組合實驗分析您好，我是研究生，從事物理雜草控制的農業研究。 我的問題是，如何在 JMP Pro 16.0.0 (macOS) 中正確測試實驗之間的年份影響？
我設計了一個全析因完全隨機區組設計實驗，測試工具角度和間距對功效（被殺死的雜草的比例）的影響。 每個實驗由四個區塊、三個工具角度和三個工具間距組成。 實驗於 2021 年和 2022 年在不同田地（同一農場）重複進行。
我搭建的模型如下圖所示：
年份（隨機效應）
區塊[年]（隨機效應）
年份*刀具角度（隨機效果）
年份*工具間距（隨機效果）
年*刀具角度*刀具間距（隨機效果）
工具角度（固定效果）
刀具間距（固定效果）
刀具角度*刀具間距（固定效果）
有人告訴我這是正確的。 我在期刊文章中看到過這個模型，但我也看到學生/研究人員使用的其他模型。 其他模型顯示了刀具角度效應，但上面的模型沒有顯示刀具角度效應。 我很困惑哪個才是正確的。 當我在 JMP 中保存殘差時，它們是來自年*刀具角度*刀具間距（隨機效果） ？
我的另一個問題是，當Wald p 值不顯著（對於REML 方差分量估計表中的隨機效應）時，這意味著什麼，但當您在「效應詳細資料」標籤中進行學生t 檢定時，實驗是統計上彼此不同？
任何想法表示讚賞。
實驗設計回覆：組合實驗分析感謝您對此的投入，這很有幫助。 估計較差是有道理的。 透過這些大型實驗，您很快就會耗盡空間和勞動力。 當然很難發現細微的差異。
我假設「爬坡」工具角度設定會導致更高的雜草死亡率，並且工具彼此距離越近，工具間距的攻擊性就會增加。 去掉模型中一些最不重要的項，我可以看到，耕作導致了更高的雜草死亡率，但令我感到非常驚訝的是，沒有看到顯著的工具間距效應。 這對我來說很有趣。
也感謝您對第二個實驗的想法。
回覆：組合實驗分析選項 1 和選項 2 之間的差異在於，您首先在隨機效應中包含了與 Year 的交互作用項，但沒有在第二個模型中包含這些交互作用。 第二個模型為固定效應提供了更多的自由度 (DF)，因此 F 比在第二個分析中更敏感。
我應該評論說，雖然將某些影響建模為隨機是正確的，但這些因素的重複性很小，因此估計結果相當差。 （兩年，四個區塊）它做得正確，但估計存在很大的不確定性。
有時我們將實驗視為一組固定的假設檢定。 其他時候，我們將其視為探索模型以了解可能發生的情況的機會。 第二種視圖將從極端模型開始（除截距出或所有項外的所有項均出），然後沿相反方向工作。 您可以使用選項 2 並一次刪除一項，始終選擇最不顯著（最高 p 值）的一項並將其刪除。 全面檢查每一步的分析結果。
聽起來您在實驗開始時可能已經有了假設。 這些期望與分析結果如何相符？ 什麼結果讓你感到驚訝？
關於第二個實驗，我將把該實驗視為本次測試的固定效果。 你只有兩個等級。因此，通過方差測試差異不太可能發現除了巨大變化之外的所有變化。 您可以使用效應測試表來確定它是否為固定效應顯著。
回覆：組合實驗分析嗨馬克，
對於我應該指定的第一個問題，我的意思是，當使用“Option2”時，我發現刀具角度(P < 0.0001) 有顯著影響，而使用“Option1”時，刀具角度沒有顯著影響( P = 0.0988)。 選項 1 中似乎有太多術語，我正在失去檢測工具角度對功效影響的能力。
我的第二個問題是另一個實驗。 我在下面附上了一些照片。 我想測試這兩個現場實驗是否在統計上彼此不同。
回覆：組合實驗分析您的模型包含刀具角度固定效應的術語。 它是上面列表中倒數第三個。
Wald 檢定適用於非零的變異數估計。 效果檢定是參數估計值不為零的 F 檢定。 您能否發布一張「擬合最小二乘法」視窗的圖片，我們可以看到 REML 輪廓線和效果測試輪廓線？
