重複任何事情足夠多次，它就變得毫無意義。 第一行中重複使用“明天”一詞預示著著名獨白的結論，麥克白在得知妻子去世後，搜索了整個時間宇宙（從“我們所有的昨天”一直到“記錄時間的最後一個音節”）尋找生命的意義，卻一無所獲。 多年後，安迪·沃霍爾 (Andy Warhol) 回應了這一主題，證明任何圖像，無論多麼熟悉或具有標誌性，都可以通過無休止的重複變得毫無意義。
許多人在他們的數據中遇到同樣的現象。 通過進行一組測量並使用單向方差分析分析結果以評估組間效果的顯著性，可以輕鬆測試治療效果。 當重複這些測量時會出現問題，使分析複雜化（想想藥物試驗，在整個試驗期間每天對受試者進行測試，或者在不同機器上生產的產品隨時間的性能）。
JMP 支持說明中有一篇關於此主題的精彩文章，標題為“在 JMP 軟件中分析重複測量數據”，其中討論了三種方法。 這篇文章的目的是揭開重複測量的神秘面紗單變量裂區方法。
下面的示例（圖 1）由三部分組成，每個部分由四名操作員使用兩台機器中的一台進行測量，並將結果記錄在是. 在這種情況下，根本沒有時間變量；重複測量分量來自每個部分總共測量四次。 在這裡，我們試圖回答是否操作員或者機器，或兩者，對值有顯著影響是.
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.圖 1：重複測量數據表；在兩台機器上製造三個零件（總共 6 個零件），每個零件由四名操作員重複測量。
我們可以使用標準最小二乘法來回答這些問題。 做到這一點的方法是構建一個模型，其中包括機器、操作員以及機器和操作員的交互。 我們還可以包括部分在模型中確保考慮到由於零件差異而導致的任何變化，而不包括在其他影響中。 將其設置為隨機變量可確保零件引起的變化不會被視為特定於這些零件，而是通常適用於所有零件（參見圖 2）。 這樣，部分定義了批次的裂區設計，與機器扮演難以改變的變量的角色。
Figure 2: Fit Model dialog window.Figure 2: Fit Model dialog window.Figure 2: Fit Model dialog window.Figure 2: Fit Model dialog window.圖 2：擬合模型對話框窗口。
然而，這忽略了故事的一個關鍵要素：使用機器 A 測量的三個部件與使用機器 B 測量的部件不同。它們只是在每台機器上測量的零件的順序（A 上的前三個零件，B 上的前三個零件）。 為了弄清楚這一點，有必要巢Machine 中的零件，如圖 3 所示。 以這種方式設置效果可確保軟件知道“機器不同時零件不同”。
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.圖 3：擬合模型對話框窗口，其中隨機變量 Part 嵌套在 Machine 中。
Effect Summary（圖 4）的結果表明，對於不同的操作員和機器，測量值存在顯著差異。 然而，哪個操作員使用哪台機器似乎並不重要，因為兩者的交互效果高於顯著性標準（儘管我們可能會讓他們測試更多部分以確定）。
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.圖 4：Operator 和 Machine 對 Y 的影響顯著（PValue 低於 0.05），但兩者之間的交互作用並不顯著。
通過分析您的重複測量數據JMP ，您可以避免上述現象並確保您的數據不是毫無意義的。
很好的解釋@哈德利邁爾斯！ 實驗單元的嵌套是一個微妙的概念，但它對於正確的模型規範至關重要。
一個額外的細節：如果 Part 列包含六個部分的唯一標識符（即 1 到 6 而不是 1 到 3），那麼嵌套規範是不必要的。 但它也不會傷害任何東西！
