组合实验分析您好，我是一名研究生，从事物理杂草控制方面的农业研究。 我的问题是，如何在 JMP Pro 16.0.0 (macOS) 中正确测试实验之间的年份影响？
我设计了一个全析因完全随机区组设计实验，测试工具角度和间距对功效（被杀死的杂草的比例）的影响。 每个实验由四个块、三个工具角度和三个工具间距组成。 该实验于 2021 年和 2022 年在不同田地（同一农场）重复进行。
我搭建的模型如下图所示：
年份（随机效应）
区块[年份]（随机效应）
年份*刀具角度（随机效果）
年份*工具间距（随机效果）
年*刀具角度*刀具间距（随机效果）
工具角度（固定效果）
刀具间距（固定效果）
刀具角度*刀具间距（固定效果）
有人告诉我这是正确的。 我在期刊文章中看到过这个模型，但我也看到过学生/研究人员使用的其他模型。 其他模型显示了刀具角度效应，但上面的模型没有显示刀具角度效应。 我很困惑哪个是正确的。 当我在 JMP 中保存残差时，它们是来自年*刀具角度*刀具间距（随机效果） ？
我的另一个问题是，当 Wald p 值不显着（对于 REML 方差分量估计表中的随机效应）时，这意味着什么，但当您在“效应详细信息”选项卡中进行学生 t 检验时，实验是统计上彼此不同？
任何想法表示赞赏。
实验设计回复：组合实验分析感谢您对此的投入，这很有帮助。 估计较差是有道理的。 通过这些大型实验，您很快就会耗尽空间和劳动力。 当然很难发现细微的差异。
我假设“爬坡”工具角度设置会导致更高的杂草死亡率，并且工具彼此距离越近，工具间距的攻击性就会增加。 去掉模型中一些最不重要的项，我可以看到，耕作导致了更高的杂草死亡率，但令我感到非常惊讶的是，没有看到显着的工具间距效应。 这对我来说很有趣。
也感谢您对第二个实验的想法。
回复：组合实验分析选项 1 和选项 2 之间的区别在于，您首先在随机效应中包含了与 Year 的交互作用项，但没有在第二个模型中包含这些交互作用。 第二个模型为固定效应提供了更多的自由度 (DF)，因此 F 比在第二个分析中更加敏感。
我应该评论说，虽然将某些影响建模为随机是正确的，但这些因素的重复性很小，因此估计结果相当差。 （两年，四个区块）它做得正确，但估计存在很大的不确定性。
有时我们将实验视为一组固定的假设检验。 其他时候，我们将其视为探索模型以了解可能发生的情况的机会。 第二种视图将从极端模型开始（除截距出或所有项外的所有项均出），然后沿相反方向工作。 您可以使用选项 2 并一次删除一项，始终选择最不显着（最高 p 值）的一项并将其删除。 全面检查每一步的分析结果。
听起来您在实验开始时可能已经有了假设。 这些期望与分析结果如何相符？ 什么结果让你感到惊讶？
关于第二个实验，我将把该实验视为本次测试的固定效果。 你只有两个级别。因此，通过方差测试差异不太可能发现除了巨大变化之外的所有变化。 您可以使用效应测试表来确定它作为固定效应是否显着。
回复：组合实验分析嗨马克，
对于我应该指定的第一个问题，我的意思是，当使用“Option2”时，我发现刀具角度 (P < 0.0001) 有显着影响，而使用“Option1”时，刀具角度没有显着影响 (P = 0.0988)。 选项 1 中似乎有太多术语，我正在失去检测工具角度对功效影响的能力。
我的第二个问题是另一个实验。 我在下面附上了一些照片。 我想测试这两个现场实验是否在统计上彼此不同。
回复：组合实验分析您的模型包含刀具角度固定效应的术语。 它是上面列表中倒数第三个。
Wald 检验适用于非零的方差估计。 效果检验是参数估计值不为零的 F 检验。 您能否发布一张“拟合最小二乘法”窗口的图片，我们可以看到 REML 轮廓线和效果测试轮廓线？
