如何查看此數據的可變性我們在重複的 96 孔板中進行了測量（因此 96 個不同的樣本平均分為兩個板）。 我們想估計板塊之間的變異性。在我看來，有兩個重要的變異源，一個與時間有關，因為一個板是在不同的時間測量的，因此所有樣品可能在該板中同樣降解，另一個與重複之間的其他差異有關。
我們只是獲取每個副本的 % CV，並查看平均或中值 % CV。 有沒有更好的方法來查看這些板與 JMP 的不同之處？ 此外，在我看來，板塊之間相關性的“1-r2”（無法解釋的變化）並不是正確的計算方法。
回复：如何查看此數據的可變性謝謝馬克。 這很有幫助。
回复：如何查看此數據的可變性96 Plate = Var1B_1 的估計值為 -0.063997（低於總平均值），因此第二個和第一個板之間的總效應為 +0.127994。 這個結果與你的隨時間退化的假設一致嗎？
回复：如何查看此數據的可變性哎呀這是：
回复：如何查看此數據的可變性您沒有顯示參數估計大綱。 96 板的估計值將是第一個板與截距（總平均值）的差值。 另一個板塊具有此估計值的負值，因此總效應（板塊之間的差異）是所示估計值的兩倍。
RMSE=0.146308 是重複的標準偏差。
回复：如何查看此數據的可變性謝謝馬克。
注意：重複項位於每個板中的相同位置（井號）。 以防萬一這對分析有影響。
我試圖複製您對擬合模型所做的操作並得到以下結果：
我想這說明兩個盤子中的重複項之間存在顯著差異？我們能說出與每塊板的孔間變化相比有多少嗎？謝謝
回复：如何查看此數據的可變性我試圖重新創建您的設計。 我沒有使用樣本，而是使用了兩個分類因素：一個用於板列（8 個水平），另一個用於板行（12 個水平）以產生 96 個樣本。 我為盤子添加了一個因子（2 個級別）。
我為板列和板行之間的 potentila 相互作用添加了一個術語。
我設計了 192 次試驗。 我製作了一張表格，並按板、板行和板列對運行進行了排序。 （我通常會隨機化運行，但它與板不同。）我用一個簡單的標準正態分佈（所有效應都為空）模擬了你的反應來說明分析。 我單擊了模型表腳本旁邊的綠色三角形。我點擊運行。
使用效應檢驗來確定孔的固定效應是否具有統計顯著性。 使用方差分析來確定模型作為一個整體是否具有統計顯著性。 使用均方根誤差 (RMSE) 作為樣本標準差的合併估計。
