足够的 DF's- 全因子的不可估计错误消息<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我有一个数据集，其中包含 4 个重复了 3 年的治疗（位置）。当我运行一个完整的阶乘（Year、Location、Year*Location）时，我收到了 nonEstimable 错误消息，如下所示。当我只分析 Year 和 Location 而没有交互时，我确实得到了如下所示的结果。现在，当我没有在 Fit Model 控制面板中选择 By 元素时，特别是不要选择 Cultivar 作为 By 元素时，我确实得到了全阶乘的结果，如下所示。
1) 我是否没有足够的自由度来测试带有 By 元素的完整因子？这就是我收到 NonEstimable 消息的原因。我知道该消息与混杂因素有关，但老实说，我不知道作为解决方案我应该做什么。
（我粘贴了一些数据以了解我正在使用的内容，例如，请注意样本量很小且不平衡）
2) 如果我的 DF 太低，是否有任何解决方案/替代方案来测试交互？
全阶乘-不可估计：
无交互：
不带 By 元素的全阶乘：
数据快照：
回复：Full Factorial 足够的 DF's-NonEstimable 错误消息1）查看您的（不完整）表，我强烈怀疑您的缺失值导致无法估计相互作用，例如，Brown Snout（2012 年）只有 1 个 Tieton 值，因此如果您按品种分析，它可以估计 Tieton 对 Brown Snout 的影响，但不能估计 Tieton*Year 的交互作用，因为 Tieton 只有 1 年可用。您的 DF 已用于估计 Tieton 的效果，您无法获得 Tieton*Year。
我假设数据表其余部分中的其他品种具有其他年份的 Tietion 值。这为您提供了估计 Tieton*Year 所需的 DF，但前提是您不分析 By: Cultivar。
2）如果您的模型中有更多项，您可以删除不重要的项，这将汇集数据并允许您估计您的交互，但因为如果您这样做，则不是您的情况：品种... 您可以做的最接近的事情是使用 Cultivar 的模型，但不是 Cultivar*Year 或 Cultivar*Location 或 Cultivar*Year*Location。相当于说 Cultivar 与其他因子之间的交互作用不显着。这可能允许模型构建估计所有其他项：年、位置、栽培品种、年*位置。这将取决于您的数据表中有多少缺失值。
回复：Full Factorial 足够的 DF's-NonEstimable 错误消息这可能与稍后的讨论有关，因此我将其链接到它，因为有一些答案可能会有所帮助：回复：测试 X 个主效应需要多少个 DF - JMP 拟合模型
