如何利用“变异性”平台计算方差分量的置信区间？在进行方法验证时，我们使用变异性来区分不同场合之间的差异。如今，指南不仅要求我们给出估计值，还要求我们给出方差的置信区间。我似乎可以直接在变异性（95% 上限）中获得置信区间，我理解这是使用 Satterthwaite 来计算自由度。
据我所知，我试图使用下面的公式进行相同的计算，看看是否得到相同的数字。从方差分析中，我得到了每个级别的 DF 和方差分量，但不知道应该把什么作为 n 放进去？我尝试使用 DF 或 DF+1 来模拟 n，但我得到的数字总是比方差分析表中给出的数字少几个百分点，无论是总计还是介于两者之间。对于范围内，我得到的数字完全相同。
我是否低估了计算的复杂性？我读过一些标题类似的讨论，但我的知识不足以解释这些回应，所以这里没有什么可说的。
基础数据分析与建模视窗回复：如何使用变异性平台计算方差分量的置信区间？你好@Ake ：这是来自 Satterthwaite，1946 年的“方差成分估计值的近似分布”（ https://sci-hub.se/10.2307/3002019 ）；它是 JMP 文档中引用的内容。（ https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/variance-components.shtml ）。
我不确定该参考资料对您有多大帮助；这取决于您对统计理论的了解程度以及您将其应用于数据的程度。话虽如此，但您还是在正确的范围内！
回复：如何使用变异性平台计算方差分量的置信区间？关于同一数据的另一个问题：
我意识到我可能理解得不够透彻，无法得到与变异性平台中 Satterthwaite 校正完全相同的数字——但是——我刚刚注意到中间值 (Occ) 的上限值非常高，高达 95%！这是一个 bug 还是一个合理的结果？附上数据，以防有人想检查。
回复：如何使用变异性平台计算方差分量的置信区间？您好@阿克 ，正如我们讨论过的，这个问题并非 bug，尽管它可能看起来有些奇怪。不幸的是，这是Satterthwaite 方法在小样本量下产生的一个问题——它不仅与这种情况下数值不稳定性有关，也与样本量特别小时，这些区间估计值导致的不确定性膨胀有关。不幸的是，这些计算并不简单，而且据我所知，它们无法用简单的数学公式复现（至少在 JMP 的内部实现中无法复现）。
我们可以开始理解与这些区间的 Wald 近似相关的不确定性膨胀（我们在 JMP Pro 中的“拟合混合平台”中实现， 方差分量的置信区间；需要明确的是，在变异性/量规中我们仅使用 Satterthwaite 方法，即使我们使用不同的方法来计算方差分量本身的点估计值，请参阅： 方差分量）。
观察观测标准差的置信区间公式（使用卡方分布），我们可以在图形生成器中绘制样本量增加时的置信区间，例如假设观测标准差为 1，双侧置信水平为 95%。从图中我们可以看出，样本量较小时，上侧误差要高得多，尤其是在样本量约为 6 或更少时。
上面显示的结果作为脚本保存在附加的 JMP 数据表中，其中上限和下限 CI 列中引用的公式均取自 W. Mendenhall 所著的《概率与统计学导论》（第 5 版，1979 年）（参见第 303-304 页）
回复：如何使用变异性平台计算方差分量的置信区间？再次感谢 Patrick 和所有 JMP 团队，感谢你们一直以来对我们用户的帮助！你们太棒了！
