JMP 和 MINTAB 之间的 GRR 结果差异这个问题造成了长期的困惑，至今没有得到根本的解决。
0.方差分析的结果完全相同，只是方差分量的结果不同。但是，MINITAB 将执行两次方差分析（有和没有交互作用）。
1.Minitab的帮助里有方差分量计算方法的如下公式，但是没有说明具体是EMS还是REML方法，经我验证，当出现负值时，会强制为0。JMP的帮助里也没有说明方差分量的具体计算方法。
2.在JMP中会出现如下图所示的两个方差分量结果，而且结果也不同，不知道为什么。
3.有一点是肯定的，MINITAB的结果与MSA手册的结果一致。
质量与工艺工程回复：JMP 和 MINTAB 之间的 GRR 结果差异您读过 JMP 文档吗？
关于此主题的社区帖子也有：
您还可以强制 JMP 获得与 Minitab 类似的结果，但您必须自己编写部分脚本（强制使用 EMS、放弃交互......）。
回复：JMP 和 MINTAB 之间的 GRR 结果差异谢谢，我已经读过了。
我知道有三种方法：EMS，REML和Bayes。根据JMP的帮助，如果数据平衡，没有负值，就会使用EMS方法。但它仍然不能得到与MINITAB相同的结果。你可以试试。
回复：JMP 和 MINTAB 之间的 GRR 结果差异你好@星华 ：不确定我是否回答了你的问题。
1. 您在 Minitab 中看到的公式是 EMS。并且 REML 没有闭式公式；REML 解决方案是通过数字方式找到的。
2. JMP 中量具 R&R 部分的方差补偿基于上一节方差分量中的方差分量之和。
重复性 = 在内
可重复性 = 检验员 + 检验员 * 样本
零件对零件 = 样品
量具 R&R = 重复性 + 再现性
Minitab 中的 Var Comps 与 JMP 有何不同？
回复：JMP 和 MINTAB 之间的 GRR 结果差异
谢谢，我不是专业的统计人员，只是想知道当客户问到结果不一致时，该怎么回答。MINITAB的算法和AIAG MSA手册是一致的。
另外根据JMP的帮助说明，当数据平衡，计算出的方差分量不为负数时，才会使用EMS方法。但是根据我的验证，MINITAB和JMP的结果总是不一样。一般我们用3个人*3次*10个样本来做GRR。
回复：JMP 和 MINTAB 之间的 GRR 结果差异你好@星华 ：如果我使用 JMP 样本数据文件夹中的变异性数据文件夹中的“2 个因子交叉”数据集，JMP 会给出与 Minitab 完全相同的结果。
回复：JMP 和 MINTAB 之间的 GRR 结果差异谢谢，我查了一下，跟你说的一模一样，我注意到它的交互效应是显著的（检查员*零件），实际过程中我没见过交互效应显著的。
这可能是造成差异的根本原因，因为如果在MINITAB中交互作用不显著，那么就会有其他类型的计算方法。我会继续检查。
回复：JMP 和 MINTAB 之间的 GRR 结果差异我又验证了一下，它的交互作用并不显著。
强制将交互作用效应纳入方差分量后（即使在方差分析中交互作用效应不显著），JMP与EXCEL的结果完全相同。
这可能是MINITAB的一个错误，因为AIAG MSA手册中没有提到“当交互作用不显著时，如何……”。
回复：JMP 和 MINTAB 之间的 GRR 结果差异你好@星华 ：我不太确定我是否应该将这些事情标记为“错误”。虽然 AIAG MSA 手册是解决此类问题的常用参考，但不应将其视为正确，而排除其他方法和解决问题的其他方式。如果交互作用不是“重要”，则可以采用任何一种方式来判断是否包括交互作用。
话虽如此，我也意识到您的困境；当客户询问不一致的结果时，您如何回应？EMS 方法是一种比 REML 等更古老的方法；它可以在没有任何复杂数值算法的情况下实现。即有公式。它不是“最佳”方法，也不是唯一的方法。但是，它简单且适合用途（因此在此类手册中很有吸引力）。是否包括交互项？好问题。我不想太深入这个兔子洞。但不包括它的理由很简单；如果交互作用可以忽略不计（可以从不显著推断出来），为什么要包括它？另一方面，如果我们将方差分量分析视为估计问题（而不是显著性检验问题），那么就可以提出包括交互作用的理由（无论显著性如何）。
回复：JMP 和 MINTAB 之间的 GRR 结果差异解决任何问题都有多种方法。问 10 个不同的人，你会得到 10 个不同的答案，没有一个是错的。（我想除非你问的人只是无知。）
对于这种情况，您需要使用客户要求您使用的方法。就这么简单。如果他们想要 MSA 手动方法，就给他们。如果他们想要 Minitab，就给他们。如果他们想要 JMP，就给他们。如果他们有一些 excel 模板，就用那个。等等。
现在，您可以自行内部批准测量系统，您可以设置方法，然后选择您最熟悉的方法。如果测量系统良好，它应该通过所有方法。
我个人喜欢 Wheeler 的方法和用控制图评估测量系统的方法。这种方法简单易懂，易于应用。正如您所展示的，所有这些枚举统计数据都会造成混乱和无谓的争论。
祝你好运，我喜欢这里的社区，似乎已经完成了一些很好的侦查工作来比较所有方法。显著的交互作用意味着 MSA 无论如何都会失败。我们绝不希望零件的测量取决于谁进行了测量。因此，如果 JMP 和 Minitab 之间的差异仅由显著的交互作用引起，那么 p 值或平方和数字是多少就无关紧要了。MSA 失败，故事结束。对方法进行一些改进，以便我们从所有操作员那里获得相同的结果，然后重做 MSA 以确认它现在通过而没有显著的交互作用。
回复：JMP 和 MINTAB 之间的 GRR 结果差异Hi @星华 and @MRB3855,
很抱歉打扰，但我想对此处的讨论提供一些评论：
- 恕我直言，分析实验时“选择”是否包含交互作用（例如包含“操作者*部件”交互作用）取决于实验设计方式。如果您为 MSA 研究生成了 DoE，其中假设模型中包含 2 个因子交互作用，则无论此交互作用是否具有统计显著性，您都应使用此交互作用分析 MSA 结果。
这不是模型构建/细化的问题，而是基于满足特定需求的一组特定实验来评估方差来源的问题。
- 区分统计显著性和实际显著性；在这种 MSA 情况下，您正在调查方差来源的相对重要性，如重复性、再现性……统计上不显著的方差来源在实践上仍然可能显著！评估需要与所研究设备相关的领域专业知识，以评估、评估和验证方差来源的重新分配以及这些方差的相对大小/幅度。
- 沟通和可视化是关键。正如@阿韦尔什所说，如果你必须传达你的发现（特别是向非统计学家/数据科学家），我不确定提供原始分析结果对他们是否有意义（并且在小数点处比较两个软件的结果对他们来说无关紧要）。平均值和范围/标准差图表有助于检测与重复性和再现性相关的问题（如果有）：
利益相关者想要知道的是您分析的实际结果：变化的主要来源是什么？如果设备/响应非常嘈杂，他们必须将精力集中在哪个方面（可重复性/再现性）？如果他们有多个协议/响应，它们彼此之间的表现如何？
关于最后一点，我也非常喜欢@阿韦尔什这样的 Wheeler 类，因为通过可视化，你可以非常快速地显示和排名不同的响应，基于它们的“信息质量”（此处的示例是基于匿名的真实用例）：
我发现理解、比较和排列不同的回应变得更加清晰了。
- MSA 是一系列良好实践和指南，但根据具体情况和行业设置，您可能需要遵守不同的规范、指南或限制。与领域专家和利益相关者合作，使您的方法适应实际环境条件。不同部件的选择（和数量）尤为重要，因为如果您的批次/部件彼此太接近/相似且不能代表总体，您最终可能会得到失败的 MSA 研究，因为与部件间方差分量相比，与再现性和重复性相关的方差可能显得“夸大”。
这些观点不会直接回答您的问题，但我发现它们在处理 MSA 研究时是务实和理性的。我相信@statman也有很多话要说。
回复：JMP 和 MINTAB 之间的 GRR 结果差异非常感谢。
你说的惠勒方法，是指 EMP 吗？
回复：JMP 和 MINTAB 之间的 GRR 结果差异是的，我特别提到了监控分类图例，它是EMP 结果报告的一部分。
它提供了一种概括的方式来显示、比较和根据设备检测信号强度的能力对多种设备进行排序。
