JMP 與 MINTAB 之間的 GRR 結果差異這個問題造成了長期的困惑，至今沒有根本的解決。
0.變異數分析的結果完全相同，只是變異數分量的結果有所不同。但是，MINITAB 將執行兩次變異數分析（有和無交互作用）。
1.Minitab的幫助裡有以下變異數分量計算方法的公式，但是沒有說明具體是什麼方法，EMS還是REML。據我驗證，當出現負值時，會強制為0，JMP的幫助裡沒有說明變異數分量的具體計算方法。
2.在JMP中，會出現如下圖所示的兩個變異數分量結果，而且結果也不同。我不知道為什麼。
3.有一點是肯定的，MINITAB的結果與MSA手冊的結果一致。
品質與工藝工程回覆：JMP 和 MINTAB 之間的 GRR 結果差異您有讀過 JMP 文檔嗎？
關於此主題的社區貼文也有：
您也可以強制 JMP 獲得與 Minitab 類似的結果，但您必須自己編寫部分腳本（強制使用 EMS、放棄互動...）。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異謝謝，我已經讀過了。
我知道有三種方法：EMS、REML 和 Bayes。根據JMP的幫助，如果資料平衡，沒有負值，就會使用EMS方法。但它仍然無法得到與MINITAB相同的結果。你可以嘗試一下。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異你好@星華 ：不確定我是否回答了你的問題。
1. 您從 Minitab 看到的公式是 EMS。且 REML 沒有封閉形式的公式；透過數值方法可以找到 REML 解。
2. JMP 中量具 R&R 部分的變異數補償是基於上一節變異數分量中的變異數分量總和。
重複性 = 在內
可重複性 = 檢驗員 + 檢驗員 * 樣本
零件對零件 = 樣品
量具 R&R = 重複性 + 再現性
Minitab 中的 Var Comps 與 JMP 有何不同？
回覆：JMP 和 MINTAB 之間的 GRR 結果差異
非常感謝。我不是專業的統計學家。我只是想知道當顧客詢問結果不一致時該如何回答。 MINITAB的演算法與AIAG MSA手冊一致。
另外根據JMP的幫助描述，當資料平衡，且計算出的變異數分量不為負數時，會使用EMS方法。但根據我的驗證，MINITAB和JMP的結果總是不一樣。一般我們做GRR是3人*3次*10個樣本。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異你好@星華 ：如果我使用 JMP 樣本資料資料夾中的變異性資料資料夾中的「2 個因子交叉」資料集，JMP 會給出與 Minitab 完全相同的結果。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異謝謝。我查了一下，跟你說的一模一樣。我注意到它的交互作用是顯著的（檢查員*零件）。在實際過程中，我從未見過有顯著的互動效果。
這可能是造成差異的根本原因，因為如果在MINITAB中交互效應不顯著，那麼就會有另一種計算方法。我會繼續檢查。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異我再一次確認了。其交互作用效應不顯著。
強制將交互作用效應納入變異數分量後（即使在變異數分析中交互作用效應不顯著），JMP與EXCEL的結果完全相同。
這可能是MINITAB的錯誤，因為AIAG MSA手冊中沒有提到「當交互作用不顯著時，如何…」。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異你好@星華 ：我不太確定我是否會將這些事情標記為「錯誤」。雖然 AIAG MSA 手冊是解決此類問題的常用參考，但它不應被視為正確的，而排除其他方法和解決問題的其他方式。如果該交互作用不是“顯著的”，則可以選擇是否包含該交互作用。
話雖如此，我也認識到你的困境；當客戶詢問結果不一致時，您如何回應？ EMS 方法比 REML 等方法更古老；無需任何複雜的數值演算法即可實現。即有公式。它不是「最佳」方法，也不是唯一的方法。然而，它簡單且適合用途（因此在這些手冊中很有吸引力）。是否包括交互項？好問題。我不想走太遠。但不包括它的情況很簡單；如果交互作用的效果可以忽略（可以從不顯著推論出來），為什麼要將其納入？另一方面，如果我們將變異數分量分析視為估計問題（而不是重要性檢定問題），那麼就可以包含交互作用（無論重要性為何）。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異解決任何問題都有多種方法。問 10 個不同的人，你會得到 10 個不同的答案，沒有一個是錯的。 （我想除非你問的人只是不知情。）
對於這種情況，您需要使用客戶要求您使用的方法。就這麼簡單。如果他們想要 MSA 手動方法，請將其提供給他們。如果他們想要 Minitab，就給他們。如果他們想要 JMP，就給他們。如果他們有一些 Excel 模板，就使用那個。 ETC。
現在，對於您自己的內部測量系統批准，您可以設定方法，然後選擇您最熟悉的方法。如果測量系統良好，它應該能夠通過所有方法。
我個人喜歡 Wheeler 的方法和控制圖方法來評估測量系統。它非常簡單且易於理解和應用。正如您所展示的，所有這些列舉的統計數據都會造成混亂並浪費辯論。
祝你好運，我喜歡這裡的社區，而且似乎已經完成了一些很好的偵探工作來比較所有的方法。顯著的交互作用效應意味著 MSA 無論如何都會失敗。我們絕不希望零件的測量取決於誰來測量。因此，如果 JMP 和 Minitab 之間的差異僅由顯著的交互作用引起，那麼 p 值或平方和是多少就無關緊要了。 MSA 失敗，故事結束。對方法做一些改進，以便我們從所有操作員那裡獲得相同的結果，然後重做 MSA 以確認它現在可以通過而沒有顯著的交互作用。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異Hi @星華 and @MRB3855 ,
很抱歉打擾，但我想對此處的討論提供一些評論：
- 恕我直言，分析具有或不具有交互作用的實驗的“選擇”（例如具有“操作員*部分”交互作用）取決於您如何設計實驗。如果您已經為 MSA 研究產生了 DoE，其中假設模型中包含 2 因子交互作用，則您應該使用此交互作用分析 MSA 結果，無論此交互作用是否具有統計顯著性。
這不是模型建構/細化的問題，而是基於滿足特定需求的一組特定實驗來評估變異數來源的問題。
- 區分統計意義和實際意義；在這種 MSA 情況下，您正在調查方差來源的相對重要性，例如重複性、再現性...統計上不顯著的變異數來源在實踐中仍然可能具有顯著性！評估需要與所研究設備相關的領域專業知識，以評估、評估和驗證變異數來源的重新分配以及這些變異數的相對大小/幅度。
- 溝通和視覺化是關鍵。正如@阿韋爾什所說，如果您必須傳達您的發現（特別是向非統計學家/數據科學家），我不確定提供原始分析結果對他們是否有意義（並且在小數點後比較兩個軟體的結果對他們來說是無關緊要的）。平均值和範圍/標準差圖表有助於檢測與重複性和再現性相關的問題（如果有）：
利害關係人想要知道的是你的分析的實際結果：變化的主要來源是什麼？如果設備/反應噪音很大，他們必須把精力集中在哪個方面（重複性/再現性）？如果他們有幾種協定/回應，那麼它們彼此之間的表現如何？
關於最後一點，我也非常喜歡@阿韋爾什這樣的 Wheeler 類，因為透過視覺化，你可以非常快速地顯示和排名不同的回應，基於它們的「資訊品質」（這裡的範例是基於匿名的真實用例）：
我發現理解、比較和排列不同的回應變得更加清晰了。
- MSA 是良好實踐和指南的集合，但根據具體情況和行業設置，您可能需要遵守不同的規範、指南或限制。與領域專家和利害關係人合作，使您的方法適應真實的環境條件。不同部件的選擇（和數量）尤其重要，因為如果您的批次/部件彼此太接近/相似且不能代表總體，您最終可能會失敗 MSA 研究，因為與再現性和重複性相關的方差與部件間方差分量相比可能顯得「誇大」。
這些觀點不會直接回答您的問題，但我發現它們在處理 MSA 研究時實用且合理。我確信@statman也有很多話要說。
回覆：JMP 和 MINTAB 之間的 GRR 結果差異非常感謝。
你說的惠勒方法，是指 EMP 嗎？
回覆：JMP 和 MINTAB 之間的 GRR 結果差異是的，我特別提到了監控分類圖例，它是EMP 結果報告的一部分。
它提供了一種概括的方式來顯示、比較和根據設備檢測訊號強度的能力對多種設備進行排序。
