我可以使用“Fit Y by X”中的“Block”选项卡来分析我的随机完整区组设计吗？你好，
我正在尝试在 JMP 中分析随机完全区组设计 (RCBD) 实验，但我没有在 JMP 中创建实验设计（而且我认为我没有耐心弄清楚如何做到这一点！）。 我只需导入 Excel 文件即可进行工作。
这是一个田间实验，我从一个田地的 3 个不同的区块中取样（这些是重复），在每个区块内我有 9 个随机分配的处理（所以 9 个处理地块，重复 3 次）。 处理采用 9 种不同的覆盖作物类型，因此覆盖作物是 X 因素。 然后我从这些图中测量了很多 Y 响应变量。 我使用块是因为整个田地的土壤本质上是不同的，我想消除这些田地差异的“噪音”。
我计划将其作为简单的单向方差分析来运行，但以某种方式考虑到阻塞。 我尝试使用“分析”->“通过 X 拟合 Y”，然后将“Y 响应变量”、“X 因子”和“块”空间中的复制（块）列放入其中（参见屏幕截图 1）。 它给了我一个结果，并显示了我认为正确的错误数量（参见屏幕截图 2）。 但是，我读过很多有关 JMP 中阻止的文章，但没有人建议使用此“阻止”选项卡...所以也许我遗漏了一些东西？ 这是否好得令人难以置信？
我是否需要使用“拟合模型”，并将块指定为“随机效应”？ 如果是这样，我应该为“个性”选择什么，以及在效果区域中为“学位”输入什么数字？ （参见屏幕截图 3）。 我想点击“不拦截”吗？
这是很多问题！ 如果有人有一些见解，我将不胜感激:)
谢谢你！
高级统计建模基础数据分析和建模实验设计回复：我可以使用“Fit Y by X”中的“Block”选项卡来分析我的随机完整区组设计吗？ClareSoils，欢迎来到社区。 我对你的帖子有一些想法，但意识到有多种方法可以分析数据。 很大程度上取决于您想要回答什么问题以及您想要如何分析数据。 关于哪一个是“正确的”可能存在争议。
1. 在 JMP 中创建区组设计相当容易，但很大程度上取决于您是否要将区组视为随机效应或固定效应（稍后讨论）。 作为建议，附上您的数据表与屏幕截图是最有效的。（您可以匿名数据）
2. 如果我解释你的帖子，你会在三个区块的 9 个级别上测试一个因素（作物类型）。 你的实验目的是什么？ 您是否正在寻找因果结构或选择最佳作物水平，或者您对作物类型对阻止效应的强大程度感兴趣还是什么？
3.通常我使用拟合模型（标准最小二乘法，效应杠杆），但我通常做多因素实验。 Fit Y by X 应该可以满足您的目的。 您是否同时运行了拟合模型和拟合 y by x 的模型？ 结果一致吗？
4、分块的目的不是“消除噪声”，而是将其分配给块。 您的模型将包含具有 2 个自由度的块效应。 如果不进行阻断，该效应将汇集在 MSe 中，从而降低实验的精度。
回复：我可以使用“Fit Y by X”中的“Block”选项卡来分析我的随机完整区组设计吗？您好，斯塔曼，感谢您的热烈欢迎并花时间发表回复！ 对此，我真的非常感激。
对您的问题的答复：
1. 我看到的所有已发表的 RCBD 分析论文都将块（或重复）指定为“随机效应”。 感谢您提供数据集建议 - 就是这里！ （警告：它有很多响应变量，其中几乎一半具有非正态分布......稍后会详细介绍。 非正态分布的有一个“标签”）。
2. 正确，我有一个因素（覆盖作物类型），并且有 9 种覆盖作物处理，在 3 个区块中进行测试（并且地块随机分配给这些区块）。 该实验的目的只是评估不同覆盖作物对土壤特性（所有响应变量）的影响。 我从每个地块采集了土壤样本。
3. 我刚刚运行了 Fit Y by X（将代表放在“Block”选项卡中）和 Fit 模型（并将代表作为“随机效应”），并且我得到了相同的 p 值！ 哈，这真是一种解脱：）之前的结果并不一样，但我认为这是因为我将代表（块）作为“连续变量”，当我将其更改为“名义变量”时，结果是正确的。 这让我相信我可以通过 X 拟合 Y 并使用“块”选项卡。
4. 是的，这就是我的意思，但表述不正确。 谢谢你的澄清，这就是我想阻止的原因。
其他问题：
如前所述，我的许多响应变量都具有非正态分布，因此我计划使用 Kruskal-Wallis 进行分析。 我不想对所有数据进行对数转换，并进行其他处理，直到它符合正态分布。 我在我的领域看到过其他论文这样做 - 使用 ANOVA 进行正态分布，使用 KW 进行非正态分布。 我在 JMP 中尝试过这一点，并遵循与上面相同的 Fit Y by X 过程（将 Rep 放入“块”选项卡中），然后分析“非参数测试”的输出。 你知道这样做可以吗？ 我也考虑过使用弗里德曼检验，但我的实验不是重复测量（我认为这是弗里德曼检验的常见用途）。
非常感谢您的时间和专业知识！
回复：我可以使用“Fit Y by X”中的“Block”选项卡来分析我的随机完整区组设计吗？我可以推荐这篇论文吗：
桑德斯，D.， Leitnaker M. 和 McLean R. (2002)“工业研究中的随机完整区组设计”质量工程，卷。 14、第1期
我并不是说在这种情况下你应该这样做，但还有其他方法。
一些后续想法：
1. 为了避免引起争议，也可能过于简单化，我认为 DOE 响应变量的正态性并不像许多人猜测的那么重要（方差分析相当稳健）。 想想看......您故意尝试通过操纵预测变量（x）来改变响应变量（y）。 为什么您期望它们呈正态分布？ 您想要的正态分布是残差。
2.由于您处于多元世界，我建议进行一些多元分析（至少运行：分析>多元方法>多元。
3.我不是你的主题的中小企业，但你确定这些都是输出预计会受到实验治疗的影响？ 看起来有些可能是协变量（例如，岩石、淤泥、沙子、粘土......）。 我没有将土壤分析的增量视为响应（处理前到处理后）？
4. 您如何解释所有 y 的测量误差（或者是否已知）？ 这可能会对 MSe 有所贡献。
5. 当我分析大量 Y 时（我在一次实验中最多分析过 2781 个），我会对每个 Y 进行第一次筛选以获取实际意义。 计算每列的范围（表>摘要>突出显示 Y's>从下拉统计按钮中选择范围。 如果 Y 的变化不足以让您关心它（或者从科学的角度来看它并不有趣），请将其排除在分析之外。
