Estoy tratando de analizar un experimento que involucró el cultivo de plantas en diferentes densidades. Utilicé varios genotipos de plantas diferentes, cada uno de los cuales experimentó los tratamientos de baja y alta densidad en un diseño completamente al azar (las parcelas del genotipo x se asignaron a una densidad alta o baja). Además de medir el rendimiento de fruto de las plantas (variable de respuesta), también tengo una medida del tamaño de la planta para cada genotipo, medido en un entorno diferente (aparte de este experimento). Quiero usar esta medida del tamaño de la planta como covariable en el análisis del experimento de densidad, y estoy particularmente interesado en probar una interacción entre la covariable y el tratamiento de densidad.
Los datos se configuran como este ejemplo simulado:
| genotipo | tratamiento de densidad | covariable | respuesta (rendimiento) |
| 1 | L | 12 | 23 |
| 1 | H | 12 | 25 |
2 | L | 10 | 22 |
2 | H | 10 | 28 |
3 | L | 9 | 21 |
| 3 | H | 9 | 25 |
Estoy usando la plataforma Fit Model, y hasta ahora he ajustado un modelo con los efectos 'tratamiento de densidad', 'covariable' y su interacción. Pero creo que necesito algo más para tener en cuenta que la covariable es una medida del genotipo en su conjunto, es decir, la covariable está en el nivel del genotipo, mientras que el tratamiento se aplica en el nivel de la trama. Esto es algo así como un diseño de parcelas divididas con dos niveles de tratamientos, pero, en este caso, el factor de nivel superior es una variable continua (medida del tamaño) que estoy tratando como covariable.
¿Podría alguien ayudarme identificando el modelo adecuado para estar en forma?
