Schöne Erklärung @HadleyMyers ! Die Verschachtelung von Versuchseinheiten ist ein subtiles Konzept, aber für die korrekte Modellspezifikation von entscheidender Bedeutung.
Eine zusätzliche Feinheit: Wenn die Spalte Teil eindeutige Bezeichner für die sechs Teile enthält (dh 1 bis 6 statt 1 bis 3), dann ist die Verschachtelungsspezifikation nicht erforderlich. Aber es würde auch nichts schaden!
Wiederhole alles oft genug und es wird bedeutungslos. Die wiederholte Verwendung des Wortes „morgen“ in der ersten Zeile lässt den Abschluss des berühmten Monologs ahnen, in dem Macbeth, als er vom Tod seiner Frau erfährt, das gesamte zeitliche Universum durchsucht (von „all unseren Gestern“ bis hin zu „ die letzte Silbe der aufgezeichneten Zeit“) nach der Bedeutung des Lebens und findet nichts. Jahre später wiederholte Andy Warhol dieses Thema, indem er demonstrierte, dass jedes Bild, wie vertraut oder ikonisch es auch sein mag, durch endlose Wiederholung bedeutungslos gemacht werden kann.
Viele Menschen kämpfen mit dem gleichen Phänomen in ihren Daten. Die Wirkung einer Behandlung kann leicht getestet werden, indem eine einzelne Reihe von Messungen durchgeführt und die Ergebnisse mit einer einfachen ANOVA analysiert werden, um die Signifikanz der Wirkung zwischen den Gruppen zu bewerten. Das Problem tritt auf, wenn diese Messungen wiederholt werden, was die Analyse erschwert (denken Sie an Arzneimittelstudien, bei denen die Probanden während der gesamten Dauer der Studie täglich getestet werden, oder an die Leistung von Produkten, die auf verschiedenen Maschinen hergestellt werden).
Es gibt einen großartigen Beitrag zu diesem Thema in den JMP-Supporthinweisen mit dem Titel „ Analysieren von Messwiederholungsdaten in JMP Software ,“ in der drei Ansätze diskutiert werden. Der Zweck dieses Beitrags ist es, wiederholte Maßnahmen mit dem zu entmystifizieren univariater Split-Plot sich nähern.
Das Beispiel unten (Abbildung 1) besteht aus drei Teilen, die jeweils mit einer von zwei Maschinen von vier Bedienern gemessen werden, die das Ergebnis aufzeichnen Y . In diesem Fall gibt es überhaupt keine Zeitvariable; die Komponente der wiederholten Messungen kommt davon, dass jeder Teil insgesamt viermal gemessen wird. Hier versuchen wir, die Frage zu beantworten, ob Operator oder Maschine , oder beide, haben einen erheblichen Einfluss auf den Wert von Y .
Abbildung 1: Tabelle der Messwiederholungsdaten; drei Teile, hergestellt auf zwei Maschinen (insgesamt 6 Teile), jeweils wiederholt von vier Bedienern gemessen.
Wir können Standard Least Squares verwenden, um diese Fragen zu beantworten. Der Weg dazu besteht darin, ein Modell zu konstruieren, das Maschine, Bediener und die Interaktion von Maschine und Bediener umfasst. Wir können auch aufnehmen Teil im Modell, um sicherzustellen, dass Variationen aufgrund von Unterschieden in den Teilen berücksichtigt werden und nicht in den anderen Effekten enthalten sind. Die Einstellung als Zufallsvariable stellt sicher, dass die Abweichung aufgrund des Teils nicht als spezifisch für diese Teile im Besonderen, sondern für alle Teile im Allgemeinen behandelt wird (siehe Abbildung 2). Auf diese Weise definiert Teil die Chargen eines Split-Plot-Designs, mit Maschine die Rolle der schwer zu ändernden Variablen übernehmen.
Abbildung 2: Dialogfenster Modell anpassen.
Dabei wird jedoch ein entscheidendes Element der Geschichte übersehen: Die drei Teile, die mit Maschine A gemessen wurden, sind nicht die gleichen Teile, die mit Maschine B gemessen wurden.Sie sind einfach die Reihenfolge der auf jeder Maschine gemessenen Teile (die ersten drei Teile auf A und die ersten drei Teile auf 
. Um dies deutlich zu machen, ist es notwendig Nest Teil in Maschine, wie in Abbildung 3. Das Einrichten des Effekts auf diese Weise stellt sicher, dass die Software weiß, dass „Teile anders sind, wenn die Maschine anders ist“.
Abbildung 3: Dialogfenster „Modell anpassen“ mit der Zufallsvariable „Teil“, die in „Maschine“ verschachtelt ist.
Die Ergebnisse aus der Wirkungszusammenfassung (Abbildung 4) zeigen, dass die Messungen für die verschiedenen Bediener sowie die Maschinen erheblich unterschiedlich sind. Es scheint jedoch keine Rolle zu spielen, welcher Bediener welche Maschine verwendet, da der Interaktionseffekt der beiden über dem Signifikanzkriterium liegt (obwohl wir sie möglicherweise noch ein paar Teile testen lassen, um sicherzugehen).
Abbildung 4: Die Auswirkungen von Bediener und Maschine auf Y sind signifikant (PWert unter 0,05), aber die Wechselwirkung zwischen den beiden ist es nicht.
Durch die Analyse Ihrer Messwiederholungsdaten in JMP vermeiden Sie das oben beschriebene Phänomen und stellen sicher, dass Ihre Daten nicht bedeutungslos sind.
