Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Chers tous,
J'ai mené une expérience factorielle. Mes facteurs sont A (4 niveaux), B (2 niveaux) et C (2 niveaux) en 4 blocs. Le facteur A correspond aux différents génotypes d’une plante. J'ai mesuré différents traits dans cette expérience.
Je souhaite mettre mes mesures dans un modèle et je souhaite supprimer la variation du facteur A de ma réponse aux données. Puis-je le faire?
J'ai vu une méthode à ce sujet dans un journal. Ils ont analysé la réponse des données (ex. Biomasse) au Facteur A. Ensuite, ils ont sauvegardé les résidus et les ont utilisés comme nouvelles variables (biomasse sans la variation du facteur A). J'ai fait la même méthode dans JMP, mais je ne suis pas sûr, est-ce correct ou non ?Est-ce possible statistiquement ?
Merci beaucoup
Meelad
Conception d'expériencesRe : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Cher Phil,
Merci beaucoup, je ne suis pas parfait en statistiques et SEM, je ne suis qu'un débutant. Vos conseils m'ont été utiles.
Le lien que vous m'avez envoyé m'a été utile. J'ai exécuté SEM sans résidus car je ne suis pas sûr de pouvoir les utiliser dans le modèle en fonction de mon objectif. Je pense que je dois en savoir plus sur les résidus. Bien sûr, j'ai trouvé des articles selon lesquels ils utilisaient les résidus dans le modèle.
J'ai appris plus de choses grâce à vos conseils.
Merci beaucoup pour votre temps,
Cordialement,
Milad
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?D'accord, MILad. Je vous laisse décider comment utiliser cela dans votre analyse. Je suppose que vous savez ce que vous faites et pourquoi vous devez appliquer le SEM, mais cela me semble une approche inhabituelle. J'ai étudié le SEM dans le cadre de mon Master en statistique et j'ai eu du mal à comprendre la méthode et l'application.Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Cher Phil,
Merci pour votre message.
Je veux dire les résidus que je les ai sauvegardés du modèle que j'ai exécuté par "Genotype" et "Block" au hasard.
Je pense que je devrais travailler davantage dessus jusqu'à ce que je les utilise.
Je veux exécuter un sem avec R, je veux juste calculer et préparer des données dans JMP.
Merci beaucoup,
Milad
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Je ne sais pas de quels résidus vous parlez maintenant. Vous ne voudriez pas utiliser les résidus du modèle que j'ai suggéré, car ces résidus ne vous renseigneraient que sur la variation qui n'est pas expliquée par le bloc, le génotype et les variables 1 et 2.
La modélisation d'équations structurelles est une méthodologie assez difficile à comprendre (et n'est actuellement pas possible dans JMP). Je ne sais pas comment vous appliqueriez SEM ici, mais je vous suggère de vous assurer d'abord que vous êtes à l'aise dans votre compréhension de la modélisation de régression.
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Cher Mark,
Merci beaucoup pour vos conseils,
J'ai cherché sur " Profileur de prédiction ". Ça à l'air bon. Je crois que ce serait utile.
Merci,
Cordialement,
Milad
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Cher Phil,
Merci beaucoup pour votre temps, c'était super.
Oui, l'effet "Génotype" n'est pas important pour moi. Je souhaite le supprimer de mes données. Je pense que je pourrai peut-être évaluer les variables dans de meilleures conditions. Je pense que votre solution est excellente.
Pensez-vous que je puisse utiliser ces résidus comme nouvelles variables pour réduire l'effet « Génotype » ? Parce que je veux les utiliser dans le modèle d'équation structurelle.
Cordialement,
Milad
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Je veux juste dire que la base de la solution de Phil est qu'un modèle linéaire peut prendre en compte simultanément toutes les contributions à chaque réponse. Vous avez conçu une expérience à facteurs multiples mais vous l'analysez un facteur à la fois. Ce n'est pas une approche invalide, mais vous pouvez faire plus avec le modèle proposé par Phil. Par exemple, vous pouvez utiliser le Prediction Profiler pour visualiser la dépendance sur tous les facteurs.
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Salut,
J'ai essayé de joindre votre expérience sous forme de table .jmp mais j'ai eu le même problème. J'en informerai le community manager afin que le problème soit résolu bientôt.
J'ai évalué la conception et elle est presque complètement orthogonale pour les effets principaux et les interactions à 2 facteurs (une légère corrélation en raison des exécutions « aberrantes » exclues).
Je n'ai pas examiné en détail l'approche que vous avez adoptée. Je pense que c'est probablement acceptable, mais que ce ne serait pas recommandé par un statisticien.
Mon approche serait d'adapter un modèle incluant le génotype. Je le définis comme un effet aléatoire. En effet, je crois comprendre que c'est un facteur qui, selon vous, affectera les réponses. Mais peu importe l'effet de Genotyope. Il vous suffit de prendre en compte l'effet afin qu'il ne modifie pas votre estimation des effets qui vous intéressent : les nutriments 1 et 2 et leur interaction. Ai-je raison?
Vous devez également définir le blocage comme un effet aléatoire pour la même raison.
J'ajuste donc un modèle avec Bloc et Génotype comme effets aléatoires et Nutrient1, Nutrient2, Nutrient1*Nutrient2 comme effets fixes. Ce modèle vous indique l'effet des facteurs nutritifs ayant pris en compte la variation des réponses dues au Bloc et au Génotype.
Si vous essayez cela, les résultats sont-ils globalement en accord avec votre analyse ? Il semble que le nutriment 1 ait un effet significatif sur la variable 1 et que les autres effets ne soient pas significatifs.
Salutations,
Phil
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Cher Phil,
Merci beaucoup pour le temps que vous consacrez à me conseiller.
J'ai joint les facteurs avec une partie de mes données. Veuillez le trouver. Je n'ai pas pu joindre le fichier .jmp, j'ai vu ce message : " Le contenu de la pièce jointe ne correspond pas à son type de fichier. ". J'ai donc mis l'image des étapes et joint la feuille Excel.
Cette expérience est factorielle sous RCBD. Le génotype (4 niveaux, A, B, C et D), le nutriment 1 (2 niveaux, 10 et 40) et le nutriment 2 (2 niveaux, 25 et 100) sont des facteurs répartis en 4 blocs. De plus, « Variable 1 » et « Variable 2 » sont des variables que j'ai mesurées pendant la période d'expérimentation. Dans ce fichier, j'ai transformé les variables en logarithme.
Par exemple, différents « génotypes » ont eu un effet différent sur la « variable 2 ». Alors que j'ai juste besoin des effets de "Nutrient 1" et "Nutrient 2" dans le modèle. Donc, je souhaite supprimer l'effet de « Génotype » de « Variable 1 » et « Variable 2 ». Pour cela, j'ai d'abord utilisé "Ajuster Y par X" pour chaque variable par "Génotype", puis j'ai sauvegardé les résidus pour chaque variable.
Step 1. Fit y by x.Step 1. Fit y by x.Étape 1. Ajuster y par x.
Dans la deuxième étape, j'ai utilisé ces résidus dans « Ajuster le modèle » par « Bloc, Nutriment 1, Nutriment 2, Nutriment 1*Nutrient 2 » comme factorielle complète. Après cela, j'ai sauvegardé les résidus que j'ai obtenus grâce à cette méthode et les ai utilisés comme nouvelles variables.
J'ai mentionné "Étape 1" et "Étape 2" dans "Tableau de données" dans ce fichier. De plus, "Step () - Variable ()" sont des résidus que j'ai enregistrés de chaque étape pour chaque variable.(Je n'ai pas pu joindre le fichier .jmp). Pour ces variables, je viens de supprimer deux valeurs aberrantes que vous pouvez voir dans ce fichier (lignes 20 et 61).
Step 2.Step 2.Étape 2. En conséquence, lorsque j'ai utilisé cette méthode, la régression entre certaines variables est différente. Par exemple, la régression entre deux variables passerait de négative à positive.
Merci beaucoup,
Cordialement,
Milad
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Salut,
Il est difficile de répondre à partir de votre description. Je ne suis pas sûr de l'approche que vous avez adoptée. Pouvez-vous partager les données ou une version anonymisée ? Ou pouvez-vous illustrer ce que vous essayez de faire avec l'un des exemples d'ensembles de données JMP ? Peut-être que l'exemple "2x3x4" est similaire :
Open("$SAMPLE_DATA/Design Experiment/2x3x4 Factorial.jmp")
Salutations,
Phil
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Cher Phil,
Merci beaucoup pour votre temps et vos explications claires.
J'ai vu les liens que vous avez mentionnés. Je pense que les effets de A*B, A*C et B*C sur les variables de mon expérience ressemblent au plan 2, ils ne sont donc pas orthogonaux.
Pourriez-vous s'il vous plaît consulter le processus que j'ai suivi pour supprimer l'effet de A de mes variables ?
1. J'ai enregistré les résidus de A avec chaque variable.
2. J'exécute une factorielle complète (B et C) sur les résidus enregistrés. Ensuite, j'ai enregistré les résidus en tant que nouvelle variable.
Désormais, l’effet de A a été supprimé des nouvelles variables.
Pensez-vous que c'est correct ?
Merci beaucoup pour votre temps,
Acclamations,
Milad
Re : Comment supprimer la variation d'un facteur des réponses aux données dans un plan factoriel ?Oui, c'est possible. À partir de n'importe quel modèle dans JMP, vous pouvez enregistrer les résidus, par exemple à partir de Ajuster Y par X : https://community.jmp.com/t5/Discussions/How-to-save-residuals-in-Fit-Y-by-X-platform-for-two-continuous/td-p/20608 .Vous pouvez également enregistrer les résidus de Fit Model et d’autres plateformes de modélisation.
Est-ce correct? Eh bien, il n’y a pas vraiment de bien ou de mal. Vous devez réfléchir à ce que vous faites ici. Vous devez également considérer la qualité de vos données pour estimer séparément l’effet de A. Les effets de A, B et C sont-ils orthogonaux dans votre plan expérimental ? Voir mon récent article de blog pour comprendre ce que je veux dire.
Je dirais qu'il est plus courant d'inclure A ainsi que B et C dans un modèle de régression multiple. De cette façon, la variation de biomasse due à A est capturée par le modèle et vous permettra de comprendre l'effet de B et C.
J'espère que cela pourra aider.
Phil
