为什么我的拟合模型显示不同的因子显着性？ 在“模型 1”中，随机块是随机效应而不是固定效应，而“模型 2”将所有因素列为固定效应。当我点击拟合模型时，弹出“模型 1”，包括“随机块和随机”作为一个因素，这意味着“随机块”是一个随机而不是固定效应。 但是，当我仅将“随机块”作为一个因素运行“模型 2”时，一切都会变得不那么高效。 哪个更正确，为什么？
另外，我习惯了 Model 2 输出，我可以在其中单击 Scaled Estimates。 在 JMP 培训中，我被告知这些只是一半的估计值，所以我需要将它们乘以 2 才能得到响应的真正变化。 我以前从未见过的 Model 1 输出不允许您选择 Scaled Estimates，这是为什么呢？
模型 1 和参数估计：
模型 2 和比例估计：
美国能源部回复：为什么我的拟合模型显示不同的因子显着性？ 在“模型 1”中，随机块是随机效应而不是固定效应，而“模型 2”将所有因素列为固定效应。拟合不同的模型会产生不同的结果。 将块视为固定或随机效果是一个很大的区别。 首先，它改变了模型中的参数。 4 个方块的固定效果需要 3 个参数。 这种差异将改变模型平方和和误差的自由度，这将影响显着性指标。 4 个方块的随机效果需要 1 个参数。 默认情况下，JMP 中的混合效应模型使用 REML 进行估计。 REML 调整自由度，因此此方法也会影响显着性指标。
