J'ai un ensemble de données provenant d'un essai d'alimentation à deux choix pour les rongeurs. Nous testions l'efficacité de 10 moyens de dissuasion en les enrobant de semences et en les offrant aux rongeurs aux côtés de semences de contrôle non enrobées. La variable explicative est celle sur laquelle des 10 éléments dissuasifs ont été recouverts par la semence traitée, et la variable de réponse est la proportion de semence témoin et de semence traitée consommée. La question que nous posons est la suivante: "Chaque moyen de dissuasion est-il efficace pour réduire la consommation de semences?". Les aliments à 2 choix ont été répliqués avec 6 rongeurs différents pour chaque moyen de dissuasion (6 rongeurs X 10 traitements = 60 réplicats) (60 répétitions x 2 mesures appariées {semence traitée consommée / semence témoin consommée} = 120 points de donnée) taille compte tenu du nombre de paramètres dont nous avons besoin (10, un pour chaque dissuasion). La distribution des données pour les semences traitées est droite et asymétrique (31 zéros) tandis que celle des semences témoins est relativement normale, avec une variance supérieure à celle des semences traitées. Je ne pouvais donc pas utiliser de statistiques normales.
J'ai choisi d'utiliser l'ajustement de régression généralisée à une distribution bêta, car cette distribution explique les différences de non-normalité et de variance souvent trouvées dans les données de proportion et que la distribution bêta peut avoir une asymptote à 0, ce qui permet une inflation nulle. Il me suffisait d'ajouter une petite constante pour déplacer les zéros de l'asymptote (k = 0.000001). Je suis nouveau dans les distributions bêta, donc si j'ai mal compris quelque chose, faites le moi savoir.
J'ai utilisé la plate-forme de régression généralisée de JMP et sélectionné la version bêta comme distribution. Je mets la proportion de graines consommée selon mon y, traitée / non traitée comme mon x et place le type dissuasif dans la fenêtre 'by'. Cela a produit 10 tests différents qui donnent les résultats escomptés
Mes questions sont:
Ai-je suivi les procédures correctes compte tenu de la nature de mes données? Par exemple, est-ce que je viole une hypothèse d'indépendance parce que la consommation de contrôle et la consommation de traitement sont associées parce qu'elles proviennent du même rongeur? Si oui, comment y remédier?
Les valeurs du khi-deux que JMP m'a données sont-elles ajustées pour plusieurs tests? (depuis que j'ai couru 10 d'entre eux avec la fonction 'by')
Le chi-carré est-il même comme je devrais afficher mes résultats? parce que la fenêtre de sortie de la régression généralisée me permet de faire plusieurs comparaisons avec un élève qui me donne des valeurs p
