我可以使用“Fit Y by X”中的“Block”選項卡來分析我的隨機完整區組設計嗎？你好，
我正在嘗試在 JMP 中分析隨機完全區組設計 (RCBD) 實驗，但我沒有在 JMP 中創建實驗設計（而且我認為我沒有耐心弄清楚如何做到這一點！）。 我只需導入 Excel 文件即可進行工作。
這是一個田間實驗，我從一個田地的3 個不同的區塊中取樣（這些是重複），在每個區塊內我有9 個隨機分配的處理（所以9 個處理小區，重複3 次） 。 處理採用 9 種不同的覆蓋作物類型，因此覆蓋作物是 X 因素。 然後我從這些圖中測量了很多 Y 反應變數。 我使用塊是因為整個田地的土壤本質上是不同的，我想消除這些田地差異的「噪音」。
我計劃將其作為簡單的單向方差分析來運行，但以某種方式考慮到阻塞。 我嘗試使用“分析”->“通過 X 擬合 Y”，然後將“Y 響應變數”、“X 因子”和“區塊”空間中的複製（區塊）列放入其中（請參閱螢幕截圖 1）。 它給了我一個結果，並顯示了我認為正確的錯誤數量（請參閱螢幕截圖 2）。 但是，我讀過很多有關 JMP 中阻止的文章，但沒有人建議使用此“阻止”選項卡...所以也許我遺漏了一些東西？ 這是否好得令人難以置信？
我是否需要使用“擬合模型”，並將區塊指定為“隨機效應”？ 如果是這樣，我應該為“個性”選擇什麼，以及在效果區域中為“學位”輸入什麼數字？ （請參閱螢幕截圖 3）。 我想點擊「不攔截」嗎？
這是很多問題！ 如果有人有一些見解，我將不勝感激:)
謝謝你！
進階統計建模基礎資料分析與建模實驗設計回覆：我可以使用「Fit Y by X」中的「Block」標籤來分析我的隨機完整區組設計嗎？ClareSoils，歡迎來到社區。 我對你的帖子有一些想法，但意識到有多種方法可以分析數據。 這很大程度取決於您想要回答什麼問題以及您想要如何分析數據。 關於哪一個是「正確的」可能存在爭議。
1. 在 JMP 中建立區組設計相當容易，但很大程度上取決於您是否要將區組視為隨機效應或固定效應（稍後討論）。 作為建議，附上您的數據表與螢幕截圖是最有效的。（您可以匿名數據）
2. 如果我解釋你的帖子，你會在三個區塊的 9 個層級上測試一個因素（作物類型）。 你的實驗目的是什麼？ 您是否正在尋找因果結構或選擇最佳作物水平，或者您對作物類型對阻止效應的強度感興趣還是什麼？
3.通常我使用擬合模型（標準最小平方法，效應槓桿），但我通常做多因子實驗。 Fit Y by X 應該可以滿足您的目的。 您是否同時運行了擬合模型和擬合 y by x 的模型？ 結果一致嗎？
4、分塊的目的不是“消除噪音”，而是將其分配給區塊。 您的模型將包含具有 2 個自由度的區塊效應。 如果不進行阻斷，該效應將匯集在 MSe 中，從而降低實驗的精確度。
回覆：我可以使用「Fit Y by X」中的「Block」標籤來分析我的隨機完整區組設計嗎？您好，斯塔曼，感謝您的熱烈歡迎並花時間發表回應！ 對此，我真的非常感激。
對您的問題的答案：
1. 我看到的所有已發表的 RCBD 分析論文都將區塊（或重複）指定為「隨機效應」。 感謝您提供數據集建議 - 就是這裡！ （警告：它有很多響應變量，其中幾乎一半具有非常態分佈......稍後會詳細介紹。 非常態分佈的有一個「標籤」）。
2. 正確，我有一個因素（覆蓋作物類型），並且有 9 種覆蓋作物處理，在 3 個區塊中進行測試（並且地塊隨機分配給這些區塊）。 實驗的目的只是評估不同覆蓋作物對土壤特性（所有反應變數）的影響。 我從每個地塊採集了土壤樣本。
3. 我剛剛運行了 Fit Y by X（將代表放在“Block”選項卡中）和 Fit 模型（並將代表作為“隨機效應”），並且我得到了相同的 p 值！ 哈，這真是一種解脫：）先前的結果並不一樣，但我認為這是因為我將代表（區塊）作為“連續變數”，當我將其更改為“名義變數”時，結果是正確的。 這讓我相信我可以透過 X 擬合 Y 並使用「區塊」選項卡。
4. 是的，這就是我的意思，但表達不正確。 謝謝你的澄清，這就是我想阻止的原因。
其他問題：
如前所述，我的許多反應變數都具有非常態分佈，因此我計劃使用 Kruskal-Wallis 進行分析。 我不想對所有資料進行對數轉換，並進行其他處理，直到它符合常態分佈。 我在我的領域看到其他論文這樣做 - 使用 ANOVA 進行常態分佈，使用 KW 進行非常態分佈。 我在 JMP 中嘗試過這一點，並遵循與上面相同的 Fit Y by X 過程（將 Rep 放入「區塊」標籤中），然後分析「非參數測試」的輸出。 你知道這樣做可以嗎？ 我也考慮過使用弗里德曼檢驗，但我的實驗不是重複測量（我認為這是弗里德曼檢驗的常見用途）。
非常感謝您的時間和專業知識！
回覆：我可以使用「Fit Y by X」中的「Block」標籤來分析我的隨機完整區組設計嗎？我可以推薦這篇論文嗎：
桑德斯，D.， Leitnaker M. 和 McLean R. (2002)“工業研究中的隨機完整區組設計”品質工程，卷。 14、第1期
我並不是說在這種情況下你應該這樣做，但還有其他方法。
一些後續想法：
1. 為了避免引起爭議，也可能過於簡化，我認為 DOE 反應變數的常態性並不像許多人猜測的那麼重要（變異數分析相當穩健）。 想想看......您故意嘗試透過操縱預測變數（x）來改變反應變數（y）。 為什麼您期望它們呈常態分佈？ 您想要的常態分佈是殘差。
2.由於您處於多元世界，我建議進行一些多元分析（至少運行：分析>多元方法>多元。
3.我不是你的主題的中小企業，但你確定這些都是輸出預計會受到實驗治療的影響？ 看起來有些可能是協變量（例如，岩石、淤泥、沙、黏土...）。 我沒有將土壤分析的增量視為反應（處理前到處理後）？
4. 您如何解釋所有 y 的測量誤差（或是否已知）？ 這可能會對 MSe 有所貢獻。
5. 當我分析大量 Y 時（我在一次實驗中最多分析 2781 個），我會對每個 Y 進行第一次篩選以獲取實際意義。 計算每列的範圍（表>摘要>突出顯示 Y's>從下拉統計按鈕中選擇範圍。 如果 Y 的變化不足以讓您關心它（或從科學的角度來看它並不有趣），請將其排除在分析之外。
