39366_de-DE

liliconcom

Parallele Linienanalyse und Annova

Verehrte Gäste,

Ich habe eine sehr einfache bis schwierige Frage, die ich vermutlich aufgrund meiner begrenzten Fähigkeiten als Statistiker nicht lösen konnte (was sehr traurig ist).

 

Dabei handelt es sich um eine Art Bioassay, bei dem 6 Replikate in 3 verschiedenen Konzentrationen getestet werden. Es gibt also 18 Beobachtungen für die Standardprobe und 18 Beobachtungen für die Testprobe. Ziel ist es zu bestätigen, dass Nichtpararalismus nicht signifikant und Nichtlinearität nicht signifikant ist. Ich gehe davon aus, dass es dafür eine Art Anvoa gibt.

 

Ich habe alles versucht, ich habe keine Ahnung, wie ich es machen soll. Ich persönlich danke und jemandem, der helfen kann. Bitte.

 

Beste grüße

Betreff: Parallellinienanalyse und Annova

Zunächst einmal ein Interaktionseffekt in der Antwort bedeutet, dass die Wirkung eines Faktors kommt darauf an auf der Ebene eines anderen Faktors. Wenn in diesem Fall die Steigung (die den Effekt einer sich ändernden logarithmischen Konzentration darstellt) für den Kurventyp unterschiedlich (nicht parallel) ist, hängt die Steigung von der Probe ab und es liegt ein Wechselwirkungseffekt vor. Wenn andererseits die Steigung für jeden Typ gleich (parallel) ist, gibt es keinen Interaktionseffekt. Die meisten Wissenschaftler und Ingenieure passen fälschlicherweise jedem Probentyp ein eigenes Modell an und versuchen dann, sie zu vergleichen. Diese Arbeitsweise ist aus mehreren Gründen minderwertig.

Zweitens passt JMP die Ausgabe soweit wie möglich an. Das Regressionsdiagramm in „Kleinste Quadrate anpassen“ ist dasselbe wie das Diagramm, das am Ende der PDF-Datei unter „Grafiken“ angezeigt wird. Der Bericht „Mittelwerte und Standardabweichungen“ in der Oneway-Plattform (Y: Antwort, X: Ebene und Nach: Typ) ist mit den Übersichtstabellen unter „Beobachtungen“ identisch. Der Abschnitt „Ergebnisse“ kann ebenfalls reproduziert werden, es ist jedoch nicht klar, wie er modelliert wurde. Es scheint, dass sie mehr Partitionen der Quadratsumme durchgeführt haben als üblich, und ich kann dieses Niveau nicht reproduzieren. Insbesondere kann ich die R-Quadrat-Werte nicht erreichen, da sie zusätzliche Faktoren enthalten. Ich denke, dass es sich um den Zeilen- und Spalteneffekt des Latin-Square-Designs handelt. Außerdem ist es nicht erforderlich, eine ANOVA- und Regressionsanalyse durchzuführen. Diese Unterscheidung ist künstlich.

Folgendes bekomme ich von der ANOVA:

Separat erhalte ich die Quadratsummen für die einzelnen Terme:
Ich habe keine Zeit, die Zeilen- und Spaltenwerte zur Beispieldatentabelle hinzuzufügen. Wenn sie hinzugefügt würden, könnte ich Ihnen zeigen, wie Sie sie in die Analyse einbeziehen, wenn Sie Hilfe benötigen.

Betreff: Parallellinienanalyse und Annova

Herr,

Ich bin Ihnen für Ihre schnelle Antwort sehr dankbar. Ich sehe, dass ein Teil von dem, was ich die ganze Zeit getan habe, nicht allzu weit von dem entfernt war, was benötigt wird.

 

Du erwähnst " Wenn die Interaktion Begriff ist bedeutsam , dann sind die Kurven nicht parallel. Wenn der Term nicht signifikant ist, sind die Kurven parallel und Sie können diesen Term entfernen.“

 

Was bedeutet „Interaktion“? Ich konnte diesen Begriff irgendwie nicht finden?

 

Außerdem habe ich das ursprüngliche Problem angehängt, das aus einer PLA3-Softwareberechnung stammt, die ich mit JMP durchführen möchte. Die von diesem Programm generierte Anova-Tabelle unterscheidet sich erheblich von dem, was ich aus JMP oder Minitab erhalte. Könnten Sie mir bitte sagen, wie ich alle Faktoren berechnen soll, die PL3 berechnet?

 

Könnten Sie mir bitte einige Hinweise zur Berechnung des Potenzverhältnisses geben?

 

Betreff: Parallellinienanalyse und Annova

Die Änderung Ihrer Antwort scheint linear zu sein, sodass Sie zu diesem Zweck „Modell anpassen“ verwenden können. (Wenn Sie eine logistische Kurve und ein logistisches Modell hätten, könnten Sie Fit Curve verwenden, das über integrierte Parallelitäts- und Äquivalenztests verfügt.) Der „Trick“ besteht darin, zusätzliche Terme im Modell zu verwenden, um zu testen, ob die Steigungen gemeinsam oder eindeutig sind. Dies bedeutet einen Interaktionseffekt. Wählen Sie also Analysieren > Modell anpassen. Wählen Sie Ihre Antwortspalte aus und klicken Sie auf Y. Wählen Sie die Spalte „Log-Konzentration“ und die Spalte „Probentyp“ aus, klicken Sie auf „Makros“ und wählen Sie „Vollfaktoriell“ aus. Klicken Sie nun auf Ausführen.

Untersuchen Sie den Effekttestbericht. Wenn der Interaktionsterm signifikant ist, sind die Kurven nicht parallel. Wenn der Term nicht signifikant ist, sind die Kurven parallel und Sie können diesen Term entfernen. Wenn schließlich der Term für den Probentyp von Bedeutung ist, haben Sie für jeden Typ einen eindeutigen Achsenabschnitt. Andernfalls können Sie diesen Term auch eliminieren und einen gemeinsamen Achsenabschnitt verwenden. An diesem Punkt hätten Sie ein Modell mit nur dem Achsenabschnitt und der logarithmischen Konzentration.