问题：我们观察到使用不同数据子集运行时，分裂图模型的行为不稳定。 对于六个响应变量列中的两个，脚本为模型中的随机因子生成错误的输出。 具体来说，随机因素占REML方差分量估计表中总方差的0％，而最小二乘均值表显示的是一列均值，而不是标准误。
我们已经检查了列的属性，并替换了有问题的列中的数据，但无济于事。 有两行证据表明此行为不是由于脚本错误引起的：
- 该脚本可在其他四个响应变量列上正常运行
- 简化的模型（仅包含随机因子和有问题的数据列）为一个响应变量生成了错误的输出，而对于另一个变量，输出似乎是正确的
我们提供了实验设计和分析方法的简短摘要，以及有问题的数据，使用的脚本和模型输出的示例。 我们还附带了一个pdf文件，其中显示了上述简化模型的脚本和输出。
感谢您为解决这个难题提供的帮助！
实验设计：一个生态野外实验，由四个（或三个）空间定义的块（重复项）组成，在分块图设计中随机分配了三个因素。 在整个地块上，
将两个相对较难更改的二级因子-帽毛去除（+/-）和水分增加（+/-）-随机分配给每个块中的四个图。 在子图规模上，将刀片移除（Blades +/-）随机分配给每个整个图中的两个子图（请参见下面的示例布局）。
样本数据集
大块＃ | 跛行 | 湿 | 叶片 | Ja88Ap88 | 先生89 |
1个 | + L | + M | + B | 0 | -15 |
1个 | -L | + M | + B | -5.88235 | -2.94118 |
1个 | + L | -M | + B | 5.88235 | -11.7647 |
1个 | -L | -M | + B | -14.4118 | -38.2353 |
2 | + L | + M | + B | -2.94118 | 2.94118 |
2 | -L | + M | + B | 0 | -20.5882 |
2 | + L | -M | + B | 0 | -15 |
2 | -L | -M | + B | 0.29412 | -2.94118 |
3 | + L | + M | + B | 0 | 。 |
3 | -L | + M | + B | -32.3529 | 。 |
3 | + L | -M | + B | -17.6471 | 。 |
3 | -L | -M | + B | -15 | 。 |
4 | + L | + M | + B | 0 | -2.64706 |
4 | -L | + M | + B | -5.88235 | -14.4118 |
4 | + L | -M | + B | -5.58824 | -43.8235 |
4 | -L | -M | + B | -5.88235 | -35.2941 |
1个 | + L | + M | -B | -5.88235 | 11.47059 |
1个 | -L | + M | -B | 3.23529 | 5.29412 |
1个 | + L | -M | -B | -2.94118 | -8.82353 |
1个 | -L | -M | -B | -2.94118 | -11.7647 |
2 | + L | + M | -B | -5.88235 | 6.17647 |
2 | -L | + M | -B | 0 | -6.17647 |
2 | + L | -M | -B | 2.94118 | -26.4706 |
2 | -L | -M | -B | 3.23529 | -20.2941 |
3 | + L | + M | -B | -14.7059 | 。 |
3 | -L | + M | -B | 14.70588 | 。 |
3 | + L | -M | -B | -0.29412 | 。 |
3 | -L | -M | -B | -5.88235 | 。 |
4 | + L | + M | -B | -8.82353 | -26.4706 |
4 | -L | + M | -B | -26.4706 | -20.5882 |
4 | + L | -M | -B | -14.4118 | -44.1177 |
4 | -L | -M | -B | 2.94118 | -47.3529 |
分析。 为了简化分析，我们选择将四种全图处理组合建模为单个因子的四个级别（以下脚本中的Concatenate [Limp，Moist]）。 我们计划使用事后检验来区分治疗手段。 随机效应（整个图的误差项）是块，帽贝和湿度代码（例如，下面的：Name（“ Concatenate [Blk＃，Limp，Moist]”）[：Blk＃]）的串联。
完整模型的示例脚本。
</CODE>Fit Model(<BR />Y( :Ja88Ap88 ),<BR />Effects(<BR />:Blk#,<BR />:Name( "Concatenate[Limp,Moist]" ),<BR />:Blades,<BR />:Blades * :Name( "Concatenate[Limp,Moist]" )<BR />),<BR />Random Effects( :Name( "Concatenate[Blk#,Limp,Moist]" )[:Blk#] ),<BR />NoBounds( 1 ),<BR />Personality( "Standard Least Squares" ),<BR />Method( "REML" ),<BR />Emphasis( "Minimal Report" ),<BR />Run(<BR />)<BR />),</PRE><P> </P><P><U>完整模型的部分输出</U>。</P><P><STRONG>REML方差分量估计</STRONG>对于Ja88Apr88（n = 4个块）</P><TABLE><TBODY><TR><TD><P><STRONG>随机效应</STRONG></P></TD><TD><P><STRONG>可变比率</STRONG></P></TD><TD><P><STRONG>无功分量</STRONG></P></TD><TD><P><STRONG>标准错误</STRONG></P></TD><TD><P><STRONG>降低95％</STRONG></P></TD><TD><P><STRONG>上层95％</STRONG></P></TD><TD><P><STRONG>Wald p值</STRONG></P></TD><TD><P><STRONG>总计百分比</STRONG></P></TD><TD> </TD></TR><TR><TD><P>串联[Blk＃，Limp，潮湿] [Blk＃]</P></TD><TD><P>-0.324822</P></TD><TD><P>-40.38441</P></TD><TD><P>27.376421</P></TD><TD><P>-94.04121</P></TD><TD><P>13.272392</P></TD><TD><P>0.1402</P></TD><TD><P>0.000</P></TD><TD> </TD></TR><TR><TD><P>剩余的</P></TD><TD><P> </P></TD><TD><P>124.32778</P></TD><TD><P>50.756605</P></TD><TD><P>63.930876</P></TD><TD><P>338.78407</P></TD><TD><P> </P></TD><TD><P>100.000</P></TD><TD> </TD></TR><TR><TD><P>总</P></TD><TD><P> </P></TD><TD><P>124.32778</P></TD><TD><P>50.756605</P></TD><TD><P>63.930876</P></TD><TD><P>338.78407</P></TD><TD><P> </P></TD><TD><P>100.000</P></TD><TD> </TD></TR></TBODY></TABLE><P> </P><P><STRONG>固定效果测试</STRONG>对于Ja88Apr88<U>注意</U>分母的自由度似乎是正确的。</P><TABLE><TBODY><TR><TD><P><STRONG>资源</STRONG></P></TD><TD><P><STRONG>纳帕姆</STRONG></P></TD><TD><P><STRONG>东风</STRONG></P></TD><TD><P><STRONG>DFDen</STRONG></P></TD><TD><P><STRONG>F比</STRONG></P></TD><TD><P><STRONG>概率> F</STRONG></P></TD><TD> </TD></TR><TR><TD><P>大块＃</P></TD><TD><P>3</P></TD><TD><P>3</P></TD><TD><P>9</P></TD><TD><P>3.1201</P></TD><TD><P>0.0808</P></TD><TD> </TD></TR><TR><TD><P>级联[Limp，潮湿]</P></TD><TD><P>3</P></TD><TD><P>3</P></TD><TD><P>9</P></TD><TD><P>0.2215</P></TD><TD><P>0.8791</P></TD><TD> </TD></TR><TR><TD><P>叶片</P></TD><TD><P>1个</P></TD><TD><P>1个</P></TD><TD><P>12</P></TD><TD><P>0.3675</P></TD><TD><P>0.5557</P></TD><TD> </TD></TR><TR><TD><P>刀片*级联[Limp，潮湿]</P></TD><TD><P>3</P></TD><TD><P>3</P></TD><TD><P>12</P></TD><TD><P>1.0059</P></TD><TD><P>0.4238</P></TD><TD> </TD></TR></TBODY></TABLE><P> </P><P><STRONG>最小二乘均值表</STRONG>对于Ja88Apr88（n = 4个块）</P><TABLE><TBODY><TR><TD><P><STRONG>水平</STRONG></P></TD><TD><P><STRONG>最小均方</STRONG></P></TD><TD><P><STRONG>标准错误</STRONG></P></TD><TD> </TD></TR><TR><TD><P>[1] 1，+ L，+ M</P></TD><TD><P>-2.28820</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[1] 1，+ L，-M</P></TD><TD><P>-9.03709</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[1] 1，-L，+ M</P></TD><TD><P>-8.62806</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[1] 1，-L，-M</P></TD><TD><P>8.48276</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[2] 2，+ L，+ M</P></TD><TD><P>7.78410</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[2] 2，+ L，-M</P></TD><TD><P>-1.69162</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[2] 2，-L，+ M</P></TD><TD><P>-3.73673</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[2] 2，-L，-M</P></TD><TD><P>-3.53222</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[3] 3，+ L，+ M</P></TD><TD><P>-11.31712</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[3] 3，+ L，-M</P></TD><TD><P>-6.88603</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[3] 3，-L，+ M</P></TD><TD><P>-11.93065</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[3] 3，-L，-M</P></TD><TD><P>-5.45444</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[4] 4，+ L，+ M</P></TD><TD><P>-14.25232</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[4] 4，+ L，-M</P></TD><TD><P>-2.45880</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[4] 4，-L，+ M</P></TD><TD><P>4.22192</P></TD><TD><P>。</P></TD><TD> </TD></TR><TR><TD><P>[4] 4，-L，-M</P></TD><TD><P>-19.56963</P></TD><TD><P>。</P></TD><TD> </TD></TR></TBODY></TABLE><P> </P></LINGO-BODY><LINGO-LABS id="lingo-labs-328571" slang="en-US"><LINGO-LABEL>数据表</LINGO-LABEL><LINGO-LABEL>脚本编写</LINGO-LABEL></LINGO-LABS><LINGO-SUB id="lingo-sub-328695" slang="en-US">回复：分割图模型的错误行为：受污染的数据，脚本错误或错误？</LINGO-SUB><LINGO-BODY id="lingo-body-328695" slang="en-US"><P>让我作为我的评论的开头，因为我不从科学或工程的角度理解您所描述的情况，因此我的评论可能完全不合逻辑。 确实很难改变帽贝和湿度，这是随机的。 我不知道您的假设是什么，或者我不了解响应变量或与此相关的因素？ 关于您的实验，我有一些疑问。 我遇到的困难是理解您的设计计划（基于您提供的样本数据）：</P><P>1.这句话对我来说毫无意义：<SPAN>在分割图设计中随机分配了3个因子”。 分割图设计故意限制了随机性，所以我不明白您在做什么。 在样本数据集中，看起来“您很难更改</SPAN>演员”正在发生很大变化！ 子图因子似乎没有像您的整个图因子那样变化？ 您有运行订单吗？</P><P>2.我也不理解您对积木的使用？ 我假设您正在使用这些块来获取整个绘图错误的估计值？ 让我看看我是否了解您在做什么...您正在4个不同的“位置/空间”（块）中运行2 ^ 3阶乘实验。 在每个块内，您打算将随机数限制在阶乘矩阵中的3个因子（L和M）中的2个。 这听起来更像是分割图。 我只是在jmp文件中添加了设计，以查看这是否是您正在运行的。</P><P>3.为什么要合并L＆M？ 如果执行此操作，您将无法量化L * M相互作用以及L和M的其他任何二阶效应的能力？ 相反，您可以估计二次和三次效应？？？</P><P>4.您的测量系统看起来有一个辨别问题（它似乎不是连续的）。 查看样本数据集时只有一些数字可用？ 这是真实数据吗？</P><P>值得深思（请原谅我的漫步）...之所以需要注意并考虑随机限制，是因为在整个实验过程中，噪声可能会发生意料之外的变化，进而影响实验误差和随后进行统计检验。 思想是整个图错误将不同于子图错误，因此应针对每个图执行不同的显着性检验。 如果在计划实验时，如果您确定了噪声变量并假设了这些噪声变量的影响，则可以在设计实验时考虑到这一点（例如，块内部发生了什么变化以及块之间发生了什么变化？） 。 如果在整个图块级别（在块之间）变化的噪声与在子电位差级别变化的噪声之间几乎没有差异，则考虑该限制可能没有影响。 但是，如果整个图级的噪声（以及估计误差）与子图级的噪声存在显着差异，则显着性检验应反映出这一点。</P><P> </P></LINGO-BODY><LINGO-SUB id="lingo-sub-328867" slang="en-US">回复：分割图模型的错误行为：受污染的数据，脚本错误或错误？</LINGO-SUB><LINGO-BODY id="lingo-body-328867" slang="en-US"><P>请阅读<A href="https://community.jmp.com/t5/user/viewprofilepage/user-id/4358" target="_blank">@statman</A>的答复仔细。</P>
<P> </P>
<P>您的帖子也让我感到困惑：</P>
<UL>
<LI>您已将Limpet和Moisture水平串联起来，然后将它们的关节变化视为对响应的随机影响？ 您不希望这些因素产生固定的影响吗？</LI>
<LI>您所说的Blk＃实际上就是整个情节？ 也就是说，这些运行一次重置难以改变的因素？ 那么它可能应该是模型中唯一的随机效应。</LI>
<LI>似乎Blades是整个图（很难更改）的因素，但是在同一整个图中，如何将Blades设置为-B和+ B呢？</LI>
<LI>您的脚本表明固定和随机效果都使用相同的因子。 那是故意的吗？</LI>
<LI>您丢失了全部情节= 3？</LI>
</UL>
<P>也许此模型将以更稳定的估计提供您想要的信息：</P>
<P> </P>
<PRE><CODE class=" language-jsl">Fit Model(
Y( :Ja88Ap88 ),
Effects( :Limp, :Moist, :Blades, :Blades * :Limp, :Blades * :Moist ),
Random Effects( :Blk# ),
No Bounds( 1 ),
Personality( "Standard Least Squares" ),
Method( "REML" ),
Emphasis( "Minimal Report" ),
Run()
);
