為什麼我的擬合模型顯示出不同的因素顯著性？ 在「模型1」中，隨機區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”，其中包含“隨機區塊和隨機”作為因子，這意味著“隨機區塊”是隨機而不是固定效應。 然而，當我僅使用“隨機區塊”作為因素運行“模型 2”時，一切都變得效率較低。 哪個比較正確，為什麼？
另外，我習慣了 Model 2 輸出，我可以在其中點擊「縮放估計值」。 我在 JMP 培訓中得知，這些只是估計值的一半，因此我需要將其乘以 2 才能獲得回應的實際變化。 我以前從未見過的模型 1 輸出不允許您選擇比例估計，這是為什麼？
模型1和參數估計：
模型 2 與比例估計：
進階統計建模數據探索和視覺化實驗設計品質和工藝工程可靠度分析回覆：為什麼我的擬合模型顯示出不同的因子顯著性？ 在「模型1」中，隨機區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。如果我們使用區塊作為隨機效應來建立模型，我們應該對未來的運行使用什麼預測方法？ 我看到一個是正常預測，另一個是條件預測。 公式為若區塊 A = y1，則區塊 B = y2，否則為 0。 你能解釋一下這是如何運作的嗎？ 計算信賴區間的公式是什麼？ 我在軟體中看不到像普通模型一樣的公式。回覆：為什麼我的擬合模型顯示出不同的因子顯著性？ 在「模型1」中，隨機區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。為了概括馬克的觀點，統計顯著性是一個條件陳述。 如果推理空間或模型中的項或誤差估計發生變化，統計顯著性也會改變。
回覆：為什麼我的擬合模型顯示出不同的因子顯著性？ 在「模型1」中，隨機區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。 將區塊視為固定效應或隨機效應是有很大的差異。 首先，它更改模型中的參數。 4 個區塊的固定效果需要 3 個參數。 這種差異將改變模型平方和和誤差的自由度，進而影響顯著性指標。 4 個區塊的隨機效果需要 1 個參數。 JMP 中的混合效應模型預設使用 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。
