Berechnet JMP automatisch Ränge in Steel-DwassHi
Die Studie: Ich soll einen nicht-parametrischen Datensatz analysieren, in dem zwei Garnarten im selben Becken kultiviert wurden, um die Präferenz bei der Ansiedlung von Algensporen zu testen. Es wurden drei Rührstufen getestet. Die Verwendung von 3 Wiederholungen des Garns (2) und der Bewegung (3) führt zu 6 Kombinationen oder Datensätzen. Sie wurden in 9 Versuchseinheiten kultiviert und es wurden 2*9 Garnstücke verwendet.
Kann ich mit dem Steel-Dwass den Median der 6 Datensätze vergleichen, ohne zuerst einen Friedman-Test durchzuführen? Oder sollte ich Ränge mit Fit X by Y speichern und dann eine 2-Faktor-ANOVA an Rängen durchführen, indem ich mit einem Faktor (gleich dem Friedman-Test) blockiere, um die Wirkung der Hauptfaktoren zu erhalten? Und dann Steel-Dwass in selbstberechneten Reihen einsetzen? Oder berechnet und verwendet JMP automatisch Rangdaten, wenn Steel-Dwass durchgeführt wird?
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassSehen Hilfe > Bücher > Anpassen von linearen Modellen für den Bereich von post-hoc Tests verfügbar, nachdem Sie das endgültige Modell ausgewählt haben. Sie müssen keine neuen Spalten erstellen oder andere Aktionen ausführen ad hoc Vergleiche.
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassIm Allgemeinen lautet die Antwort auf Ihre Fragen ja, aber es gibt eine Ausnahme. Dieses Design verwendet keine verschachtelten Faktorstufen. Die Split-Plot-Analyse enthält einen Term für einen zufälligen Effekt des Zurücksetzens des schwer zu ändernden Faktors Agitation. Erstellen Sie also für jeden Lauf noch eine weitere Datenspalte mit den Ebenen 1-9, die der Versuchseinheit entsprechen. Fügen Sie diese Spalte als Begriff hinzu und klicken Sie dann auf das rote Dreieck neben Attributes, um Random Effect auszuwählen.
Sie können den Monat als Prädiktor verwenden, aber wenn der Zeitverlauf von den Bedingungen abhängt, müssen Sie die Zeit auch mit den anderen beiden Faktoren kreuzen. Ich weiß nicht, ob Ihr Design die Schätzung all dieser Parameter unterstützt.
Außerdem empfehle ich, das Modell jeweils an eine Antwort anzupassen und das Modell für die Vorhersage zu speichern.
Ebenfalls,
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassUm normalerweise eine Regression der kleinsten Quadrate mit normalen Fehlern oder ein verallgemeinertes lineares Modell mit Poisson-Fehlern durchzuführen, müsste ich die Datensätze in 5 Spalten anordnen?
Spalte 1 (Datum), Spalte 2 (Faktor A, Garn mit 2 Stufen), Spalte 3 (Faktor B; Agitation mit 3 Stufen), Spalte 4 (Antwort = Sporen), Spalte 5 (Antwort 2 = Sämlinge)
Für das Split-Plot-Design würde ich die Modelleffekte konstruieren, indem ich Twine (2 Ebenen) als Hauptfaktor und Agitation (3 Ebenen) hinzufüge, die in Twine verschachtelt sind. Soll ich auch Datum hinzufügen (auch als nominale Variable) und es mit Twine kreuzen (ich habe dreifache Daten über Sporen- und Sämlingszahlen an 7 Daten gesammelt). Dann habe ich gelesen, um den Fehlerterm im Modell auf Random Effect (in Attributes) zu korrigieren und EMS in Method zu verwenden.
Wäre es eine Schande, es nur in letzter Zählung als gekreuztes Design zu behandeln?
Wie Sie bereits erwähnt haben, könnte ich eine neue Faktorspalte erstellen, indem ich die beiden Hauptfaktoren ("Behandlung") kombiniere und den Unterschied in der endgültigen Durchschnittszahl auswerte.
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassNun, Ihre Versuchseinheiten definieren ein „Split-Plot“-Experiment. Das Garn ist der einfach zu ändernde Faktor und die Bewegung ist der schwer zu ändernde Faktor.
Die Korrelation wird durch einen nichtparametrischen Test nicht besser gehandhabt. Die Korrelation wird durch einen zufälligen Effekt gehandhabt, wenn die Bewegung zwischen den Läufen zurückgesetzt wird.
Die Tatsache, dass Sie Sporen zählen, bedeutet, dass Sie möglicherweise die gewöhnliche Regression der kleinsten Quadrate mit normalen Fehlern oder ein verallgemeinertes lineares Modell mit Poisson-Fehlern verwenden können.
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassMeine beiden Antwortvariablen sind die Anzahl der abgesetzten Sporen und abgesetzten Algenkeimlinge auf den Garnen in jeder Wiederholung. Eigentlich habe ich das Experiment gestartet und es 7 Wochen lang kultiviert, und ich habe jede Woche sowohl Sporen als auch Sämlinge gezählt (7 Wochen lang) - also wird das Experiment einmal durchgeführt und es wurden wiederholte Messungen durchgeführt. Zunächst einmal möchte ich eventuelle Differenzen zum Endtermin einschätzen. Zur Erinnerung, die beiden Garnarten wurden paarweise in demselben Tank (Versuchseinheit) kultiviert, auf den ich drei Rührstufen angewendet habe, in dreifacher Ausführung (= 9 Tanks oder Exp-Einheiten mit insgesamt 18 Garnen, jeweils neun Stück).
Ich denke, es ist angemessen, eine nichtparametrische Analyse zu wählen, da die Garne nicht unabhängig voneinander waren. Ich habe gelesen, dass die Berechnung einer 2-Faktor-ANOVA auf den Rängen mithilfe von Fit X by Y und Block by One Factor effektiv einem Friedman-Test entspricht (den JMP 13 nicht hat) und dieser Test einem nicht parametrischen entspricht 2-Faktor-ANOVA. Der Steel-Dwass kann nur als Post-Hoc-Test verwendet werden?
Ist es besser, den "Wilcoxon-Test" in JMP 13 zu verwenden?.
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassIch sollte hinzufügen, dass die Wahl einer nicht-parametrischen (verteilungsfreien) Methode eine gute Gelegenheit ist, die Aussagekraft des Tests aufrechtzuerhalten, wenn die Annahmen der parametrischen Methoden nicht erfüllt sind. Andererseits ist die Aussagekraft der parametrischen Methode fast immer größer als die der nichtparametrischen Alternativen, wenn die Annahmen erfüllt sind.
Was hat Sie dazu bewogen, in diesem Fall die nichtparametrischen Tests zu wählen?
Betreff: Berechnet JMP automatisch Ränge in Steel-DwassZunächst einmal, was ist Ihre Antwort? Was ist das Ergebnis jedes Wiederholungstests? Ist es eine Messung? Eine Zählung?
Ich verstehe, dass Sie 2 Garnstufen und 3 Agitationsstufen für ein vollfaktorielles Design von 6 Behandlungen haben. Diese wurden zweimal 18 Läufe repliziert. Was ist die Definition der 9 Versuchseinheiten?
Der nichtparametrische Steel-Dwass-Test ist für paarweise Vergleiche vorgesehen und erscheint daher in der JMP Oneway-Plattform. Sie könnten eine neue Datenspalte „Behandlung“ erstellen, die die Faktorspalten „Garn“ und „Agitation“ kreuzt, und diesen einfachen Test durchführen, aber Sie verpassen möglicherweise den Vorteil, ein Modell an die Daten anzupassen. Sie könnten „Analysieren“ > „Modell anpassen“ verwenden, um einen linearen Prädiktor mit Garn, Agitation und Garn*Agitation zu definieren. Ihre Antwort ist natürlich in der Y-Rolle. Die geeignete Methode ('Persönlichkeit') hängt von Ihrer Antwort auf meine erste Frage oben ab. Ich schlage vor, diesen Ansatz zusätzlich zum einfachen Gruppenvergleich in Betracht zu ziehen.
