J'essaie d'analyser une expérience impliquant la culture de plantes à différentes densités. J'ai utilisé plusieurs génotypes de plantes qui ont chacun subi les traitements de densité basse et haute dans un plan complètement randomisé (les parcelles de génotype x ont été affectées à une densité élevée ou faible). En plus de mesurer le rendement en fruits des plantes (variable de réponse), j'ai également une mesure de la taille de la plante pour chaque génotype, mesurée dans un environnement différent (en dehors de cette expérience). Je souhaite utiliser cette mesure de taille de plante en tant que covariable dans l'analyse de l'expérience de densité, et je suis particulièrement intéressé par la recherche d'une interaction entre la covariable et le traitement de densité.
Les données sont configurées comme cet exemple factice:
| génotype | traitement de densité | covariable | réponse (rendement) |
| 1 | L | 12 | 23 |
| 1 | H | 12 | 25 |
2 | L | dix | 22 |
2 | H | dix | 28 |
3 | L | 9 | 21 |
| 3 | H | 9 | 25 |
J'utilise la plateforme Fit Model et, à ce jour, j'ai adapté un modèle avec les effets «traitement de densité», «covariable» et leurs interactions. Mais je pense que j'ai besoin de quelque chose d'autre pour que la covariable soit une mesure du génotype dans son ensemble - c'est-à-dire que la covariable est au niveau du génotype, alors que le traitement est appliqué au niveau de la parcelle. Cela ressemble un peu à une conception en parcelles divisées avec deux niveaux de traitement, mais dans ce cas, le facteur de niveau supérieur est une variable continue (mesure de la taille) que je traite comme une covariable.
Quelqu'un pourrait-il s'il vous plaît aider en identifiant le modèle approprié pour être en forme?
