是什么促使你提出这个愿望清单请求？
Fit Y by X 平台无法分析来自随机不完全区组设计 (RICBD) 的数据，即如果区组不平衡，即 1 个区组（或多个区组）中缺少 1 个（或多个）地块，因此在 JMP 18 中，Fit Y by X 会自动调用 Fit Model 平台中的 SLS，而这正是用户所需要的！
遗憾的是，JMP 19 中移除了这项非常重要且非常有用的功能，JMP 改为在“拟合模型”平台中调用混合模型，以便对不等方差进行有效的检验（参见详细原理部分）。
您希望看到哪些改进？
只需恢复 JMP 18 中处理此问题的方式即可。或者，作为替代（不太推荐的）选项，允许 JMP 提供一个选项（例如在单因素首选项菜单中），以使用拟合模型 - 拟合 SLS 来处理随机不完全区组设计案例（与 JMP 18 中的处理方式相同；即，没有可用的不等方差检验）。
为什么这个想法很重要？
许多使用单因素方差分析的研究人员并不熟悉混合模型方法，可能不理解 JMP 将区组视为随机因子（而非固定因子），且方差结构不相等（X 因子重复出现）。使用单因素方差分析的研究人员、科学家和工程师通常更倾向于使用最简单（技术或统计复杂度最低）的模型，并且对这种模型也最为熟悉，而等方差假设通常也适用于他们的实验情况。
允许默认工作流程在“单因素拟合”中为RICBD拟合SLS回归模型，可以为这些用户提供最大的灵活性，而无需离开平台。因为从JMP 19开始，要拟合这个相对简单的模型，用户必须前往“分析”>“拟合模型”，并在那里指定SLS回归模型。对于JMP标准版用户来说尤其如此，因为他们无法在“单因素拟合”生成的“混合模型拟合”报告大纲中生成LS均值检验（因为“混合模型拟合”是JMP Pro的专属功能）。
请详细阐述这个想法为何重要？
在数量遗传学中，混合模型 用于分析系谱群体的数据。这类研究的主要目标是估计由多个随机个体交配产生的后代家族之间的方差分量。 研究人员会考虑父本（种公）和母本（种母），并利用这些方差分量来计算遗传力估计值。这些遗传力估计值是此类研究的唯一目标，而模型中的固定效应（例如，当研究群体包含多个孵化批次时，则包含孵化批次效应；或者当存在多个饲养场时，则包含饲养场效应）的添加仅仅是为了从数据中消除这些非遗传效应。
此外，许多教学和工业实验实践中的标准实验的目标是比较固定效应因子（品种、垫料、教学方法等）的不同处理（在其他术语中称为“处理”，在JMP中称为“水平”）的均值。因此，重点在于这些“水平”的最小二乘均值（LSMeans）以及它们之间差异的显著性。
使用 RCBD（通常只有 4 到 6 个区组）的目的仅仅是为了消除误差方差中这些区组之间的差异，从而减少固定效应“水平”估计均值的标准误差。
但由于此类实验的目标之一是明确比较各因子“水平”的最小二乘均值，因此，JMP 标准版中“拟合模型”的 SLS 报告相比“拟合混合模型”报告具有实际优势，因为它提供了 6 种不同的多重比较检验。在这种情况下，必须使用其中一种检验方法，因此，当 RCBD 实验中缺少一个（或几个）数据点（“图”）时，需要将“拟合模型”的 SLS 作为分析数据的默认方法。
您好@AvigdorC ，感谢您的提交。我们会内部处理此事。
@Valerie_Nedbal以下是@AvigdorC提供的一些补充反馈，我们可以考虑一下：
基于与数百名 JMP 用户和众多 JMP 常规使用者的广泛交流，我们认为，大多数用户并不关心混合模型的统计细节和细微差别，包括：如何解读这些细节，以及“Fit Mixed”的输出与“Fit SLS”的输出有何不同。此外，这些研究人员发表论文的期刊也并不关注当 Block 被随机分配时，“Fit Mixed”的输出所呈现的统计复杂程度。
总而言之，他们的立场是，大多数 JMP 用户将受益于 JMP 18 恢复了向 Fit Y by X 提交不平衡块数据的行为（这是唯一一个具有灵活指定块因子选项的基本 JMP 平台）。
