式（產品A與產品B），並且想要比較它們，因此可以安全地將其視為固定效果。
為了進一步說明，我在JMP幫助中找到了這個說明，可能比我做的更好：
----
隨機效應
隨機效應是一個因素，其水平被認為是來自某些人群的隨機樣本。通常，隨機效應的精確水平通常不重要，而正是感興趣水平所反映的變化（即方差成分 ）。但是，在某些情況下，您希望預測給定水平的隨機效果的響應。從技術上講，隨機效應被認為具有均值零和非零方差的正態分佈。
假設您對兩個特定的烤箱對模具收縮的影響是否不同感興趣。一個烤箱一次只能處理一批50個模具。您設計了一個研究，將三個隨機選擇的批次（每批次50個模具）分別放置在兩個烤箱中。一旦處理了批次，就測量從每個批次中隨機選擇的五個部分的收縮率。
請注意，批次是具有六個級別的因子，每個批次一次。因此，在模型中，您包括兩個因素：烤箱和批次。因為您特別想比較每個烤箱對收縮的影響，所以烤箱是固定的。但是您對這六個特定批次對平均收縮率的影響不感興趣。這些批次代表可以為該實驗選擇的全部批次，分析結果必須對此進行概括。批處理被認為是隨機效應。在該實驗中，就所有可能的批次之間的收縮率變化而言，批次因子是有意義的。您的興趣是估計它所解釋的收縮率變化量。（請注意，批處理也嵌套在烤箱中，因為在一個烤箱中一次只能處理一批。）
現在，假設您對採用兩種進食方式的母雞的雞蛋重量感興趣。隨機將十隻母雞分配給飼餵方案：將五隻分配給飼餵方案A，將五隻分配給飼餵方案B。但是，這十隻母雞具有一些遺傳差異，這些差異在研究設計中並未考慮。在這種情況下，您可能會對某些特定母雞的雞蛋的預測重量以及母雞之間雞蛋的重量變化感興趣。
回复：JMP 13-鄧內特去了哪裡？那是13.1，但是我仍然安裝了JMP 12進行比較。查看您的報告，您似乎已將隨機屬性賦予了治療ID號，並且您正在使用REML對其進行分析。當我在12或13中執行此操作時，不能選擇使用Dunnett。我還不知道為什麼，但是我正在深入研究統計細節，以查看是否有原因或僅僅是一個疏忽。
JMP12 JMP12
JMP13 JMP13
回复：JMP 13-鄧內特去了哪裡？您有12或13歲的哪個版本？這是我的效果詳細信息如下所示：
回复：JMP 13-鄧內特去了哪裡？您通常使用哪個平台？在“ Fit Y by X”平台中，Dunnett的位於“熱點”菜單中的“比較均值”下，而在“擬合模型”中，則位於“效果詳細信息”的熱點菜單下。
