我經常看到人們在實驗設計中將重複測量和復現測量混淆。它們截然不同，所產生的分析結果也大相逕庭。
是的，重複測量和復現測量都是使用相同參數組合進行的多次反應測量！但重複測量是在同一系列實驗或連續系列實驗中進行的，而復現測量是在相同但不同的實驗系列中進行的，通常是隨機的。
複製品
在實驗設計中，重複實驗是指在相同的因素設定下，獨立執行相同的實驗處理，但包括所有實驗變異來源。
這意味著：
-
系統已完全重新初始化
-
新材料、批次、操作員或時間點
-
跑動之間的獨立性
哪些重複估計
例子
在不同日期以相同因子水平進行的兩次實驗運行被視為重複實驗。
哪種分析？
在這種情況下，你想估計的是純誤差。
純誤差是指在相同因子設定下，真實重複實驗之間觀察到的變異性。純誤差是透過失擬分解法，利用重複設計點估計得到的。
請注意，RMSE 代表總殘差變異性，包括純誤差和模型適配不足。
如果您有重複樣本，可以透過「擬合模型平台」的常規設置，在「標準最小二乘法」報告中存取「擬合不足」部分。
重複
重複（或重複測量）是指在同一實驗運行中進行多次測量，而無需重新初始化該過程。
這通常包括：
重複次數估計
例子
使用同一儀器對同一樣品進行三次測量，這對應於重複測量，而不是複測。
哪種分析？
當設計中包含重複元素時：
-
在同一次運行或樣本內，觀測結果之間存在相關性。
-
獨立性假設不成立。
建議使用限制性最大似然法 (REML)來估計變異數分量。
當 Fit Model 平台模型啟動且某個因子被定義為隨機時，將選擇 REML 個性。
隨機效應的定義是透過屬性選項完成的。
報告還將增加一個與限制性最大似然法（REML）相關的章節，解釋隨機效應所解釋的變異百分比。
結論
總之，重複實驗可以估計純粹的實驗誤差，而重複實驗僅反映測量變異性，應使用隨機效應模型來解釋。
