為什麼我在SAS和JMP之間得到不同的方差分量分析結果？？為什麼我在 SAS 和 JMP 的方差分量分析中得到不同的結果？
案例 1 - 越過然後越過
proc varcomp data = 數據方法=TYPE1;
類 Factor1 Factor2 Factor3;
模型變量 = Factor1 Factor2 Factor3;
跑;
= JMP - 質量和過程 - 變異性/屬性量表 - 模型類型 -交叉
（如果選擇“主效應”，結果與 SAS 相同。）
案例 2 - 嵌套然後交叉
proc varcomp data = 數據方法=TYPE1;
類 Factor1 Factor2 Factor3;
模型變量 = Factor1 Factor2(Factor1) Factor3;
跑;
= JMP - 質量和過程 - 變異性/屬性量表 - 模型類型 -嵌套然後交叉
案例 3 - 交叉然後嵌套
proc varcomp data = 數據方法=TYPE1;
類 Factor1 Factor2 Factor3;
模型變量 = Factor1 Factor2 Factor3(Factor2);
跑;
= JMP - 質量和過程 - 變異性/屬性量表 - 模型類型 -交叉然後嵌套
確認了當因子數為 1 或 2 時，方差分量的 SAS 和 JMP 結果相同。
但是，上述情況的結果是不同的，有 3 個因素。\
如果您能告訴我為什麼這兩個程序的結果不同，我將不勝感激！
分析數據表美國能源部蘋果系統其他視窗Re: 為什麼我在 SAS 和 JMP 之間得到不同的方差分量分析結果？如果沒有看到您的數據，我無法確定它們為何不同，但我可以做出有根據的猜測。
在 SAS 代碼中，您使用 Method=Type I。這是使用 I 型平方和進行估計。 在 JMP 方差分量對話框中，有一個用於分析設置的按鈕。 如果單擊它，您將看到 JMP 的默認設置是“選擇最佳分析”。 因此 JMP 可以在 EMS、REML 或貝葉斯之間自由切換。 因此 JMP 可能使用與 SAS 不同的估計方法。 請注意，JMP 甚至不提供強制使用類型 I（或 EMS）方法的選項，因為這是一種通常不推薦的較舊方法。
如果您需要他們同意，請在 SAS 中將方法設置為 REML。 在 JMP 中，選擇使用 REML 分析。 那應該讓他們同意。 但請記住，即使在這種情況下，根據您的數據，出於效率目的處理（拆分和重新組合）大矩陣的方法以及求解此類方程的迭代性質，也可能存在細微差異.
Re: 為什麼我在 SAS 和 JMP 之間得到不同的方差分量分析結果？親愛的丹
非常感謝您的友好回复。
正如您所說，使用 REML 時我得到了相同的結果。
我了解到在非REML的情況下無法獲得相同的結果，因為type1錯誤方法和EMS方法的估計方法不同。
你說Type1方法是老方法。
即使 variacne 不是陰性，使用 REML 能否獲得更準確的方差分析結果？？？
Re: 為什麼我在 SAS 和 JMP 之間得到不同的方差分量分析結果？準確的究竟是什麼意思？ 類型 I 或 EMS 方法和 REML 只是不同的估計方法。 REML 是一種非常優秀且備受推崇的估算方法，已經存在多年。 事實上，對於大多數具有平衡數據的情況，它會提供與 EMS 相同的結果。 REML 具有在不平衡情況和具有負方差分量的情況下工作的優勢。 此外，REML 甚至允許您要求方差分量大於或等於零以避免負估計。
您可以對 REML 方法感到滿意。
Re: 為什麼我在 SAS 和 JMP 之間得到不同的方差分量分析結果？感謝您的真誠和具體的答复！
