很好的解释@哈德利迈尔斯！ 实验单元的嵌套是一个微妙的概念，但它对于正确的模型规范至关重要。
另一个微妙之处：如果 Part 列包含六个部分的唯一标识符（即 1 到 6 而不是 1 到 3），则不需要嵌套规范。 但它也不会伤害任何东西！
重复任何事情的次数足够多，它就会变得毫无意义。 在第一行重复使用“明天”这个词预示着著名独白的结论，麦克白在得知他妻子的死讯后，搜索了整个时间宇宙（从“我们所有的昨天”一直到“记录时间的最后一个音节”) 生命的意义，却一无所获。 多年后，安迪·沃霍尔通过证明任何图像，无论多么熟悉或具有标志性，都可以通过无休止的重复而变得毫无意义，从而回应了这一主题。
许多人在他们的数据中遇到同样的现象。 通过进行一组测量并使用单向 ANOVA 分析结果以评估组间效果的显着性，可以轻松地测试治疗效果。 当重复这些测量时，问题就出现了，使分析变得复杂（想想药物试验，在整个试验期间每天都对受试者进行测试，或者在不同机器上生产的产品随时间推移的性能）。
JMP 支持说明中有一篇关于此主题的精彩文章，标题为“在 JMP 软件中分析重复测量数据”，其中讨论了三种方法。 这篇文章的目的是揭开重复措施的神秘面纱单变量裂区方法。
下面的示例（图 1）由三个部分组成，每个部分由四名操作员使用两台机器中的一台进行测量，这些操作员将结果记录在是. 在这种情况下，根本没有时间变量；重复测量分量来自每个被测量的部分共四次。 在这里，我们试图回答是否操作员或者机器，或两者都对价值有显着影响是.
图1：重复测量数据表；在两台机器上制造三个零件（共 6 个零件），每个零件由四名操作员重复测量。
我们可以使用标准最小二乘来回答这些问题。 这样做的方法是构建一个包含机器、操作员以及机器和操作员交互的模型。 我们还可以包括部分在模型中，以确保由于零件差异引起的任何变化都被考虑在内，而不包括在其他影响中。 将其设置为随机变量可确保由于零件的变化不会被视为特定于这些零件，而是通常针对所有零件（参见图 2）。 这样，部分定义了批次裂区设计，与机器扮演难以改变的变量的角色。
图 2：拟合模型对话框窗口。
然而，这忽略了故事的一个关键要素：使用机器 A 测量的三个部分与使用机器 B 测量的部分不同。它们只是在每台机器上测量的零件的顺序（A 上的前三个零件，B 上的前三个零件）。 为了明确这一点，有必要巢零件在机器中，如图 3 所示。 以这种方式设置效果可确保软件知道“机器不同时零件不同”。
图 3：拟合模型对话框窗口，随机变量 Part 嵌套在 Machine 中。
效果总结（图 4）的结果表明，不同操作员和机器的测量结果存在显着差异。 然而，哪个操作员使用哪个机器似乎并不重要，因为两者的交互效果高于显着性标准（尽管我们可能会让他们测试更多的部分以确保）。
图 4：操作员和机器对 Y 的影响显着（P 值低于 0.05），但两者之间的交互作用不显着。
通过分析您的重复测量数据JMP ，您避免了上述现象，并确保您的数据不是毫无意义的。
