いい説明@HadleyMyers ！ 実験ユニットの入れ子は微妙な概念ですが、正しいモデル仕様にとって重要です。
もう1つの微妙な点：[パーツ]列に6つのパーツの一意の識別子（つまり、1から3ではなく1から6）が含まれている場合、ネストの指定は不要です。 しかし、それも何も傷つけません！
何回でも繰り返すと意味がなくなります。 最初の行で「明日」という単語を繰り返し使用すると、有名な独り言の結論がわかります。マクベスは、妻の死を知ったときに、時間的宇宙全体を検索します（「昨日すべて」から「記録された時間の最後の音節」）人生の重要性のために、何も見つかりません。 数年後、アンディウォーホルは、どんなイメージでも、なじみのあるものであれ象徴的なものであれ、無限の繰り返しによって無意味になる可能性があることを示して、このテーマを繰り返しました。
多くの人がデータの同じ現象に苦しんでいます。 治療の効果は、一元配置分散分析を使用して1セットの測定を行い、結果を分析してグループ間の効果の有意性を評価することにより、簡単にテストできます。 これらの測定が繰り返されると問題が発生し、分析が複雑になります（治験期間中、被験者が毎日テストされる薬物試験、またはさまざまなマシンで製造された製品の経時的なパフォーマンスを考えてみてください）。
このトピックに関するすばらしい投稿が、「JMPサポートノート」にあります。 JMPソフトウェアでの反復測定データの分析、」では、3つのアプローチについて説明します。 この投稿の目的は、反復測定を使用して反復測定をわかりやすく説明することです。単変量分割プロットアプローチ。
以下の例（図1）は、3つの部分で構成されており、それぞれが2台のマシンの1つを使用して、結果を記録する4人のオペレーターによって測定されています。 Y 。 この場合、時間変数はまったくありません。反復測定コンポーネントは、合計4回測定される各部分に由来します。 ここでは、私たちはかどうかの質問に答えようとしていますオペレーターまた機械、またはその両方が、 Y 。
図1：反復測定データの表。 2台の機械で3つの部品（合計6つの部品）を作成し、それぞれ4人のオペレーターが繰り返し測定しました。
これらの質問に答えるために、標準最小二乗法を使用できます。 そのための方法は、Machine、Operator、およびMachineとOperatorの相互作用を含むモデルを構築することです。 含めることもできます部モデルでは、パーツの違いによる変動が考慮され、他の効果には含まれていません。 これを確率変数として設定すると、パーツによる変動がこれらのパーツに固有のものとして扱われるのではなく、一般にすべてのパーツに固有のものとして扱われるようになります（図2を参照）。 このように、partはバッチ分割プロット設計の機械変更が難しい変数の役割を果たします。
![図2：[モデルの適合]ダイアログウィンドウ。](https://us.v-cdn.net/6038925/uploads/images/37436i0BAAB906E75F3244/repeated%20measures%202.png "repeated measures 2.png")
図2：[モデルの適合]ダイアログウィンドウ。
ただし、これはストーリーの重要な要素を見逃しています。マシンAを使用して測定された3つのパーツは、マシンBを使用して測定されたパーツと同じではありません。これらは、各マシンで測定されたパーツの順序です（Aの最初の3つのパーツ、およびBの最初の3つのパーツ）。 これを明確にするために、ネスト図3のように、機械の部品。 このようにエフェクトを設定することで、ソフトウェアは「マシンが異なるとパーツが異なる」ことを認識します。
![図3：確率変数PartがMachineにネストされた[モデルの適合]ダイアログウィンドウ。](https://us.v-cdn.net/6038925/uploads/images/37438i49048F1D7FC95D88/repeated%20measures%203.png "repeated measures 3.png")
図3：確率変数PartがMachineにネストされた[モデルの適合]ダイアログウィンドウ。
効果の概要（図4）の結果は、測定値がオペレーターや機械によって大幅に異なることを示しています。 ただし、2つの相互作用の効果は有意性の基準を上回っているため、どちらのオペレーターがどのマシンを使用するかは重要ではないようです（ただし、確認のためにさらにいくつかのパーツをテストする場合があります）。
図4：Yに対するオペレーターとマシンの影響は重要です（P値は0.05未満）が、2つの間の相互作用は重要ではありません。
反復測定データを分析することによりJMP 、上記の現象を回避し、データに意味がないことを確認します。
