对数线性方差模型不一致你好，
在使用对数线性方差模型时，方差模型的模型存在不一致的情况。我在下面举了一个例子来解释这种情况。
我使用对数线性方差构建了 2 个模型：
模型 1：响应 A。因素 A、B、C。
模型 2：响应 A、B。因素 A、B、C。
注：响应 A 和因子 A、B、C 是模型 1 和 2 的相同数据。
比较模型 1 和模型 B，我们重点关注响应 A 的均值模型和方差模型。
响应 A 的平均模型在模型 1 与模型 2（绿色背景）之间完全相同。
然而，模型 1 与模型 2（红色背景）之间响应 A 的方差（或 Stdev）模型完全不同。
还使用相同的因子设置和相同的缩放比例进行比较。
似乎只要向模型添加另一个响应（在本例中，我们将响应 B 添加到具有响应 A 的模型中），方差模型就会变得不同。响应 A 和 B 是独立的，不应相互影响。
这种对数线性方差的情况是否被认为是正常的并且可以信任？
谢谢指教。
兄弟，
克里斯
高级统计建模回复：对数线性方差模型不一致嗨@ChrisLooi ，
初步评论：即使您的回答可以单独测量，它们也不是严格独立的，因为两个回答之间可以看到很强的相关性：
然后，我快速查看了提供的数据表，发现响应 B 有很多缺失值。
某些行是否应该相同，或者响应 A 和 B 之间的数据粒度/详细级别是否不同？
我认为 B 中的缺失值可能会导致您遇到的问题。
这是带有“原样”两个响应的探查器（与您之前显示的相同）：
但是，当对“响应 B”列执行自动数据插补技术以避免缺失值（并使用此插补响应 B 作为第二个响应）时，探查器显示响应 A 和 B 的更好行为（并且响应 A 的探查器现在是相同的）当响应 A 是唯一建模的响应时发送给探查器）：
您还可以通过隐藏和排除 B 缺少值的行来让探查器具有相同的行为，以便仅保留具有响应 A 和 B 的完整信息的行进行建模：
因此，可能需要对数据表进行更正，以填充缺失值、插补它们或排除响应 A 和 B 之间信息不完整的行。数据粒度的差异（以及生成的缺失值）可能是导致您在刻画器中看到的变化，因为您暗示两个响应的模型相同，但 B 列中的有限信息量确实扰乱了方差模型（因为与平均模型相比，它需要对模型中的每个项进行更多观察： 对数线性方差楷模）
您还可以使用不同的模型（可能是响应 B 的较小模型，因为可用于方差模型的观测值较少）独立地拟合这两个响应（仅针对一个响应启动平台）。
附件是使用的数据表和脚本，
回复：对数线性方差模型不一致嗨维克多，
谢谢回复。
我在这里附上了数据文件。
请注意，模型是使用以下效果构建的：
1. 使用响应面效应的平均模型。
2.使用响应面效应+三次效应的方差模型。
我也尝试过：
1. 使用最多 2 度阶乘效应的平均模型。
2. 使用最多 2 度阶乘效应的方差模型。
不管怎样，方差模型仍然不同。
兄弟，
克里斯
回复：对数线性方差模型不一致嗨@ChrisLooi ，
我尝试使用 JMP 示例数据集 InjectionMolding.jmp 重现您遇到的情况，并创建一个新的响应列和两个模型，一个具有响应 Shrinkage，另一个具有 Shrinkage 和 Shuffle[Shrinkage] 响应，两个模型中的项相同。
使用 Loglinear Variance 创建具有一两个响应的模型时，我发现分析器没有任何差异：
“拟合模型”窗口的“方差效应”面板中是否有相同的术语？
您能否分享一个匿名数据集，以便我们重现该问题？
您使用哪个版本的 JMP？
回复：对数线性方差模型不一致嗨@ChrisLooi ，
我尝试使用 JMP 示例数据集 InjectionMolding.jmp 重现您遇到的情况，并创建一个新的响应列和两个模型，一个具有响应 Shrinkage，另一个具有 Shrinkage 和 Shuffle[Shrinkage] 响应，两个模型中的项相同。
使用 Loglinear Variance 创建具有一两个响应的模型时，我发现分析器没有任何差异：
“拟合模型”窗口的“方差效应”面板中是否有相同的术语？
您能否分享一个匿名数据集，以便我们重现该问题？
您使用哪个版本的 JMP？
回复：对数线性方差模型不一致嗨维克多，
谢谢回复。
我在这里附上了数据文件。
请注意，模型是使用以下效果构建的：
1. 使用响应面效应的平均模型。
2.使用响应面效应+三次效应的方差模型。
我也尝试过：
1. 使用最多 2 度阶乘效应的平均模型。
2. 使用最多 2 度阶乘效应的方差模型。
不管怎样，方差模型仍然不同。
兄弟，
克里斯
回复：对数线性方差模型不一致嗨@ChrisLooi ，
初步评论：即使您的回答可以单独测量，它们也不是严格独立的，因为两个回答之间可以看到很强的相关性：
然后，我快速查看了提供的数据表，发现响应 B 有很多缺失值。
某些行是否应该相同，或者响应 A 和 B 之间的数据粒度/详细级别是否不同？
我认为 B 中的缺失值可能会导致您遇到的问题。
这是带有“原样”两个响应的探查器（与您之前显示的相同）：
但是，当对“响应 B”列执行自动数据插补技术以避免缺失值（并使用此插补响应 B 作为第二个响应）时，探查器显示响应 A 和 B 的更好行为（并且响应 A 的探查器现在是相同的）当响应 A 是唯一建模的响应时发送给探查器）：
您还可以通过隐藏和排除 B 缺少值的行来让探查器具有相同的行为，以便仅保留具有响应 A 和 B 的完整信息的行进行建模：
因此，可能需要对数据表进行更正，以填充缺失值、插补它们或排除响应 A 和 B 之间信息不完整的行。数据粒度的差异（以及生成的缺失值）可能是导致您在分析器中看到的更改。
附件是使用的数据表和脚本，
