当存在随机效应时测试变量的方差差异使用“拟合模型”我使用二分名义变量“类型”和变量“样本”来预测我的因变量，这是一个随机效应（在 JMP 语言中，有些人更愿意将“样本”称为随机变量）。这测试了我的 DV 上的两个“类型”是否不同，再次考虑到“样本”是随机效应。
有趣的是，与另一种“类型”的样本均值相比，一种“类型”的样本均值分布得更广。 如果我愿意只使用样本均值，我可以使用 F 检验对方差差异进行显着性检验。 但这并不完全正确，因为样本均值的估计存在误差，理想情况下，应该考虑到这一点。 我无法弄清楚如何做到这一点。 也许“混合模型”有这个能力。 （我确实有 JMP Pro 16。）
对于这个群体来说，这可能有点“杂草丛生”，但如果有人有任何想法，我将不胜感激。 我附上一些数据。 DV=Paraphilia Vector 1，Type 是感兴趣的预测变量，Sample 是随机效应。
分析回复：当存在随机效应时测试变量的方差差异我不确定你为什么说 Sample 是一个随机变量。 您为每个观察分配了特定的级别（类别）。 样本可能是随机的，但水平不是。
您可以使用拟合模型来定义模型，并将拟合个性更改为对数线性方差. 您的数据不仅仅适用于简单的主效应模型。 我将 Sample 指定为位置效果，将 Type 指定为传播效果。 我不能将 Type 作为位置效果包括在内，因为它与 Sample 混淆了。 包括两个变量作为位置效应。
但我可以将类型作为传播效应来检验你的假设。
从这个规范估计的模型没有显示出根本问题，但它可能仍然不能令人满意。
对于两个类型的级别，方差似乎存在显着差异。
