为什么我的拟合模型显示出不同的因素显着性？ 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”，其中包含“随机块和随机”作为因子，这意味着“随机块”是随机而不是固定效应。 然而，当我仅使用“随机块”作为因素运行“模型 2”时，一切都变得效率较低。 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“缩放估计值”。 我在 JMP 培训中得知，这些只是估计值的一半，因此我需要将其乘以 2 才能获得响应的实际变化。 我以前从未见过的模型 1 输出不允许您选择比例估计，这是为什么？
模型1和参数估计：
模型 2 和比例估计：
高级统计建模数据探索和可视化实验设计质量和工艺工程可靠性分析回复：为什么我的拟合模型显示出不同的因子显着性？ 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。如果我们使用块作为随机效应来构建模型，我们应该对未来的运行使用什么预测方法？ 我看到一个是正常预测，另一个是条件预测。 公式为如果块 A = y1，块 B = y2，否则为 0。 你能解释一下这是如何工作的吗？ 计算置信区间的公式是什么？ 我在软件中看不到像普通模型一样的公式。回复：为什么我的拟合模型显示出不同的因子显着性？ 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。为了概括马克的观点，统计显着性是一个条件陈述。 如果推理空间或模型中的项或误差估计发生变化，统计显着性也会发生变化。
回复：为什么我的拟合模型显示出不同的因子显着性？ 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。 将块视为固定效应或随机效应是有很大区别的。 首先，它更改模型中的参数。 4 个块的固定效果需要 3 个参数。 这种差异将改变模型平方和和误差的自由度，从而影响显着性指标。 4 个区块的随机效果需要 1 个参数。 JMP 中的混合效应模型默认使用 REML 进行估计。 REML 调整自由度，因此该方法也会影响显着性指标。
