不平衡控制處理我有 4 個 N 速率（0、140、168、224）和 3 個 N 源（CRU-60、CRU-75、U）
對照或 0 施氮量沒有任何來源，因為沒有施用肥料
當我運行主要效果和交互效果時，不會分析控件。 此外，當我查看方差分析時，我是否期望看到 df 為 9 的模型（3 N 速率*3 N 源 + 對照）？ 如果是這樣，我不明白。 我上傳了一個關於如何設置數據的示例。 不確定在 N 源列下放置什麼以表示 0 N 率。 我的響應變量是 SortTC。 最終，我想進行一次 tukey 分析，可以根據受精處理來評估對照。 請指教。 謝謝你！
質量和工藝工程回复：不平衡控制處理好的，謝謝您的信息！
不確定你所說的“正確”是什麼意思，但看看你的標準最小二乘模型，你的模型似乎並不顯著（主要效應和相互作用也不顯著，遠高於常見的顯著性閾值0.05）。
該模型只能解釋 34% 的數據變異性，這個比例相當低。
查看不同組合的值（以及我之前在雙變量分析中所做的測試），您可能不會對源參數和 N 率參數產生顯著影響。
由於您沒有足夠的 DF，您可能會嘗試以逐步方式重新啟動分析，或者乾脆不進行交互（僅先查看主效應）。
但再一次，這個測試數據集沒有明顯的趨勢，所以我清楚地認為要么沒有足夠的數據來檢測這個小的效應量，要么根本沒有顯著的效應。
借助不同的統計報告和您的領域專業知識，您將能夠理解並決定下一步該做什麼。
回复：不平衡控制處理感謝您的答复！ 我正在使用擬合模型檢測 N 率和 N 源之間的主要影響和交互作用，我使用個性標準最小二乘法。 我現在在沒有塊的情況下運行分析，只是為了查看主要和交互的方差分析，這對於模型 DF 為 9 來說看起來是正確的（附有 pdf）。 我對所有主要和交互運行了 Tukey，以顯示我正在尋找的比較顯示了每個效果，這很棒。 唯一的問題是 N 率和源的自由度丟失，因此分析不起作用。 我喜歡你在單向分析中如何讓控制充當源效應。 使用擬合模型時，如何讓控件充當模型中的源和速率效應？ 如果可以的話請指教。 謝謝！
回复：不平衡控制處理你好@MANOVALogKoala1 ,
您能否描述一下您使用哪個平台（我猜“擬合模型”用於檢測主效應和交互作用，“Fit Y by X”用於方差分析？）？ 在控制源中添加“0”也可能是更明智的做法，這樣您的控制組就不會被視為“缺失值”（並阻止您查看不同平台中的控制結果）。
- 對於“擬合模型”平台，我沒有足夠的有關您選擇的建模選項的信息，但一個好的開始是通過“混合模型”個性測試您的塊效應是否顯著。 您可以通過添加“設計角色”：阻塞，並將數據類型從數字連續更改為數字名義，在“塊列”中添加列屬性。 然後，列出您的效果：N 速率、N 源和 N 速率 x N 源，並將“塊”列添加為“隨機效果”。
當您啟動分析時，您應該看到此屏幕（請參閱 Mixed_model_test 圖像）。 查看Wald p 值，您的分塊參數看起來並不重要，因此可能會在進一步分析中將其刪除（例如，在重新啟動具有不同個性的“擬合模型”平台時，例如標準最小二乘法( JMP) 或廣義回歸(JMP Pro) 在“分佈”選項中具有正確的響應分佈（在您的測試數據中，響應分佈看起來像威布爾分佈）。
- 對於“Fit Y by X”（ANOVA）平台，您可以根據您的目標進行選擇：
- 如果您的目標是比較源與控制源 0 的效果，那麼您可以選擇 Dunnett 檢驗，該檢驗僅將每個候選源與控制組 0 進行比較。 它不會在候選來源之間進行比較。
- 如果您的目標是根據響應來比較每個源效應，那麼 Tukey 可能是合適的（見圖）。
在使用“Fit Y by X”進行分析時要小心，因為Tukey 或Dunnett 檢驗是參數檢驗，因此您需要驗證數據中的三個假設：觀察的獨立性、正態性（或接近正態性）和相等方差。 在這裡，查看測試數據，可能不會考慮等方差（這可能是由於樣本量較小），並且在查看正態分位數圖時，您只有近似正態性。 為了對統計測試更有信心，我建議使用非參數測試：Steel with Control（非參數相當於 Dunnett）或 Steel-Dwass，All Pairs（非參數相當於 Tukey 測試）。
我希望它能幫助你，
