为什么我在SAS和JMP之间得到不同的方差分量分析结果？？为什么我在 SAS 和 JMP 的方差分量分析中得到不同的结果？
案例 1 - 越过然后越过
proc varcomp data = 数据方法=TYPE1;
类 Factor1 Factor2 Factor3;
模型变量 = Factor1 Factor2 Factor3;
跑;
= JMP - 质量和过程 - 变异性/属性量表 - 模型类型 -交叉
（如果选择“主效应”，结果与 SAS 相同。）
案例 2 - 嵌套然后交叉
proc varcomp data = 数据方法=TYPE1;
类 Factor1 Factor2 Factor3;
模型变量 = Factor1 Factor2(Factor1) Factor3;
跑;
= JMP - 质量和过程 - 变异性/属性量表 - 模型类型 -嵌套然后交叉
案例 3 - 交叉然后嵌套
proc varcomp data = 数据方法=TYPE1;
类 Factor1 Factor2 Factor3;
模型变量 = Factor1 Factor2 Factor3(Factor2);
跑;
= JMP - 质量和过程 - 变异性/属性量表 - 模型类型 -交叉然后嵌套
确认了当因子数为 1 或 2 时，方差分量的 SAS 和 JMP 结果相同。
但是，上述情况的结果是不同的，有 3 个因素。\
如果您能告诉我为什么这两个程序的结果不同，我将不胜感激！
分析数据表美国能源部苹果系统其他视窗Re: 为什么我在 SAS 和 JMP 之间得到不同的方差分量分析结果？如果没有看到您的数据，我无法确定它们为何不同，但我可以做出有根据的猜测。
在 SAS 代码中，您使用 Method=Type I。这是使用 I 型平方和进行估计。 在 JMP 方差分量对话框中，有一个用于分析设置的按钮。 如果单击它，您将看到 JMP 的默认设置是“选择最佳分析”。 因此 JMP 可以在 EMS、REML 或贝叶斯之间自由切换。 因此 JMP 可能使用与 SAS 不同的估计方法。 请注意，JMP 甚至不提供强制使用类型 I（或 EMS）方法的选项，因为这是一种通常不推荐的较旧方法。
如果您需要他们同意，请在 SAS 中将方法设置为 REML。 在 JMP 中，选择使用 REML 分析。 那应该让他们同意。 但请记住，即使在这种情况下，根据您的数据，出于效率目的处理（拆分和重新组合）大矩阵的方法以及求解此类方程的迭代性质，也可能存在细微差异.
Re: 为什么我在 SAS 和 JMP 之间得到不同的方差分量分析结果？亲爱的丹
非常感谢您的友好回复。
正如您所说，使用 REML 时我得到了相同的结果。
我了解到在非REML的情况下无法获得相同的结果，因为type1错误方法和EMS方法的估计方法不同。
你说Type1方法是老方法。
即使 variacne 不是阴性，使用 REML 能否获得更准确的方差分析结果？？？
Re: 为什么我在 SAS 和 JMP 之间得到不同的方差分量分析结果？准确的究竟是什么意思？ 类型 I 或 EMS 方法和 REML 只是不同的估计方法。 REML 是一种非常优秀且备受推崇的估算方法，已经存在多年。 事实上，对于大多数具有平衡数据的情况，它会提供与 EMS 相同的结果。 REML 具有在不平衡情况和具有负方差分量的情况下工作的优势。 此外，REML 甚至允许您要求方差分量大于或等于零以避免负估计。
您可以对 REML 方法感到满意。
Re: 为什么我在 SAS 和 JMP 之间得到不同的方差分量分析结果？感谢您的真诚和具体的答复！
