Análisis de líneas paralelas y AnnovaEstimados,
Tengo una pregunta muy fácil-difícil, que supongo que no he podido resolver debido a mi limitada capacidad como estadístico (muy triste por eso).
Se trata de una especie de bioensayo en el que se prueban 6 réplicas en 3 conexiones diferentes. Entonces hay 18 observaciones para la Muestra Estándar y 18 observaciones para la Muestra de Prueba. El objetivo es confirmar que el no pararalismo no es significativo y que la no linealidad no es significativa. Supongo que hay algún tipo de anvoa disponible para ello.
He probado de todo, no tengo idea de cómo hacerlo. Agradezco personalmente y a quien pueda ayudar. Por favor.
Atentamente
Re: Análisis de líneas paralelas y AnnovaEn primer lugar, un efecto de interacción en la respuesta significa que el efecto de un factor depende al nivel de otro factor. En este caso, si la pendiente (que representa el efecto de cambiar la concentración logarítmica) es diferente (no paralela) para el tipo de curva, entonces la pendiente depende de la muestra y existe un efecto de interacción. por otro lado, si la pendiente es la misma (paralela) para cada tipo, entonces no hay efecto de interacción. La mayoría de los científicos e ingenieros ajustan por error un modelo separado a cada tipo de muestra y luego intentan compararlos. Esta forma de trabajar es inferior por varias razones.
En segundo lugar, JMP coincide con la salida en la medida de lo posible. El gráfico de regresión en Ajustar mínimos cuadrados es el mismo que el gráfico que se muestra al final del PDF en Gráficos. El informe de medias y desviaciones estándar en la plataforma Oneway (Y: respuesta, X: nivel y por: tipo) es el mismo que las tablas de resumen en Observaciones. La sección de Resultados también se puede reproducir pero no está claro cómo la modelaron. Parece que realizaron más particiones de suma de cuadrados de lo habitual y no puedo reproducir ese nivel. En particular, no puedo alcanzar los valores de R cuadrado porque incluyen factores adicionales. Creo que es el efecto Fila y Columna del diseño del Cuadrado Latino. Además, no es necesario realizar un ANOVA ni un análisis de regresión. Esa distinción es artificial.
Esto es lo que obtengo del ANOVA:
Por separado, obtengo la suma de cuadrados de los términos individuales:
No tengo tiempo para agregar los valores de fila y columna a la tabla de datos de ejemplo. Si se agregaron, podría mostrarle cómo incluirlos en el análisis si necesita ayuda.
Re: Análisis de líneas paralelas y AnnovaSeñor,
Le agradezco mucho su rápida respuesta. Veo que una parte de lo que estuve haciendo todo este tiempo no estuvo muy lejos de lo que se necesita.
Mencionas " Si el interacción término es significativo , entonces las curvas no son paralelas. Si el término no es significativo, entonces las curvas son paralelas y se puede eliminar este término".
¿Cuál es el significado de "Interacción"? De alguna manera no pude encontrar este término.
Además he adjuntado el problema original que proviene de un cálculo del software PLA3 que estoy intentando hacer usando JMP. La tabla Anova generada por este programa es significativamente diferente de la que obtengo de JMP o Minitab. ¿Podría decirme cómo calcular todos los factores que calcula PL3?
¿Podría darme alguna orientación sobre cómo se calcula la relación de potencia?
Re: Análisis de líneas paralelas y AnnovaEl cambio en su respuesta parece ser lineal, por lo que puede utilizar Ajustar modelo para este propósito. (Si tuviera una curva y un modelo logísticos, podría usar Fit Curve, que tiene pruebas de paralelismo y equivalencia integradas). El 'truco' consiste en usar términos adicionales en el modelo para probar si las pendientes son comunes o únicas. Esto significa un efecto de interacción. Entonces seleccione Analizar > Ajustar modelo. Seleccione su columna de respuesta y haga clic en Y. Seleccione su columna de concentración de registro y la columna de tipo de muestra, haga clic en Macros y seleccione Factorial completo. Ahora haga clic en Ejecutar.
Examina el informe de pruebas de efectos. Si el término de interacción es significativo, entonces las curvas no son paralelas. Si el término no es significativo, entonces las curvas son paralelas y puedes eliminar este término. Finalmente, si el término para el tipo de muestra es significativo, entonces tiene una intersección única para cada tipo; de lo contrario, también puede eliminar este término y utilizar una intersección común. En este punto, tendría un modelo con solo la intersección y la concentración logarítmica.
