39366_fr-FR

liliconcom

Analyse de lignes parallèles et Annova

Chers tous,

J'ai une question très facile à difficile, que je suppose que je n'ai pas pu résoudre en raison de mes capacités limitées en tant que stataticien (très triste à ce sujet).

 

Il s'agit d'une sorte d'essai biologique dans lequel 6 répétitions sont testées à 3 concentrations différentes. Il y a donc 18 observations pour le standard et 18 observations pour l'échantillon test. L’objectif est de confirmer que le non-pararalisme n’est pas significatif et que la non-linéarité n’est pas significative. Je suppose qu'il existe une sorte d'anvoa disponible pour cela.

 

J'ai tout essayé, je ne sais pas comment faire. Je remercie personnellement et celui qui peut m'aider. S'il te plaît.

 

Cordialement

Re : Analyse de lignes parallèles et Annova

Tout d'abord, un effet d'interaction dans la réponse signifie que l'effet d'un facteur dépend au niveau d'un autre facteur. Dans ce cas, si la pente (représente l'effet de la modification du log de concentration) est différente (non parallèle) pour le type de courbe, alors la pente dépend de l'échantillon et il existe un effet d'interaction. en revanche, si la pente est la même (parallèle) pour chaque type, alors il n’y a pas d’effet d’interaction. La plupart des scientifiques et des ingénieurs adaptent par erreur un modèle distinct à chaque type d’échantillon, puis tentent de les comparer. Cette façon de travailler est inférieure pour plusieurs raisons.

Deuxièmement, JMP adapte la sortie dans la mesure du possible. Le tracé de régression dans Ajuster les moindres carrés est le même que celui présenté à la fin du PDF sous Graphiques. Le rapport Moyennes et écarts types dans la plateforme Oneway (Y : Réponse, X : Niveau et Par : Type) est le même que les tableaux récapitulatifs sous Observations. La section Résultats peut également être reproduite, mais la manière dont ils l'ont modélisée n'est pas claire. Il semble qu'ils aient effectué plus de partitions de la somme des carrés que d'habitude et je ne peux pas reproduire ce niveau. En particulier, je ne peux pas atteindre les valeurs R carré car elles incluaient des facteurs supplémentaires. Je pense que c'est l'effet Row and Column du design Latin Square. De plus, il n’est pas nécessaire d’effectuer une ANOVA et une analyse de régression. Cette distinction est artificielle.

Voici ce que j'obtiens de l'ANOVA :

Séparément, j'obtiens la somme des carrés pour les termes individuels :
Je n'ai pas le temps d'ajouter les valeurs de ligne et de colonne à l'exemple de table de données. S'ils étaient ajoutés, je pourrais alors vous montrer comment les inclure dans l'analyse si vous avez besoin d'aide.

Re : Analyse de lignes parallèles et Annova

Monsieur,

Je vous suis très reconnaissant pour votre réponse rapide. Je vois qu’une partie de ce que je faisais depuis le début n’était pas trop éloignée de ce qui était nécessaire.

 

Vous mentionnez " Si la interaction le terme est significatif , alors les courbes ne sont pas parallèles. Si le terme n’est pas significatif, alors les courbes sont parallèles et vous pouvez supprimer ce terme."

 

Quelle est la signification de "Interaction", comment je n'ai pas trouvé ce terme ?

 

De plus, j'ai joint le problème original qui provient d'un calcul du logiciel PLA3 que j'essaie de faire en utilisant JMP. La table Anova générée par ce programme est très différente de celle que j'obtiens de JMP ou Minitab. Pourriez-vous s'il vous plaît me dire comment calculer tous les facteurs calculés par PL3 ?

 

Si vous pouviez me donner quelques indications sur la façon dont le ratio de potition a été calculé ?

 

Re : Analyse de lignes parallèles et Annova

Le changement dans votre réponse semble être linéaire, vous pouvez donc utiliser Fit Model à cette fin. (Si vous disposiez d'une courbe logistique et d'un modèle, vous pouvez utiliser Fit Curve, qui intègre des tests de parallélisme et d'équivalence.) L'astuce consiste à utiliser des termes supplémentaires dans le modèle pour tester si les pentes sont communes ou uniques. Cela signifie un effet d’interaction. Sélectionnez donc Analyser > Ajuster le modèle. Sélectionnez votre colonne de réponse et cliquez sur Y. Sélectionnez votre colonne de concentration de journal et la colonne de type d'échantillon, cliquez sur Macros et sélectionnez Factorielle complète. Cliquez maintenant sur Exécuter.

Examinez le rapport Tests d’effet. Si le terme d’interaction est significatif, alors les courbes ne sont pas parallèles. Si le terme n’est pas significatif, alors les courbes sont parallèles et vous pouvez supprimer ce terme. Enfin, si le terme désignant le type d'échantillon est significatif, vous disposez alors d'une origine unique pour chaque type, sinon vous pouvez également éliminer ce terme et utiliser une origine commune. À ce stade, vous auriez un modèle avec uniquement l'interception et la concentration logarithmique.