POV（变异分区）vs COV（变异系数）你好
我有人问我是在JMP中本地进行变体分区还是有类似的方法。我在网上找不到太多东西。显然，它用于半导体中“当您试图解决问题时，重要的步骤之一就是划分变异源。”POV进行调整以处理连续数据和属性数据以及平衡和不平衡数据。“它也打破了变异之间和变异之间，包括共同/噪声。”
有谁知道它是否包含在JMP中以及如何与Variability / Attribute Gauge平台中的标准Varience组件进行比较？
回复：POV（变异分区）vs COV（变异系数）我敢打赌，它们的意思是方差成分，是的，JMP在几个地方进行了计算。
回复：POV（变异分区）vs COV（变异系数）嘿哈德利，
他们有可能谈论方差成分分析吗？ 如果是这样，则对具有随机效应的模型进行拟合将生成方差分量估计
方差内的估计值表中的残差在变化之内。 之间可用于交互模型。总计给出总方差。在成为JMP用户之前，这就是我解决MSA问题的方式。 对于随机影响的任何情况也很方便。 这可能是他们要的吗？
Ĵ
抱歉，马克，我们一定是在同一时间回覆
回复：POV（变异分区）vs COV（变异系数）对此的另一种变体是主方差成分分析（PVCA），您可以在其中从响应中创建主成分（PCA），然后使用如上所示的Jason的方差成分，但要根据主成分进行建模。
这是大约11年前Russ W.的帖子中有关此分析的链接聚氯乙烯
来自NIEHS的链接也可能会有所帮助NIEHS PVCA
回复：POV（变异分区）vs COV（变异系数）你好
感谢您的答复。我想我现在有足够的时间陪伴我。再次感谢。
最好的祝福，
哈德利
