두 개의 차단 요인이 있는 이원 분산 분석(two-way ANOVA)을 어떻게 분석하나요?저는 무작위 완전 블록 설계(RCB)로 실험을 구성했습니다. 각 트레이에는 식물 그룹을 여러 개씩 심었고, 트레이 자체가 블록 요인입니다. 각 트레이에는 24개의 셀이 있으며, 각 셀에 식물 그룹을 심었습니다. 각 셀에는 중심 식물과 주변 식물이 있습니다. 중심 식물은 키가 크거나 작을 수 있고, 주변 식물들(모두 합쳐서)도 키가 크거나 작을 수 있습니다. 따라서 처리 1은 중심 식물의 크기이고, 처리 2는 주변 식물의 크기입니다. 모든 처리 조합은 각 트레이에 6번씩 나타납니다. 트레이 수준에서, 어떤 트레이는 특정 유전자형으로만 구성되고, 다른 트레이는 다른 유전자형으로 구성됩니다(각 유전자형별로 2~4회 반복). 저는 모든 유전자형을 개별적으로 처리해야 하는지(RCB 설계 시리즈), 아니면 '유전자형'을 블록 요인 또는 트레이 수준에서의 처리로 포함하여 전체 분석을 수행할 수 있는지 궁금합니다(크기 처리는 트레이 내에서 무작위로 배정됨). 반응은 종자 수입니다. 유전자형에 따라 종자 수가 전반적으로 다를 것으로 예상하지만, 저는 그 부분에는 관심이 없고, 중심 개체/인접 개체 크기 처리에만 관심이 있습니다.
Fit Model 플랫폼(대화형 설명)을 참고하여 분석 방법을 제안해 주시면 정말 감사하겠습니다!
소비자 및 시장 조사데이터 탐색 및 시각화실험 설계대량 맞춤화제목 : Re : 두 가지 차단 요인으로 양방향 ANOVA를 분석하려면 어떻게해야합니까?나는 당신의 경우를위한 디자인 예제를 업데이트했다.
스플릿 - 플롯 특성이 분명하도록 컬럼을 분류했습니다. (나는 당신이 전체 플롯 내에서 무작위로 추출한 것으로 생각했습니다.) 이미 실험을 완료했다면 정렬을 통해 결과를 쉽게 전송할 수 있습니다. 배포 테이블 스크립트를 추가하여 대화 형으로 디자인을 탐색하여 RCBD라고 확신하게 만들었습니다.
나는 항상 유전자형 당 4 개의 쟁반을 사용했고 5 개의 유전자형을 포함 시켰지만 실제로 포함 된 것을 알지 못했습니다. 전반적인 플롯이 어떻게 나타나는지를 반영하기 위해 기본 전체 플롯 데이터 열 이름을 쟁반으로 변경했습니다.
DOE Dialog 테이블 스크립트를 사용하여 지정한대로 사용자 지정 디자인으로 돌아가서 원하는대로 수정할 수 있습니다. 또한 Cols> Recode를 사용하여 내 레이블 (예 : G1)을 실제 유전자형 지정으로 쉽게 대체 할 수 있습니다. 필자는 요구 된대로 2 요소 상호 작용과 3 요소 상호 작용을 모두 포함하도록 모델을 지정했습니다.
나는이 사건이 좋은 학습 경험 (JMP, DOE)이되기를 바랍니다. 그래서 붙잡혀 있다면 무엇이든 문의하십시오.
제목 : Re : 두 가지 차단 요인으로 양방향 ANOVA를 분석하려면 어떻게해야합니까?(상호 작용 효과에 관한 귀하의 질문에 대한 완전한 의미를 놓쳤 기 때문에 대답을 수정했습니다.)
예, 이것은 당신이 묘사하고 이해할 수있는 분할 플롯 디자인입니다.
예, 전체 요인 설계는 상호 작용 모델을 지원하므로 교차 항을 다음과 같이 포함합니다. 시드 번호 = 차단 항목 + 초점 플랜트 + 인접 플랜트 + 유전자 유형 + (초점 플랜트) * (이웃 플랜트) + (초점 식물) * (유전자형) + (이웃 식물) * (유전자형) + (초점 식물) * (이웃 식물) * (유전자형) + 오류.
제목 : Re : 두 가지 차단 요인으로 양방향 ANOVA를 분석하려면 어떻게해야합니까?이 답변을 주셔서 감사합니다. 매우 도움이됩니다. 전문 용어를 명확히하기 위해, 전체 플롯 레벨 (트레이)에서의 유전자형 및 서브 플롯 레벨 (트레이 내의 셀)에서 작용하는 두 개의 식물 크기 인자로 구성된 분할 플롯을 디자인이라고 부릅니까? 마지막으로, 상호 작용 기간에 관해서는 초점 식물 크기 x 인접 식물 크기 상호 작용에 관심이 있지만 유전자형 (예 : 유전자형 x 초점 식물 크기 x 이웃 식물 크기)과의 상호 작용을 고려해야합니다. 다른 말로하면, "전체 모델"은이 디자인에 대해 무엇이겠습니까?
제목 : Re : 두 가지 차단 요인으로 양방향 ANOVA를 분석하려면 어떻게해야합니까?당신의 설명은 분명하지만, 내가 틀린 것이 있으면 나를 바로 잡습니다. 모든 유전자형을 따로 분류하지 않고 모든 데이터를 함께 분석해야한다고 말한 후 디자인에 대한 중요한 점을 분명히하자.
나는 생각한다. 유전자형 ~이다. 변경하기가 어렵다. 왜냐하면 그것은 무작위 적이기 때문입니다. 그것은 2-4 번 복제되었습니다. 이러한 런 그룹 (트레이)은 다음과 같습니다. 전체 음모 , 아니라 블록들 . 너는 두 가지를 바꿨다. 변경하기 쉬운 각 전체 플롯 내에서 복제 된 전체 요인 설계로 요소를 결정합니다.
나는 당신이 5 가지 유전자형을 가지고 있고 항상 4 개의 복제 (쟁반)를 수행했다고 상상했습니다. 트레이가 4 개 미만인 경우 행 그룹을 삭제할 수 있습니다. 유전자형은 고정 효과이며 전체 음모는 무작위 효과입니다. 디자인이 적용되어 작동 할 수있는 기능과 사용 방법을 볼 수 있습니다. 모델에 상호 작용 용어는 포함하지 않았지만 데이터 영향은이 효과를 예측하는 데 도움이됩니다.
