裂区设计分析的随机效应我对裂区设计分析的随机效应有疑问，希望有人能帮忙解释一下。
让我使用 JMP 样本数据，例如“Animals.jmp”。
如果我们将主题 [物种] 视为随机效应，REML 方差分量估计报告，因为附件脚本区域中的“重复测量模型”脚本显示主题因素不是英里的显着影响因素。
但是，如果我们认为该模型是基本回归模型，则作为附件脚本区域中的“基本模型”脚本。
结果表明主体因素效应里程显着。
这两种模型得出不同结论的原因是什么？
回复：裂区设计分析的随机效应你好@Eric_Wang ,
这两个模型非常不同，因此您应该得出不同的结论。 它们基于关于生成数据的过程的不同假设。他们对差异的来源做出不同的假设。
一个很大的区别是在基本回归模型中，Subject 没有嵌套在 Species 中。 这意味着只有 3 个科目。 实际上有 6 个科目： 2 个物种各 3 个。 我怀疑这是造成差异的很大一部分原因。 但这肯定不是唯一的原因。
这说明在标准固定效应模型不合适的情况下需要混合模型。 如果使用不适当的模型，结论将具有误导性。
我确信混合模型的 JMP本书将对此提供更多解释。
我希望这有帮助，
菲尔
Re: Random effect for the split plot design analysisI agree with both @Phil_Kay and @DonMcCormack . I just wanted to point out that Joint Factor Tests from the basic model show that the subject is not significant .
Looking at the results, species is a significant factor in both random effect model and basic model. This might explain why, after controlling for species and season, Subject[species] is not a significant source of random variability.
回复：裂区设计分析的随机效应此外@Phil_Kay的回应，主题词的目的仅仅是捕捉物种内的变异，因此它可以用来测试统计差异，而不是寻找主题差异。 最重要的是，将受试者视为固定效应不仅假设只有三个（治疗水平），而且 FOX 的受试者 1 与 COYOTE 的受试者 1 相同（治疗）。
