方差分量

方差分量选项用于对测量值间的变异建模。假定响应为常数均值加上与分类的各个水平关联的随机效应。

注意：您选择方差分量选项后，若之前未在启动窗口中选择模型类型（若选择了稍后决定），系统将提示您选择模型类型。有关模型类型的详细信息，请参见启动“变异性/计数量具图”平台。

图 5.5 “分差分量”报表的示例 

仅当使用 EMS 方差分量估计方法时，才显示“方差分析”报表。该报表显示模型中每个效应的显著性。

“方差分量”报表显示估计值本身。请参见方差分量的统计详细信息。

分析设置

从启动窗口，点击分析设置可选择计算方差分量的方法。

图 5.6 “分析设置”窗口 

选择最佳分析（EMS、REML 或 Bayesian）

使用以下逻辑从 EMS、REML 或 Bayesian 中选择最佳分析：

‒ 若数据平衡，且没有方差分量为负数，则使用 EMS（期望均方）来估计方差分量。

‒ 若数据不平衡，则使用 REML（限制最大似然）方法，除非估计方差分量为负数，此时使用 Bayesian 方法。

‒ 若使用 EMS 方法估计任何方差分量为负数，则使用 Bayesian 方法。

‒ 若方差分量中存在混杂，则使用有界 REML 方法，并且所有负方差分量估计值都设为零。

选择最佳分析（EMS 或 REML）

使用与选择最佳分析（EMS、REML 或 Bayesian）选项相同的逻辑从 EMS 或 REML 中选择最佳分析。但是，该选项从不使用 Bayesian 方法，即使方差分量为负数。使用有界 REML 方法并将任何负方差分量强制设置为 0。

使用 REML 分析

使用有界 REML 方法，即使数据平衡。有界 REML 方法可以处理不平衡数据并将任何负方差分量强制设置为 0。

使用 Bayesian 分析

使用 Bayesian 方法。Bayesian 方法可处理不平衡数据并将所有方差分量强制设置为正数且非零。若方差分量中存在混杂，则使用有界 REML 方法，并且所有负方差分量估计值都设为零。在 JMP 中实施的方法使用 Jeffreys 先验的修改版本计算后验均值。请参见 Portnoy (1971) 和 Sahai (1974)。

最多迭代次数

（仅适用于 REML 方法。）对于复杂的问题，您可能要增加迭代次数。增加该值意味着 JMP 在优化阶段将尝试更多次来求解。

收敛极限

（仅适用于 REML 方法。）对于要求更高精度的问题，您可能要将收敛极限变得小一点。减小该值意味着 JMP 在优化阶段将使用更高的准确度来求解。不过，这会增加求解的时间。提供较大的收敛值会更快返回结果，但精度也会降低。

迭代横坐标数

（仅适用于 Bayesian 方法。）对于要求更高准确度的问题，您可能要增加迭代横坐标数。不过，这会增加求解的时间。提供较小的数字会更快返回结果，但精度也会降低。

函数最大计算次数

（仅适用于 Bayesian 方法。）对于要求更高准确度的问题，您可能要增加函数最大计算次数。不过，这会增加求解的时间。提供较小的数字会更快返回结果，但精度也会降低。