重复任何事情足够多次，它就变得毫无意义。 第一行中重复使用“明天”一词预示着著名独白的结论，麦克白在得知妻子去世后，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”）寻找生命的意义，却一无所获。 多年后，安迪·沃霍尔 (Andy Warhol) 回应了这一主题，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变得毫无意义。
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方差分析分析结果以评估组间效果的显着性，可以轻松测试治疗效果。 当重复这些测量时会出现问题，使分析复杂化（想想药物试验，在整个试验期间每天对受试者进行测试，或者在不同机器上生产的产品随时间的性能）。
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测量的神秘面纱单变量裂区方法。
下面的示例（图 1）由三部分组成，每个部分由四名操作员使用两台机器中的一台进行测量，并将结果记录在是. 在这种情况下，根本没有时间变量；重复测量分量来自每个部分总共测量四次。 在这里，我们试图回答是否操作员或者机器，或两者，对值有显着影响是.
Figure 1: Table of repeated measures data; three parts made on two machines (6 parts total), each measured repeatedly by four operators.Figure 1: Table of repeated measures data; three parts made on two machines (6 parts total), each measured repeatedly by four operators.Figure 1: Table of repeated measures data; three parts made on two machines (6 parts total), each measured repeatedly by four operators.Figure 1: Table of repeated measures data; three parts made on two machines (6 parts total), each measured repeatedly by four operators.图 1：重复测量数据表；在两台机器上制造三个零件（总共 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法来回答这些问题。 做到这一点的方法是构建一个模型，其中包括机器、操作员以及机器和操作员的交互。 我们还可以包括部分在模型中确保考虑到由于零件差异而导致的任何变化，而不包括在其他影响中。 将其设置为随机变量可确保零件引起的变化不会被视为特定于这些零件，而是通常适用于所有零件（参见图 2）。 这样，部分定义了批次的裂区设计，与机器扮演难以改变的变量的角色。
Figure 2: Fit Model dialog window.Figure 2: Fit Model dialog window.Figure 2: Fit Model dialog window.Figure 2: Fit Model dialog window.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 测量的三个部件与使用机器 B 测量的部件不同。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）。 为了弄清楚这一点，有必要巢Machine 中的零件，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”。
Figure 3: Fit Model dialog window, with the random variable Part nested in Machine.Figure 3: Fit Model dialog window, with the random variable Part nested in Machine.Figure 3: Fit Model dialog window, with the random variable Part nested in Machine.Figure 3: Fit Model dialog window, with the random variable Part nested in Machine.图 3：拟合模型对话框窗口，其中随机变量 Part 嵌套在 Machine 中。
Effect Summary（图 4）的结果表明，对于不同的操作员和机器，测量值有很大不同。 然而，哪个操作员使用哪台机器似乎并不重要，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来确定）。
Figure 4: The effects of Operator and Machine on Y are significant (PValue below 0.05), but the interaction between the two is not.Figure 4: The effects of Operator and Machine on Y are significant (PValue below 0.05), but the interaction between the two is not.Figure 4: The effects of Operator and Machine on Y are significant (PValue below 0.05), but the interaction between the two is not.Figure 4: The effects of Operator and Machine on Y are significant (PValue below 0.05), but the interaction between the two is not.图 4：Operator 和 Machine 对 Y 的影响显着（PValue 低于 0.05），但两者之间的交互作用并不显着。
通过分析您的重复测量数据JMP ，您可以避免上述现象并确保您的数据不是毫无意义的。
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。
一个额外的细节：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），那么嵌套规范是不必要的。 但它也不会伤害任何东西！
