回复：隨機效應測試謝謝@Victor_G ,
就在我完成你給出的建議之前，如果我的戒指雖然稱為 Ring1 到 Ring6，但不一定需要遵循特定的順序，應該如何處理值順序？
回复：隨機效應測試你好@加布里埃爾,
默認情況下，當您在 JMP 中創建裂區設計時，整區將按 1、2、3...排序，並且此信息將保存在列屬性中。
如 JMP 幫助中所述（價值順序 (jmp.com) ）：“在使用大多數 DOE 平台創建的設計中，分類因子（包括整區和子區的構造因子）和區組因子都分配有 Value Order 屬性。 此屬性根據水平在“因子”部分中出現的順序對水平進行排序。 構造因子的水平是連續的整數，值順序屬性指定這種自然順序。 您可以針對任何因素修改價值訂單規範以滿足您的需要。 “
順序本身並不那麼重要（它與您指定因素的方式有關），因此您可以根據需要更改它（因為所有塊在實驗重新分區/分佈方面都是相似的）。
希望這個回答能幫到你
回复：隨機效應測試你好@加布里埃爾,
從你的表格和你的描述來看，你的設計看起來像一個裂區設計，“環”是你的整個情節，“污染”是你難以改變的因素。 物種將是一個易於更改的因素，而 Dyn 是您的響應，以兩個時間間隔（50 天和 56 天，時間可以用作設計中的連續因素）測量。
為了創建具有隨機效應的相關分析，需要先設置一些列屬性：
作為一個隨機塊，“環”與因素“污染”完全相關，並且應該具有兩列屬性：
- “設計角色”設置為“隨機塊”，
- "Value Order" 設置為知道環的順序。
作為一個難以改變的因素，“污染”應該具有三個列屬性：
- “設計角色”設置為“分類”，
- “因素變化”設置為“硬”，
- “Value Order”設置以了解低級別和高級別之間的排序。
“物種”的屬性相同，但“因子變化”屬性應設置為“簡單”。
對於“days”，可以按天做Dyn分析，創建兩個獨立的模型，每個時間段一個，或者直接用“days”作為連續因子，指定一個“factorial to degree 2”模型（model with main效應和 2 因素相互作用）。
設置屬性後，您可以轉到“適合模型”，並指定您的模型（您可能必須選擇“混合模型”個性，以便可以添加“環”並將其用作“模型效果”面板中的隨機效果）：
編輯：您也可以做一個最小二乘模型，但使用“屬性”旁邊的紅色三角形，在模型中輸入環將其指定為隨機效應。 將進行與混合模型人格相同的測試（您可以查看 REML 方差分量估計和 Wald p 值以評估您的隨機效應是否具有統計顯著性）。 此模型可能性已添加到數據表的腳本中。
一旦您對自己的數據進行了分析，並根據隨機效應檢驗的結果，您也可以嘗試其他模型（如果不顯著，則使用無隨機效應的廣義回歸或其他建模平台）。
我希望這第一個答案對你有幫助。
請在附件中找到與所有列屬性集一起使用的 JMP 數據表以及我在此數據集上使用的“混合模型”腳本。
隨機效應檢驗大家好，我希望對我的實驗設計有一些澄清或指導。
我的實驗有兩種主要處理方法：氣體污染（2 個不同級別）和物種（2 個不同物種）。 實驗的設置是為了讓我有兩個主環（每個污染級別對應一個環），每個環中都有兩種不同的物種。 每個環重複 3 次，總共 6 個環，以評估我感興趣的參數。
我想基本假設是測試環作為隨機效應，但我不確定如何做到這一點。 一旦我滿足了正態性假設，我如何正確估計氣體污染、種類、天數的影響以及它們的相互作用？
需要一些指導，我添加了示例 Excel 數據。
謝謝。
質量和工藝工程視窗回复：隨機效應檢驗非常感謝您非常詳細的解釋，很有幫助。
我想澄清一下廣義回歸與僅僅做有什麼不同最小二乘法直接地？ 儘管如此，我注意到了一些差異，因為廣義回歸允許我探索不同的估算方法。 但是，如果我直接擬合最小二乘並通過廣義回歸平台進行擬合，有什麼優勢或區別？
當我分別對我感興趣的參數進行這兩項操作時，我發現了一些差異和相似之處（見附件），您能否解釋一下為什麼存在差異（尤其是效果測試中的 Cv）？
回复：隨機效應檢驗謝謝@Victor_G 。 我現在明白了。
底線是，何時使用什麼？或者如果我們有一個正態分佈的數據集，一個名義變量是否有特定的性質，需要使用其中一個而不是另一個？
例如簡歷在這種情況下必須保持名義，因為沒有特定的順序。 二氧化碳污染（高或低），但沒有任何特定的順序。 當然，將天數輸入模型作為連續變量。
我不僅清楚這一點。
謝謝。
回复：隨機效應檢驗你好@加布里埃爾,
看來您的模型中只有名義變量。
我可能已經找到了關於您關於廣義回歸和最小二乘平台之間最小二乘估計方法差異的問題的答复要素：
”廣義回歸個性中使用的名義變量的參數化不同於使用其他擬合模型個性的參數化。 廣義回歸個性使用指標函數參數化。 在此參數化中，與名義變量水平的指標相對應的估計是該水平的平均響應與最後水平的平均響應之間的差異的估計。 最後一級是順序編碼值最高的一級；這是模型中未包含指標函數的水平。
來自：啟動廣義回歸人格
而在擬合模型中：
”當您在“擬合模型”啟動窗口中輸入具有名義建模類型的列時，JMP 在內部將其表示為一組連續指標變量。 每個變量僅假定值 –1、0 和 1。 （請注意，此編碼是使用指示符變量對名義變量進行編碼的多種方法之一。）如果您的名義列有n水平，那麼n需要其中 –1 個指示變量來表示它。 （需要n –1 指示變量與標稱柱相關的主效應直接相關n –1 自由度。）完整細節包含在名義因素。 ”
從 ：標稱效應編碼的統計詳細信息
因此，您看到的差異可能與名義效應編碼的差異有關，從而給出不同的估計值和計算出的 p 值。
希望這個答案能幫助您理解其中的區別
回复：隨機效應檢驗你好@加布里埃爾,
您的問題可能沒有明確的答案，因為這在很大程度上取決於您的因素、主題和目標。
據我了解這兩種名義效應編碼之間的差異，我想說，如果您希望通過將每個水平與一個特定水平進行比較來評估名義因素的水平，那麼廣義回歸的名義編碼可能更合適。 您可以使用列屬性“值順序”來指定所需的順序，以使其適合您的研究設計。 該因素的最後一個級別將用於與所有其他級別進行比較。
例如，在 JMP 數據表示例“Cholesterol.jmp”中，我個人更喜歡使用標準最小二乘估計方法創建基於通用回歸平台的模型，因為它將使名義編碼能夠將每個治療效果水平與“安慰劑”進行比較”治療效果級別（默認情況下，因為按字母順序排列，但通過添加“值順序”列屬性，我可以更改與另一個級別（例如“控制”）進行的比較）。 這更有意義，因為我們想知道與安慰劑（或對照）相比，各種治療的效果是什麼，而不是與所有不同水平計算的平均值進行比較。
但是，當您想知道每個級別如何影響所有級別上計算的平均響應時，“擬合模型”平台中的標準最小二乘可能更有用。
您的二氧化碳污染似乎是一個序數因素，因為高和低之間存在“自然順序”（高>低），因此您可以將此因素指定為序數，因為它是在序數因素編碼中考慮的信息還有： https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/ordinal-factors.shtml#ww96069
如果將其指定為序數效應並且只有 2 個水平，則將通過每個水平的平均響應之間的差異（高 - 低）來計算效應估計，而對於“正常”名義編碼和 2 個水平，效果估計將通過一個級別的平均響應與兩個級別的總體平均響應之間的差異來計算（例如：高 - 平均值（高，低））。
我希望這個答案能讓這個複雜的話題更加清晰，
回复：隨機效應檢驗謝謝@Victor_G 。 我想就我而言，二氧化碳污染更多的是一個名義變量或因素，因為高或低只是我收集數據的環境。 一個室的二氧化碳污染程度較高，另一個室的二氧化碳污染程度較低，我對植物“A-Dyn”響應的測量是在各個開放室中進行的。
但就像你說的，這個話題導航起來相當複雜。
