Wie analysiert man faktorielle CRD mit Unterabtastungen in JMP?Ich habe lange versucht, dieses Design (One Shot!) zu analysieren. Konnte es immer noch nicht.Da ich mehr als 3 Monate verwiesen habe, sehe ich, dass dies nur in GenStat S/W möglich ist.
Mein Experiment ist CRD: Faktorielles Zwei-Faktoren-Experiment, feste Effekte .
Faktor 1: Stufen: a,b (2) Faktor 2: Stufen: p,q,r (3) Für jede experimentelle Einheit gibt es vier Teilstichproben (Beobachtungseinheiten). Ich möchte diesem Modell eine Teilstichprobe hinzufügen und die Analyse durchführen.
Wenn möglich, könnten Sie mir bitte helfen JMP und ggf R-Codes sowie für Zwei-Wege-Design (kein Blockieren) mit Subsamples.
Dies ist das Beispiel, das ich von GenStat S/W erhalten habe Seite 48 (Zwei-Wege-Design (kein Blockieren) mit Subsamples)
Ebenfalls gleiches Beispiel gelöst durch SAS, in dem Buch Contemporary Statistical Models for the Plant and Soil Sciences
Betreff: Wie analysiert man faktorielle CRD mit Unterabtastungen in JMP?Ich bin mir nicht sicher warum, aber meine vorherige Antwort wurde gelöscht ...
Sie benötigen im Grunde eine Spalte, die die 4 Wiederholungstakte zusammenfasst.In dem Beispiel für die Stammlänge aus Ihrer ersten Referenz wäre dies der Topf (obwohl dies in den anderen 2 Faktoren verschachtelt sein muss, damit Topf 1 für hohe Temperaturen und 8 Stunden Sonnenlicht nicht als derselbe Block wie Topf 1 behandelt wird niedrige Temperatur bei 16 Stunden Sonnenlicht).Es ist wichtig, dass Sie sicherstellen, dass diese Gruppierungsspalte ein nominaler Modellierungstyp ist und in unserem Modell als zufälliger Block fungiert.
In Modell anpassen würden Sie Ihr faktorielles Modell wie gewohnt angeben, aber Sie fügen dann die Gruppierungsspalte für Ihre Wiederholungsmaße zur Liste der Modelleffekte hinzu.Wählen Sie dann die Gruppierungsspalte in der Liste der Effekte aus und klicken Sie auf Attribute > Zufällig, um daraus einen zufälligen Effekt zu machen.
Wie bereits erwähnt, müssen wir im Fall des Stammlängenexperiments diesen Effekt innerhalb von Temperatur und Sonnenstunden verschachteln.Sie tun dies, indem Sie Pot in der Construct Model Effects Box auswählen und dann Temperature und Hours of Sunlight in der Liste der Spalten auswählen und auf „Nest“ klicken.Dies wäre nicht erforderlich, wenn jede Gruppe einen eindeutigen Namen in der Spalte hätte.Das Endergebnis sollte so aussehen:
Ich hänge die Datentabelle mit der in einem Skript gespeicherten Analyse an.
Betreff: Wie analysiert man faktorielle CRD mit Unterabtastungen in JMP?*Hinweis: Dies war meine ursprüngliche Antwort, die irgendwann verschwand.Ich habe noch einmal geantwortet, bevor diese Antwort wieder auftauchte.
Hallo Kynda,
Sie würden eine Spalte benötigen, um den Lauf zu identifizieren, der jeden Satz von 4 Wiederholungsmessungen erzeugt hat.Stellen Sie sicher, dass die Spalte einen nominalen Modellierungstyp hat .Geben Sie in Modell anpassen Ihr Modell wie gewohnt an, aber fügen Sie diese Spalte hinzu, die jeden Lauf identifiziert, und machen Sie ihn zu einem Zufallseffekt (wählen Sie den Laufeffekt in Modelleffekte konstruieren aus und klicken Sie auf Attribute > Zufällig).
Dies alles setzt voraus, dass Sie Replikationen in Ihrem Design haben (wie das Stiellängenexperiment die Töpfe 1, 2 und 3 für jede Kombination hat).Wenn Sie keine dieser Faktorstufenkombinationen im Experiment replizieren, können Sie die Varianzkomponenten für den Laufblockierungsfaktor nicht schätzen, da sie mit der X1*X2-Wechselwirkung verwechselt werden.JMP ignoriert im Grunde den Run random-Effekt und analysiert ihn so, als ob Sie 3 Wiederholungen (jeweils 4) hätten, anstatt Messungen zu wiederholen, was sehr irreführend wäre.Wenn Sie auf die Interaktion verzichten und nur Haupteffekte modellieren, können Sie die Varianzkomponente für Run erhalten, aber Sie werden immer noch damit kämpfen, wie viel dieser Varianzkomponente wirklich nur X1 * X2-Interaktionseffekte sind.
Hier ist ein Beispiel mit dem Schaftlängenexperiment aus Ihrer ersten Referenz.Ich musste den Pot-Zufallseffekt in „Stunden des Tageslichts“ und „Temperatur“ verschachteln, sodass Pot 1 für eine bestimmte Faktorstufenkombination nicht so behandelt wird, als wäre es derselbe Block wie ein anderer Pot 1 für eine andere Faktorstufenkombination.
Um die Verschachtelung durchzuführen, markieren Sie einfach den Pot-Effekt, wählen Sie dann Temperatur und Stunden des Tageslichts aus der Liste der Spalten aus und klicken Sie auf „Verschachteln“.Ich hänge eine Datentabelle mit der in einem Skript gespeicherten Analyse an.
