¿JMP calcula automáticamente los rangos en Steel-Dwass?Hola
El estudio: voy a analizar un conjunto de datos no paramétricos en el que se cultivaron dos tipos de cordeles en el mismo tanque para probar la preferencia en el asentamiento de esporas de algas. Se probaron tres niveles de agitación. El uso de 3 réplicas del hilo (2) y la agitación (3) da como resultado 6 combinaciones o conjuntos de datos. Se cultivaron en 9 unidades experimentales y se utilizaron 2*9 piezas de cordel.
¿Puedo usar Steel-Dwass para comparar la mediana de los 6 conjuntos de datos sin hacer primero una prueba de Friedman? ¿O debería guardar los rangos usando Fit X by Y y luego hacer un ANOVA de 2 factores en los rangos bloqueando con un factor (igual a la prueba de Friedman) para obtener el efecto de los factores principales? ¿Y luego usar Steel-Dwass en rangos calculados por ellos mismos? ¿O JMP calcula y usa automáticamente los datos clasificados cuando se realiza Steel-Dwass?
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?Ver Ayuda > Libros > Ajuste de modelos lineales para el rango de a posteriori pruebas disponibles después de seleccionar el modelo final. No necesita crear nuevas columnas ni realizar ninguna otra ad hoc comparaciones
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?En general, la respuesta a sus preguntas es sí, pero hay una excepción. Este diseño no utiliza niveles de factores anidados. El análisis de parcela dividida incluye un término para un efecto aleatorio de restablecer el factor Agitación difícil de cambiar. Así que cree otra columna de datos con los niveles 1-9 que correspondan a la unidad experimental para cada ejecución. Agregue esta columna como un término y luego haga clic en el triángulo rojo junto a Atributos para seleccionar Efecto aleatorio.
Puede incluir Mes como predictor, pero si el transcurso del tiempo depende de las condiciones, también debe cruzar el tiempo con los otros dos factores. No sé si su diseño admite la estimación de todos estos parámetros.
Además, recomiendo ajustar el modelo a una respuesta a la vez y guardar el modelo para la predicción.
También,
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?Para hacer una regresión ordinaria de mínimos cuadrados con errores normales o un modelo lineal generalizado con errores de Poisson, ¿tendría que organizar los conjuntos de datos en 5 columnas?
Columna 1 (fecha), Columna 2 (Factor A, Cordel con 2 niveles), Columna 3 (Factor B; Agitación con 3 niveles), Columna 4 (Respuesta= esporas), Columna 5 (Respuesta 2 = Plántulas)
Para el diseño de parcela dividida, construiría los efectos del modelo agregando Twine (2 niveles) como factor principal y agregaría Agitation (3 niveles) anidados dentro de Twine. ¿Debería agregar también la fecha (también como variable nominal) y cruzarla con Twine (recopilé datos por triplicado sobre el recuento de esporas y plántulas en 7 fechas). Luego he leído para corregir el término de error en el Modelo de efecto aleatorio (en Atributos) y uso EMS en Método.
¿Sería una pena tratarlo como un diseño cruzado solo en los recuentos finales?
Como mencionó, podría crear una nueva columna de factores combinando los dos factores principales ("tratamiento") y evaluar la diferencia en el recuento medio final.
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?Bueno, sus unidades experimentales definen un experimento de 'parcela dividida'. El hilo es el factor fácil de cambiar y la agitación es el factor difícil de cambiar.
La correlación no se maneja mejor con una prueba no paramétrica. La correlación se maneja mediante un efecto aleatorio cuando la agitación se restablece entre ejecuciones.
El hecho de que cuente las esporas significa que podría usar la regresión de mínimos cuadrados ordinarios con errores normales o podría usar un modelo lineal generalizado con errores de Poisson.
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?Mis dos variables de respuesta son el número de esporas asentadas y plántulas de algas asentadas en las cuerdas en cada réplica. En realidad, comencé el experimento y lo cultivé durante 7 semanas, y conté tanto las esporas como las plántulas cada semana (durante 7 semanas); por lo tanto, el experimento se realiza una vez y se tomaron muestras de mediciones repetidas. Para empezar quiero valorar alguna diferencia en la fecha final. Para recordarles, los dos tipos de cordeles se cultivaron en pares en el mismo tanque (unidad experimental) al que apliqué tres niveles de agitación, por triplicado (= 9 tanques o unidades exp con un total de 18 cordeles, nueve piezas de cada uno).
Creo que es apropiado elegir un análisis no paramétrico debido al hecho de que los hilos no eran independientes entre sí. He leído que al calcular un ANOVA de 2 factores en los rangos mediante el uso de Ajuste X por Y y bloque por un factor, es efectivamente lo mismo que una prueba de Friedman (que JMP 13 no tiene) y esta prueba corresponde a un no paramétrico ANOVA de 2 factores. ¿El Steel-Dwass solo se puede usar como una prueba post hoc?
¿Es mejor utilizar el "Test de Wilcoxon" en JMP 13?.
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?Debo agregar que la elección de un método no paramétrico (sin distribución) es una buena oportunidad para mantener el poder de la prueba cuando no se cumplen los supuestos de los métodos paramétricos. Por otro lado, el poder del método paramétrico es casi siempre mayor que las alternativas no paramétricas cuando se cumplen los supuestos.
¿Qué te llevó a elegir las pruebas no paramétricas en este caso?
Re: ¿JMP calcula automáticamente los rangos en Steel-Dwass?En primer lugar, ¿cuál es su respuesta? ¿Cuál es el resultado de cada prueba repetida? ¿Es una medida? ¿Un conde?
Entiendo que tiene 2 niveles de hilo y 3 niveles de agitación para un diseño factorial completo de 6 tratamientos. Estos se replicaron dos veces en 18 ejecuciones. ¿Cuál es la definición de las 9 unidades experimentales?
La prueba no paramétrica de Steel-Dwass es para comparaciones por pares, por lo que aparece en la plataforma JMP Oneway. Podría crear una nueva columna de datos, Tratamiento, que cruzara las columnas de factores, Hilo y Agitación, y realizar esta prueba simple, pero es posible que se esté perdiendo el beneficio de ajustar un modelo a los datos. Podría usar Analizar > Ajustar modelo para definir un predictor lineal con Cordel, Agitación y Cordel*Agitación. Su respuesta, por supuesto, está en el rol Y. El método ('personalidad') que sea apropiado depende de su respuesta a mi primera pregunta anterior. Sugiero considerar este enfoque además de la simple comparación de grupos.
