回复：随机效应测试谢谢@维克多_G ,
就在我完成你给出的建议之前，如果我的戒指虽然称为 Ring1 到 Ring6，但不一定需要遵循特定的顺序，应该如何处理值顺序？
回复：随机效应测试你好@加布里埃尔,
默认情况下，当您在 JMP 中创建裂区设计时，整区将按 1、2、3...排序，并且此信息将保存在列属性中。
如 JMP 帮助中所述（价值顺序 (jmp.com) ）：“在使用大多数 DOE 平台创建的设计中，分类因子（包括整区和子区的构造因子）和区组因子都分配有 Value Order 属性。 此属性根据水平在“因子”部分中出现的顺序对水平进行排序。 构造因子的水平是连续的整数，值顺序属性指定这种自然顺序。 您可以针对任何因素修改价值订单规范以满足您的需要。 “
顺序本身并不那么重要（它与您指定因素的方式有关），因此您可以根据需要更改它（因为所有块在实验重新分区/分布方面都是相似的）。
希望这个回答能帮到你
回复：随机效应测试你好@加布里埃尔,
从你的表格和你的描述来看，你的设计看起来像一个裂区设计，“环”是你的整个情节，“污染”是你难以改变的因素。 物种将是一个易于更改的因素，而 Dyn 是您的响应，以两个时间间隔（50 天和 56 天，时间可以用作设计中的连续因素）测量。
为了创建具有随机效应的相关分析，需要先设置一些列属性：
作为一个随机块，“环”与因素“污染”完全相关，并且应该具有两列属性：
- “设计角色”设置为“随机块”，
- "Value Order" 设置为知道环的顺序。
作为一个难以改变的因素，“污染”应该具有三个列属性：
- “设计角色”设置为“分类”，
- “因素变化”设置为“硬”，
- “Value Order”设置以了解低级别和高级别之间的排序。
“物种”的属性相同，但“因子变化”属性应设置为“简单”。
对于“days”，可以按天做Dyn的分析，创建两个独立的模型，每个时间段一个，或者直接用“days”作为连续因子，指定一个“factorial to degree 2”模型（model with main效应和 2 因素相互作用）。
设置属性后，您可以转到“适合模型”，并指定您的模型（您可能必须选择“混合模型”个性，以便可以添加“环”并将其用作“模型效果”面板中的随机效果）：
编辑：您也可以做一个最小二乘模型，但使用“属性”旁边的红色三角形，在模型中输入环将其指定为随机效应。 将进行与混合模型人格相同的测试（您可以查看 REML 方差分量估计和 Wald p 值以评估您的随机效应是否具有统计显着性）。 此模型可能性已添加到数据表的脚本中。
一旦您对自己的数据进行了分析，并根据随机效应检验的结果，您也可以尝试其他模型（如果不显着，则使用无随机效应的广义回归或其他建模平台）。
我希望这第一个答案对你有帮助。
请在附件中找到与所有列属性集一起使用的 JMP 数据表以及我在此数据集上使用的“混合模型”脚本。
随机效应检验大家好，我希望对我的实验设计有一些澄清或指导。
我的实验有两种主要处理方法：气体污染（2 个不同级别）和物种（2 个不同物种）。 实验的设置是为了让我有两个主环（每个污染级别一个），每个环中都有两种不同的物种。 每个环重复 3 次，总共 6 个环，以评估我感兴趣的参数。
我想基本假设是测试环作为随机效应，但我不确定如何做到这一点。 一旦我满足了正态性假设，我如何正确估计气体污染、种类、天数的影响以及它们的相互作用？
需要一些指导，我添加了示例 Excel 数据。
谢谢。
质量和工艺工程视窗回复：随机效应检验非常感谢您非常详细的解释，很有帮助。
我想澄清一下广义回归与仅仅做有什么不同最小二乘法直接地？ 虽然，我注意到一些差异，因为广义回归允许我探索不同的估算方法。 但是，如果我直接拟合最小二乘并通过广义回归平台进行拟合，有什么优势或区别？
当我分别对我感兴趣的参数进行这两项操作时，我发现了一些差异和相似之处（见附件），您能否解释一下为什么存在差异（尤其是效果测试中的 Cv）？
回复：随机效应检验谢谢@Victor_G 。 我现在明白了。
底线是，何时使用什么？或者如果我们有一个正态分布的数据集，一个名义变量是否有特定的性质，需要使用其中一个而不是另一个？
例如简历在这种情况下必须保持名义，因为没有特定的顺序。 二氧化碳污染（高或低），但没有任何特定的顺序。 当然，将天数输入模型作为连续变量。
我不仅清楚这一点。
谢谢。
回复：随机效应检验你好@加布里埃尔,
看来您的模型中只有名义变量。
我可能已经找到了关于您关于广义回归和最小二乘平台之间最小二乘估计方法差异的问题的答复要素：
”广义回归个性中使用的名义变量的参数化不同于使用其他拟合模型个性的参数化。 广义回归个性使用指标函数参数化。 在此参数化中，与名义变量水平的指标相对应的估计是该水平的平均响应与最后水平的平均响应之间的差异的估计。 最后一级是顺序编码值最高的一级；这是模型中未包含指标函数的水平。
来自：启动广义回归人格
而在拟合模型中：
”当您在“拟合模型”启动窗口中输入具有名义建模类型的列时，JMP 在内部将其表示为一组连续指标变量。 每个变量仅假定值 –1、0 和 1。 （请注意，此编码是使用指示符变量对名义变量进行编码的多种方法之一。）如果您的名义列有n水平，那么n需要其中 –1 个指示变量来表示它。 （需要n –1 指示变量与标称柱相关的主效应直接相关n –1 自由度。）完整细节包含在名义因素。 ”
从 ：标称效应编码的统计详细信息
因此，您看到的差异可能与名义效应编码的差异有关，从而给出不同的估计值和计算出的 p 值。
希望这个答案能帮助您理解其中的区别
回复：随机效应检验你好@加布里埃尔,
您的问题可能没有明确的答案，因为这在很大程度上取决于您的因素、主题和目标。
据我了解这两种名义效应编码之间的差异，我想说，如果您希望通过将每个水平与一个特定水平进行比较来评估名义因素的水平，那么广义回归的名义编码可能更合适。 您可以使用列属性“值顺序”来指定所需的顺序，以使其适合您的研究设计。 该因素的最后一个级别将用于与所有其他级别进行比较。
例如，在 JMP 数据表示例“Cholesterol.jmp”中，我个人更喜欢使用标准最小二乘估计方法创建基于通用回归平台的模型，因为它将使名义编码能够将每个治疗效果水平与“安慰剂”进行比较”治疗效果级别（默认情况下，因为按字母顺序排列，但通过添加“值顺序”列属性，我可以更改与另一个级别（例如“控制”）进行的比较）。 这更有意义，因为我们想知道与安慰剂（或对照）相比，各种治疗的效果是什么，而不是与所有不同水平计算的平均值进行比较。
但是，当您想知道每个级别如何影响所有级别上计算的平均响应时，“拟合模型”平台中的标准最小二乘可能更有用。
您的二氧化碳污染似乎是一个序数因素，因为高和低之间存在“自然顺序”（高>低），因此您可以将此因素指定为序数，因为它是在序数因素编码中考虑的信息还有： https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/ordinal-factors.shtml#ww96069
如果将其指定为序数效应并且只有 2 个水平，则将通过每个水平的平均响应之间的差异（高 - 低）来计算效应估计，而对于“正常”名义编码和 2 个水平，效果估计将通过一个级别的平均响应与两个级别的总体平均响应之间的差异来计算（例如：高 - 平均值（高，低））。
我希望这个答案能让这个复杂的话题更加清晰，
回复：随机效应检验谢谢@Victor_G 。 我想就我而言，二氧化碳污染更多的是一个名义变量或因素，因为高或低只是我收集数据的环境。 一个室的二氧化碳污染程度较高，另一个室的二氧化碳污染程度较低，我对植物“A-Dyn”响应的测量是在各个开放室中进行的。
但正如你所说，这个话题导航起来相当复杂。
