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 - 交叉然後交叉
proc varcomp數據=數據方法=TYPE1；
類因子 1 因子 2 因子 3；
模型變量 = Factor1 Factor2 Factor3;
跑;
= JMP - 質量和過程 - 變異性/屬性量規圖 - 模型類型 -越過
（如果選擇“主效應”，結果與 SAS 相同。）
案例 2 - 嵌套然後交叉
proc varcomp數據=數據方法=TYPE1；
類因子 1 因子 2 因子 3；
模型變量 = Factor1 Factor2(Factor1) Factor3;
跑;
= JMP - 質量和過程 - 變異性/屬性量規圖 - 模型類型 -嵌套然後交叉
案例 3 - 交叉然後嵌套
proc varcomp數據=數據方法=TYPE1；
類因子 1 因子 2 因子 3；
模型變量 = Factor1 Factor2 Factor3(Factor2);
跑;
= JMP - 質量和過程 - 變異性/屬性量規圖 - 模型類型 -交叉然後嵌套
驗證了方差分量的 SAS 和 JMP 結果在因子數為 1 或 2 時相同。
但是，對於上述 3 個因素的情況，結果是不同的。\
我真的很感激......如果你能告訴我為什麼這兩個程序的結果不同！
分析數據表美國能源部蘋果系統其他視窗回复：為什麼我在 SAS 和 JMP 之間得到不同的方差分量分析結果？感謝您非常友好和具體的回复！
回复：為什麼我在 SAS 和 JMP 之間得到不同的方差分量分析結果？準確到底是什麼意思？ I 類或 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計方法，已經存在多年。 事實上，對於大多數數據平衡的情況，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。
回复：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。
正如你所說，我在使用 REML 時得到了相同的結果。
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。
您說 Type1 方法是一種舊方法。
即使 variacne 不是陰性，使用 REML 可以獲得更準確的 ANOVA 結果？？？
回复：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，我無法確定它們為什麼不同，但我可以做出有根據的猜測。
在 SAS 代碼中，您使用的是 Method=Type I。這是使用類型 I 的平方和進行估計。 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 的默認設置為“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 I 類（或 EMS）方法的選項，因為這是一種較舊的方法，通常不推薦使用。
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。 這應該讓他們同意。 但請記住，即使在這種情況下，根據您的數據，由於為提高效率而處理大型矩陣的方法（拆分和重組）以及求解此類方程的迭代性質，可能會存在細微差異.
