<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />J'essaie d'effectuer une ANOVA sur un ensemble de données à trois variables : la méthode d'échantillonnage (deux méthodes différentes), les produits chimiques (trois produits chimiques différents) et les puits d'eau souterraine (12 puits différents).Il s'agit d'une conception de blocs compétitifs aléatoires, car les deux méthodes et les trois produits chimiques sont testés à partir de chaque puits.
Je veux mettre cela en place dans les deux sens (méthode et produit chimique) avec les puits comme blocs.Je vois la possibilité de désigner des blocs dans la configuration ANOVA unidirectionnelle, mais aucun moyen de le désigner dans la configuration ANOVA bidirectionnelle.Je sais que cela est possible dans SAS, mais je n'ai pas accès à ce programme et j'essaie de le faire dans JMP, si possible.
Cela ressemble la méthode d'échantillonnage et les produits chimiques sont mesurés factoriellement, ce qui signifie que pour chaque puits, vous avez en fait 2 observations pour chaque produit chimique et 3 observations pour chaque méthode d'échantillonnage (la réplication cachée d'un plan factoriel). Cela signifie que certains termes supplémentaires sont estimables. Le plus grand modèle inclurait comme facteurs :
Méthode d'échantillonnage, produits chimiques, méthode d'échantillonnage x produits chimiques, puits, puits x produit chimique, puits x méthode d'échantillon (mais pas l'interaction à trois voies, car elle ne peut être estimée que si vous disposez d'une réplication complète de la factorielle intra-puits). C'est comme ce que Jeff a montré ci-dessus mais avec les interactions que vous pouvez estimer.Pour définir une interaction, vous pouvez sélectionner une source dans les effets du modèle et une autre variable dans la liste des colonnes à gauche, puis cliquez sur "Croix".
Dans votre cas, vous avez presque une factorielle à trois voies - il ne vous manque que l'interaction d'ordre le plus élevé. Puisque c'est le cas, vous pouvez sélectionner les trois variables dans la liste à gauche du modèle d'ajustement, puis aller dans "Macros" et sélectionner "Factorial complet" ou "Factorial Sorted" - ce dernier est ma préférence car il regroupe les termes commençant avec des effets d'ordre inférieur en premier. Si vous utilisez l'une de ces macros, vous aurez un effet supplémentaire (l'interaction à trois voies) que vous ne pouvez pas estimer, vous pouvez donc simplement le supprimer de la liste des effets du modèle.
Alors pourquoi pas d'interaction à trois? La combinaison factorielle de la méthode d'échantillonnage et du produit chimique dessine une conception 2x3 = 6 cellules, donc à chaque niveau de puits, vous avez besoin d'au moins 6 observations pour estimer cette structure. Vous gagnez les interactions du puits x produit chimique et du puits x méthode d'échantillon parce que vous avez en fait une réplique de la méthode chimique et de l'échantillon dans un puits donné (ils se trouvent être à travers les niveaux d'un autre facteur, mais ça va, le modèle estime que décalage). Si vous disposez d'une réplication complète de la conception (par exemple, 12 observations pour chaque puits, 2 pour chaque combinaison de méthode d'échantillonnage et de produit chimique), vous gagnez la capacité d'estimer cette interaction à trois voies puisqu'il existe des données permettant d'évaluer la "stabilité" de la interactions bidirectionnelles au niveau d'une troisième variable.
Quant à savoir s'il faut ou non bien traiter (et les interactions avec le bien) comme un effet aléatoire, je me demanderais si vous choisiriez ces mêmes puits si vous deviez reproduire l'étude. Si ces puits en particulier devaient être sélectionnés à nouveau, ce ne sont pas des effets aléatoires. Si ces puits sont un sous-ensemble de puits et qu'une répétition conduirait à choisir différents puits au hasard, alors les estimations pour le puits sont aléatoires et les sources doivent être marquées comme telles. Cela peut être fait en sélectionnant la source dans la liste des effets, puis cliquez sur "Attributs" et sélectionnez "Aléatoire".
J'espère que ça aide!
julien
Si je comprends bien votre question, il vous suffit d'utiliser Analyze -> Fit Model et d'ajouter Sample Method, Chemical et Well comme effets.
Vous pouvez désigner Well comme un effet aléatoire à l'aide du menu Attributs, mais je ne pense pas que ce soit nécessaire.
-Jeff
J'aimerais aussi voir la réponse à cette question.J'ai eu le même problème.
