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，则 REML 方差分量估计报告，如附件脚本区域中的“重复测量模型”脚本显示主题因素不是英里的重要影响因素。
但是，如果我们认为该模型是基本回归模型，如附件脚本区的“基本模型”脚本。
结果显示主题因素影响里程显着。
这两个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我同意两者@Phil_凯和@DonMcCormack . 我只是想指出基本模型的联合因素检验表明该主题并不重要。
从结果来看，物种是随机效应模型和基本模型中的重要因素。 这或许可以解释为什么在控制了物种和季节之后，Subject[species] 不是随机变异的重要来源。
回复：裂区设计分析的随机效应此外@Phil_凯的回应，主题术语的目的仅仅是为了捕捉物种内的变异，因此它可以用于测试统计差异，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）。
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，因此您应该期待不同的结论。 它们基于对生成数据的过程的不同假设。他们对方差的来源做出了不同的假设。
一个很大的区别是 Subject 没有嵌套在基本回归模型中的 Species 中。 这意味着只有 3 个主题。 实际上有 6 个主题：2 个物种各 3 个。 我怀疑这是造成差异的很大一部分原因。 但这当然不是唯一的原因。
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。 如果使用不合适的模型，结论将具有误导性。
我确定用于混合模型的 JMP本书将对此提供更多解释。
我希望这有帮助，
菲尔
