MSA 结果 JMP 与 Minitab@马丁德梅尔
亲爱的 JMP 社区，也许你们中的一些人可以帮助我。
我经常使用 Minitab。 现在我正在支持一位在他的公司使用 JMP 的朋友，他让我向他的团队解释如何在 JMP 中执行我在 Minitab 中解释的程序。
我苦苦挣扎的第一个主题是 MSA（在 JMP 变异性研究中）。
我有一个具有强评价者*部件交互的示例，因为样本分配以某种方式混合了 3 个样本。
无论我是否删除该混淆，我都会遵守以下方案：
JMP 中的所有 GRR 贡献（基于 6*stdev）都较小，但检验员*部件交互除外，它在 JMP 中较大。
重复性似乎几乎相同。
现在人家明明在问我，哪个软件好，我也没有回答。
此示例中的 Minitab 获得了评估员贡献的负方差，然后他们将其设置为零（他们的支持反馈）。
但这只能解释部分问题。 最大的区别似乎在交互部分。
有人可以向我解释一下，为什么两者不同？ 也许 JMP 团队可以解释为什么他们认为自己做得对。
附上带有示例数据的 Excel 文件，评估结果在单独的工作表中。
我正在使用 JMP 16.1 和 Minitab 21。
分析回复：MSA 结果 JMP 与 Minitab坐在岛上就这么多了... （见我对@statman )
回复：MSA 结果 JMP 与 Minitab我知道，AIAG 不是国家或国际标准编写机构，如 ISO 或 ANSI。 这就是为什么我说“事实上”。
那是因为他们确实编写了行业标准，例如我参与其中的欧洲计算机制造商协会 ECMA。
在 40 年的质量管理或咨询工作中，我从未遇到过任何人使用 Wheeler 的 EMP 方法。
但也不得不承认，在某个行业工作，往往就像是坐在一座孤岛上……
无论如何，根据您的建议，我将再次检查 AIAG MSA 文档。
而 Minitab 确实在使用 EMS 方法。 已经被他们证实了。 所以至少很清楚，为什么会有差异。
这就是我想要的。
感谢您的支持。 它的速度和清晰度给我留下了深刻的印象。
回复：MSA 结果 JMP 与 Minitab添加到@statman的答复，其他行业不同意AIAG标准，例如半导体行业。 他们为 MSA 找到了更好的定义为了他们的目的. 请使用您所在行业所期望的标准，但请理解各行业存在不同意见和不同解释。
回复：MSA 结果 JMP 与 MinitabAIAG（汽车工业行动组织）标准最初是为汽车行业设计的。 它不是标准的编写机构（例如，ANSI、ISO、IEC）。 如果您有机会阅读 MSA 文档，您会发现计算变异分量的多个选项，而不是一个。 甚至还提到了 EMP 方法。
回复：MSA 结果 JMP 与 Minitab谢谢@statman和@Dan_Obermiller .
我在怀疑那个方向的东西。 来自 Minitab 的信息是，他们正在使用 AIAG MSA4 的方法。
我对统计学的了解还不够深入，无法知道它是上述哪种模型类型。 但我认为这很有帮助，如果遵循 AIAG MSA 标准——这是一个被广泛接受的事实上的标准——至少可以作为一种选择。
当然，我知道所有数据都是估计值，微小的差异总是可能的，必须接受。
再次感谢您的快速回复。
赫尔曼·赫尔辛
回复：MSA 结果 JMP 与 Minitab添加一点信息到@statman的优秀资料。 要在选择变异性/量规图时查看选项，请单击对话框左下角的分析设置按钮。 您会看到 JMP 提供了多种方法来计算方差分量，就像@statman说。 单选按钮设置为“最佳”。 您会发现不能强制 JMP 使用 EMS，只能选择 EMS 或 REML。 EMS 方法较旧，可能存在负方差分量。 因此，REML 将有助于避免这种情况。 只是我的意见，但我宁愿使用 REML 来尝试避免负方差分量。
如果您真的想使用 EMS，您始终可以使用 JMP 中的拟合模型。 指定您的模型并确保将您的因素声明为随机效应。 当你这样做时，你应该得到一个 Method 的下拉框。 默认为 REML，但您可以将其更改为 EMS（传统）。 当您运行模型时，它很可能与 Minitab 输出匹配。
回复：MSA 结果 JMP 与 Minitab欢迎来到社区。 您问的是有关 Minitab 的问题，我们可能没有该软件来确定不同的做法，但我会说有多种方法可以估计变异的组成部分，并且某些软件程序在默认情况下使用的内容不同。 我的猜测是 Minitab 使用 EMS，并且在估计负分量时不使用 REML（受限最大似然）或贝叶斯估计。 我将从理解这一点开始：
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/variance-components.shtml
关于 REML：
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/restricted-maximum-likelihood-reml-method.shtml
还要意识到所有的估计都是估计，没有一个一定是“正确的”。 统计数据是否会改变对您的分析的解释（哪些组件更大等）？ 我还会研究 Wheeler 的 EMP 方法：
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/measurement-systems-analysis-platform-options.shtml#
