POV（變異分區）vs COV（變異係數）你好
我有人問我是在JMP中本地進行變體分區還是有類似的方法。我在網上找不到太多東西。顯然，它用於半導體中“當您試圖解決問題時，重要的步驟之一就是劃分變異源。”POV進行調整以處理連續數據和屬性數據以及平衡和不平衡數據。“它也打破了變異之間和變異之間，包括共同/噪聲。”
有誰知道它是否包含在JMP中以及如何與Variability / Attribute Gauge平台中的標準Varience組件進行比較？
回复：POV（變異分區）vs COV（變異係數）我敢打賭，它們的意思是方差成分，是的，JMP在幾個地方進行了計算。
回复：POV（變異分區）vs COV（變異係數）嘿哈德利，
他們有可能談論方差成分分析嗎？ 如果是這樣，則對具有隨機效應的模型進行擬合將生成方差分量估計
方差內的估計值表中的殘差在變化之內。 之間可用於交互模型。總計給出總方差。在成為JMP用戶之前，這就是我解決MSA問題的方式。 對於隨機影響的任何情況也很方便。 這可能是他們要的嗎？
Ĵ
抱歉，馬克，我們一定是在同一時間回覆
回复：POV（變異分區）vs COV（變異係數）對此的另一種變體是主方差成分分析（PVCA），您可以在其中從響應中創建主成分（PCA），然後使用如上所示的Jason的方差成分，但要根據主成分建模。
這是大約11年前Russ W.的帖子中有關此分析的鏈接聚氯乙烯
來自NIEHS的鏈接也可能會有所幫助NIEHS PVCA
回复：POV（變異分區）vs COV（變異係數）你好
感謝您的答复。我想我現在有足夠的時間陪伴我。再次感謝。
最好的祝福，
哈德利
