完全嵌套方差分析 的数据注意事项

为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则。

数据应当仅包括随机的嵌套类别因子

如果您的设计中包含协变量、固定因子或交叉因子，请使用拟合一般线性模型。

有关因子的更多信息，请转到因子和因子水平、什么是因子、交叉因子和嵌套因子？和什么是固定因子和随机因子之间的差值？。

设计必须是完全嵌套的设计

Minitab 根据因子框中的因子顺序进行嵌套来拟合分层次的完全嵌套模型。如果输入因子 A B C，则模型项将为：

• A
• B 嵌套在 A 中
• C 嵌套在 B 中，同时嵌套在 A 中

无需像平衡方差分析或 GLM 中那样指定嵌套。

嵌套不需要平衡。在被嵌套因子的某些水平上，嵌套因子必须至少具有 2 个水平。如果因子 B 嵌套在因子 A 中，则因子 B 在因子 A 的每个水平内可能具有不相等的水平数。此外，用于标识 A 的每个水平中的 B 水平的下标可能不同。但是，如果完全嵌套设计不平衡，则 Minitab 无法计算 F 和 p 值。

Minitab 在完全嵌套方差分析中使用连续（类型 I）平方和进行所有计算。如果要使用调整平方和，请使用拟合一般线性模型。

如果您的设计不是完全嵌套，请使用拟合一般线性模型。

响应变量应当是连续变量

如果响应变量是类别变量，则您的模型不太可能满足分析假定、准确描述数据或者进行有用的预测。

• 如果您的响应变量有两个类别（如通过和失败），请使用拟合二元 Logistic 模型。
• 如果您的响应变量包含三个或更多采用一定自然顺序的类别（如非常不同意、不同意、中立、同意和非常同意），请使用顺序 Logistic 回归。
• 如果您的响应变量包含三个或更多不采用自然顺序的类别（如擦痕、凹陷和撕裂），请使用名义 Logistic 回归。
• 如果您的响应变量对发生次数（如缺陷数量）进行计数，请使用拟合 Poisson 模型。

每个观测值都应当独立于所有其他观测值

如果您的观测值是相关的，则结果可能无效。请考虑以下几点来确定观测值是否为独立值：

• 如果一个观测值不提供有关另一个观测值的信息，则说明这两个观测值是独立的。
• 如果一个观测值提供有关另一个观测值的信息，则说明这两个观测值是相关的。

样本数据应当是随机选择的

随机样本用于对总体做出归纳，即推断。如果数据不是随机收集的，则结果可能无法代表总体。

使用最佳做法收集数据

要确保结果有效，请考虑以下准则：

• 确保数据代表您感兴趣的总体。
• 收集足够多的数据以提供必要的精确度。
• 尽可能准确和精确地测量变量。
• 以数据的收集顺序记录数据。

模型应当提供良好的数据拟合

如果模型无法与数据拟合，则结果可能会具有误导性。在输出中，使用残差图可以确定模型对数据的拟合优度。