重复测量：拆分同轮误差与跨日误差
一天下午重测十二次，与连续三天每天测四次，提供的证据不同。后者能够观察影响整天结果的共同变化，前者即使产生很多行数据，也无法把这部分变化与对象本身的水平分开。研究流程的重复性预算，应先写清采集层级，再计算不确定度。
本文交付固定对象连续测量的方差拆分：同日重复误差、日均值变化，以及扣除日均值内测量误差后的日间分量。这与分类标注者的一致率或kappa不同；目标是知道换一天运行同一流程，会多出什么变动，以及多测几次究竟减少哪一种误差。
冻结对象并定义一次重复
假设研究人员用固定图表提取流程，多次读取同一归档图片中的一个数值。先保存图片字节、坐标尺度、单位和目标量，确保对象没有变化。每天改读公司刚更新的图表，会把真实信息变化混入工具误差，不能直接用于这里的拆分。
一次重复应是重新执行测量操作。打开缓存结果，或把同一输出复制四行，不会新增重复性证据。应记录日期、重复序号、软件版本、操作者及参数；若使用模型提取，还要保留相关运行条件。研究目标是否包含不同操作者，应在采集前决定，不能看见异常后临时扩大误差来源。
NIST重复性分析的合并规则按自由度加权方差，而非直接平均标准差。原文针对计量仪器研究；下面归档图表的工作表是对嵌套设计的自拟应用，不表示NIST认证某个金融数据流程。
完整计算三天、每天四次的例子
假设独立加性随机效应模型：y[d,j]=theta+D[d]+e[d,j]。theta是固定对象水平，D是均值零、方差tau²的日效应，e是均值零、方差sigma²的同日误差。不同日效应互相独立，同日误差彼此独立，且与日效应独立；三个日期的方差结构稳定。这些是需要检验的模型前提，并不是表格列名自动赋予数据的属性。
构造每天四个读数：在日均值上依次加−√3、−√3、+√3、+√3。三个日均值分别为47、50、53。保留平方根表达，可以避免先把读数舍入再造成方差误差。
| 日期 | 四次读数均值 | 日内离均差平方和 | 日内自由度 |
|---|---|---|---|
| 第一天 | 47 | 12 | 3 |
| 第二天 | 50 | 12 | 3 |
| 第三天 | 53 | 12 | 3 |
每一天样本方差都是12除以3，等于4。合并时先加平方和，再加自由度：组内方差估计为36除以9，等于4，标准差为2，日内自由度共9。这里三个标准差碰巧相同，不能因此把“直接平均标准差”误当一般规则；不相同时必须仍用方差及自由度。
三个日均值的总均值为50。日均值样本方差是(9+0+9)除以(3−1)，等于9，标准差为3，只有2个自由度。这个9同时包含日效应以及四次测量均值残留的组内误差。后者方差为4除以4，即1，所以日效应方差估计为9−1=8。
NIST再现性分析的“Relationship to day effect”部分给出这一扣除关系。工作表应把日均值方差9与分离后的日效应方差8分栏；把两者都叫“日间方差”，会使读者无法判断后面是否重复加入了组内误差。
输出目标决定该用哪个方差
在上述独立模型下，用估计分量代入，可比较三种交付。
| 报告结果 | 方差 | 标准差 |
|---|---|---|
| 随机一天的一次读数 | 8+4=12 | 3.464 |
| 一天四次读数均值 | 8+4/4=9 | 3.000 |
| 三天各四次的总均值 | 8/3+4/12=3 | 1.732 |
最后一行同时平均了三个独立日效应与十二个组内误差。这是指定采集设计下结果的不确定度计算，不是所有单次读数的散布，也不是未知真实值的完整置信区间。分量本身还来自有限样本，不能把代入值当成精确已知总体参数。
若把相同十二次预算全放同一天，总均值方差变成8+4/12=8.333，标准差约2.887。增加同日次数减少了组内项，却保留共同日效应。把十二行全部当作独立重复，会抹去本来希望检查的日层级。两种设计总行数相同，不代表信息相同。
此例也没有证明三天足够。日均值只有两个自由度，日效应估计很不稳定。若用于重要验收，应进一步评估分量不确定度；如果日效应占主导，更相关的设计改变是增加独立日期，而非无限重跑某一天。
负分量不代表物理负方差
另设一个边界例：组内方差仍为4，每天四次，但日均值方差估计只有0.5。相减得到0.5−4/4=−0.5。真实方差不能为负；两个带抽样误差的估计相减，却可能得到负数。
应保留未约束估计与计算方法，说明报告如何处理边界，例如展示受非负约束的日分量为零，同时在审计表保留原始−0.5。不能把负估计说成总体完全没有日效应的证明。NIST原文也提示，有限自由度下的负分量未必可靠地刻画更大范围的过程。
另一个不同机制是共同偏差：流程可能每次都把图表读高十单位，同时组内和日间方差都很小。重复性衡量精密度，不认证准确性；要追查共同偏差，需要独立参考或已知检查值。把同一偏差平均更多次，不会让它自动消失。
合并前检查层级与稳定性
按采集顺序画出单次读数及日均值。持续学习、软件更新或参考对象变化，可能违背可交换随机日期假设。此时不要把趋势重新命名为稳定随机方差；应定位版本边界、明确建模变化，或重新采集稳定条件下的数据。
有多个图表对象时，要先保留对象标识，在各水平检查重复性是否相近，再决定能否合并。不同对象的真实数值差异不是工具噪声。每天重复次数不等时，也不能随意把平均次数代入平衡设计公式。缺测和失败尝试应留原因，不能选择性删除困难日期，制造更小方差。
| 核验步骤 | 保存记录 | 不满足时的处理 |
|---|---|---|
| 同一对象 | 归档字节、尺度、单位、哈希 | 将真实变化分开 |
| 新的重复 | 独立运行及参数 | 缓存复制不计有效重复 |
| 嵌套层级 | 对象、日期、轮次、序号 | 先重建层级再估计 |
| 合并方式 | 平方和及自由度 | 不直接平均标准差 |
| 模型诊断 | 水平、日期、顺序图 | 划分时期或修订假设 |
| 输出目标 | 单次、日均或跨日均值 | 使用该目标对应方差 |
最终交付要同时保留分量估计和采集日程。新增独立日期、发现共同软件变化、参考对象被修订，或验证样本暴露持续偏差，都应触发更新。更精确的同日均值不能消除未解决的日间证据，精密度良好也不等于研究量本身正确。
用信息量不等的小例审查合并
在套用平衡日期公式之前，先单独检验合并算术。设两个可比组的组内方差分别为4和9，自由度分别为3和7。合并方差为(3乘4+7乘9)除以(3+7)，即7.5，标准差约2.739。如果直接平均标准差2和3，会得2.5，平方为6.25，已经是另一个量；直接平均两个方差也忽略信息量差别。
这个检查仅验证可比组内平方和如何合并，并没有把不平衡多层设计变成平衡设计。计算日分量时仍须保留每天实际重复次数，选择适合该设计的方法。若某天丢失一次测量，不能因为合并检查通过，就继续把每天次数填成主例的四次。
工作记录应保存计划次数、实际尝试、可用读数和失败原因。如果失败取决于数值难度，剩余样本的误差结构可能已经变化。先调查失败是否来自相同对象、参数或版本，再决定是修复采集、分组分析还是另建模型；不能为了得到正分量而删除某天。
同样，日期不应仅是计算机日历标签。如果一次所谓独立日期实际上沿用未重置的缓存和状态，共同误差会跨日相关，三天平均的8/3项就缺少原先独立性基础。应说明运行环境怎样重置、哪些条件有意保留，让日期层级与真正希望观察的再现条件对应。
交付中的每一个精度数字都应附上适用单位：一次读数、同日均值或跨日均值。复核者若只有一个SD，很难知道它能否用于未来换日测量。把单位及设计写在同一行，也能避免后续团队把较小的均值SD误贴给单次输出。
常见问题
一天测十二次能否替代三天检查？
两者减少的方差项不同。同日十二次没有独立观察三个日效应，不能视作等价采集设计。
负的日方差应直接作为真实数值报告吗？
不能。保留未约束估计和边界处理规则；受约束显示零也不证明总体日效应消失。