當存在隨機效應時測試變量的方差差異使用“擬合模型”我使用二分名義變量“類型”和變量“樣本”來預測我的因變量，這是一個隨機效應（在 JMP 語言中，有些人更願意將“樣本”稱為隨機變量）。這測試了我的 DV 上的兩個“類型”是否不同，再次考慮到“樣本”是隨機效應。
有趣的是，與另一種“類型”的樣本均值相比，一種“類型”的樣本均值分佈得更廣。 如果我願意只使用樣本均值，我可以使用 F 檢驗對方差差異進行顯著性檢驗。 但這並不完全正確，因為樣本均值的估計存在誤差，理想情況下，應該考慮到這一點。 我無法弄清楚如何做到這一點。 也許“混合模型”有這個能力。 （我確實有 JMP Pro 16。）
對於這個群體來說，這可能有點“雜草叢生”，但如果有人有任何想法，我將不勝感激。 我附上一些數據。 DV=Paraphilia Vector 1，Type 是感興趣的預測變量，Sample 是隨機效應。
分析回复：當存在隨機效應時測試變量的方差差異我不確定你為什麼說 Sample 是一個隨機變量。 您為每個觀察分配了特定的級別（類別）。 樣本可能是隨機的，但水平不是。
您可以使用擬合模型來定義模型，並將擬合個性更改為對數線性方差. 您的數據不僅僅適用於簡單的主效應模型。 我將 Sample 指定為位置效果，將 Type 指定為傳播效果。 我無法將 Type 作為位置效果包括在內，因為它與 Sample 混淆了。 包括兩個變量作為位置效應。
但我可以將類型作為傳播效應來檢驗你的假設。
從這個規範估計的模型沒有表現出基本問題，但它可能仍然不能令人滿意。
對於兩個類型的級別，方差似乎存在顯著差異。
