对于每个对比，t 比是用对比除以 PSE 计算得到的。原假设下这些 t 比的参考分布在计算上很难处理，因此是通过模拟得到的。使用的方法（如下所述）基于 Ye and Hamada (2000) 中的论述。
因为平台构造相对较大数量的效应，实验级误差率也很重要。实验级误差率是当没有效应是活跃的时候声明任何效应是活跃的概率。当没有效应是活跃的且绝对 t 比的最大值 max|ti| 很大并落入其参考分布的上尾时，出现实验级误差。
“拟合两水平筛选”平台使用 Monte Carlo 模拟获取两种误差率类型的参考分布。考虑包含 n - 1 个值的一个集合，它们采用均值为 0 且标准差等于 PSE 的正态分布来模拟。这些值表示在无活跃效应的原假设下实验的可能对比值。一共生成了 10,000 组 n - 1 随机对比值。
考虑第 i 个对比。使用这 10,000*(n - 1) 个模拟值中的每一个模拟值构造 Lenth t 比。用这些 t 比的绝对值近似表示个体误差率的参考分布。个体 p 值是在以降序排列的 10,000*(n - 1) 个模拟的绝对 t 比中观测到的绝对 Lenth t 比的小数位置内插值。对于参考分布，这近似于观测的绝对 Lenth t 比的绝对值右侧区域。
要获取这种情况下的参考分布，在 10,000 个模拟中考虑每个模拟的绝对 t 比的最大值。这 10,000 个最大值构成了参考分布。联合 p 值是在以降序排列的 10,000 个模拟的最大绝对 t 比中观测到的绝对 Lenth t 比的小数位置内插值。对于基于模拟的最大绝对 t 比的参考分布，这近似于绝对 Lenth t 比的绝对值右侧区域。
|
1.
|
|
2.
|
选择分析 > 专业建模 > 专业实验设计模型 > 拟合两水平筛选。
|
|
3.
|
|
4.
|
|
5.
|
点击“反应百分比的筛选”旁边的红色小三角菜单，然后选择保存脚本 > 至脚本窗口。
|
|
6.
|
插入 LenthSimN=50000; 作为脚本的第一行。
|
LenthSimN=50000;
|
7.
|
在脚本窗口中右击并选择运行脚本。
|
