ランダム効果がある場合の変数の分散の違いのテスト「フィットモデル」を使用二分名義変数「Type」とランダム効果である変数「Sample」を使用して従属変数を予測しています（つまり、JMP言語では、「Sample」を確率変数と呼ぶ方がよいでしょう）。これは、「サンプル」がランダム効果であることを再度考慮して、2つの「タイプ」が私のDVで異なるかどうかをテストします。
興味深いことに、一方の「タイプ」のサンプル平均は、もう一方の「タイプ」のサンプル平均と比較してはるかに分散しています。 標本平均を使用するだけの場合は、F検定を使用して分散の差の有意性検定を実行できます。 ただし、サンプル平均は誤差を伴って推定されるため、これは完全にコーシャではありません。理想的には、これを考慮に入れる必要があります。 しかし、これを行う方法がわかりません。 おそらく「混合モデル」にはこの能力があります。 （私はJMP Pro 16を持っています。）
これはおそらくこのグループにとっては少し「雑草の中」ですが、誰かが何かアイデアを持っているなら、私は感謝するでしょう。 いくつかのデータを添付します。 DV = Paraphilia Vector 1、Typeは対象の予測子であり、Sampleはランダム効果です。
分析Re：ランダム効果がある場合の変数の分散の違いのテストSampleが確率変数であると言う理由がわかりません。 各観測に特定のレベル（クラス）を割り当てました。 サンプルはランダムかもしれませんが、レベルはランダムではありません。
Fit Modelを使用してモデルを定義し、Fittingのパーソナリティを次のように変更できます。対数線形分散。 あなたのデータは、単純な主効果モデル以上の条件ではありません。 位置効果としてサンプルを割り当て、拡散効果としてタイプを割り当てました。 サンプルと混同されているため、ロケーションエフェクトとしてタイプを含めることができませんでした。 位置効果として両方の変数を含めます。
しかし、私はあなたの仮説をテストするための拡散効果としてタイプを含めることができます。
この仕様から推定されたモデルには基本的な問題はありませんが、それでも不十分な場合があります。
タイプの2つのレベルでは、分散が大幅に異なるようです。
