為什麼我的擬合模型顯示不同的因子顯著性？ 在“模型 1”中，隨機塊是隨機效應而不是固定效應，而“模型 2”將所有因素列為固定效應。當我點擊擬合模型時，彈出“模型 1”，包括“隨機塊和隨機”作為一個因素，這意味著“隨機塊”是一個隨機而不是固定效應。 但是，當我僅將“隨機塊”作為一個因素運行“模型 2”時，一切都會變得不那麼高效。 哪個更正確，為什麼？
另外，我習慣了 Model 2 輸出，我可以在其中單擊 Scaled Estimates。 在 JMP 培訓中，我被告知這些只是一半的估計值，所以我需要將它們乘以 2 才能得到響應的真正變化。 我以前從未見過的 Model 1 輸出不允許您選擇 Scaled Estimates，這是為什麼呢？
模型 1 和參數估計：
模型 2 和比例估計：
美國能源部回复：為什麼我的擬合模型顯示不同的因子顯著性？ 在“模型 1”中，隨機塊是隨機效應而不是固定效應，而“模型 2”將所有因素列為固定效應。擬合不同的模型會產生不同的結果。 將塊視為固定或隨機效果是一個很大的區別。 首先，它改變了模型中的參數。 4 個方塊的固定效果需要 3 個參數。 這種差異將改變模型平方和和誤差的自由度，這將影響顯著性指標。 4 個方塊的隨機效果需要 1 個參數。 默認情況下，JMP 中的混合效應模型使用 REML 進行估計。 REML 調整自由度，因此此方法也會影響顯著性指標。
