Régression multiple dans la conception de parcelles diviséesBonjour à tous:
J'ai récemment commencé à apprendre JMP et c'est génial ! Cependant, j'ai du mal à analyser l'un de mes ensembles de données. Il a été mis en place comme un Split Plot Design.Quelqu'un peut-il me donner un aperçu si je suis dans la bonne direction?
J'ai 4 traitements d'engrais (caractère nominal) comme parcelle principale, chaque traitement d'engrais est divisé en 3 taux - faible, moyen et élevé (sous-parcelles) et chaque traitement a été répété quatre fois (blocs). J'ai donc un total de 4 traitements X 3 taux X 4 répétitions = 48 parcelles. De plus, j'ai deux années de données - 2018 et 2019. J'évalue les impacts des applications d'engrais sur le rendement des plantes
Je considère mes traitements d'engrais, les taux et l'année comme des effets fixes, alors que je traite les blocs comme mon effet aléatoire.Je ne sais pas si je le fais correctement ou non. Toute aide serait appréciée!
J'ai traité les traitements d'engrais, l'année et le bloc comme - Caractère ; nominal. Tarifer comme personnage ; ordinal et rendement (numérique; continu).
Je joins également une capture d'écran avec mon message. Encore une fois, toute aide sera appréciée!
Merci!
Re : Régression multiple dans la conception de parcelles diviséesMerci pour votre aide, Marc ! J'apprécie vraiment cela. Je vais continuer avec la méthode que vous m'avez suggérée !
Re : Régression multiple dans la conception de parcelles diviséesJe pense que l'analyse que j'ai montrée (et enregistrée en tant que script de table modèle) est la meilleure voie à suivre. Le modèle capture les effets fixes et aléatoires en fonction des niveaux de facteur et de la randomisation. Je voulais juste que vous sachiez que l'estimation à zéro de la variance totale de la parcelle n'est pas une erreur ou un artefact. Les données sont tout simplement insuffisantes. L'exécution de cinq rangées (à l'avenir) atténuerait cette lacune pour vous.
Re : Régression multiple dans la conception de parcelles diviséesMerci, Marc. Je peux voir les effets de l'intrigue devenir nuls. Sur la base de ce résultat, quelles sont mes options pour poursuivre l'analyse ?
Amit
Re : Régression multiple dans la conception de parcelles diviséesMalheureusement, cette conception ne prend pas en charge l'estimation de la variance entre les rangées de champs. La variation de la parcelle entière est confondue avec d'autres effets fixes. Je pense que ce modèle capture de manière réaliste les effets potentiels et la randomisation de votre expérience :
J'ai simulé la réponse avec une seule population normale standard (sans effets) afin de pouvoir démontrer le problème avec l'analyse :
Vous pouvez voir que tous les effets de l'intrigue sont annulés à cause de la confusion. Vous avez besoin d'au moins une autre parcelle entière (ligne de champ) pour que cela fonctionne.
Re : Régression multiple dans la conception de parcelles diviséesSalut Marc !
Je vous remercie beaucoup pour votre aide! Je l'apprécie vraiment.
Mark, la variance totale de l'intrigue est grande. Je suis capable de comprendre la conception que vous avez créée, mais malheureusement, je n'ai jamais utilisé la partie DOE dans JMP, donc je ne sais pas comment l'utiliser pour exécuter mon analyse. Existe-t-il une source vidéo que je peux regarder ?
J'ai mené cette expérience pendant deux ans et j'aimerai éventuellement voir s'il y a un effet d'année ou non. De plus, j'ai récolté trois plantes sous chaque sous-parcelle. Dois-je simplement ajouter une colonne à côté de la section de sous-parcelle ?
Encore une fois, merci pour votre aide.
Re : Régression multiple dans la conception de parcelles diviséesCette description aide vraiment à clarifier la conception et la façon dont vous avez mené l'expérience. J'ai dû suivre ces étapes pour créer le design que vous avez décrit :
- Définissez l'engrais comme un facteur catégoriel difficile à modifier avec quatre niveaux.
- Définissez le taux comme un facteur catégoriel facile à modifier avec trois niveaux.
- Définissez Field Row comme un facteur catégoriel très difficile à modifier avec quatre niveaux. La définition de Field Row comme facteur de blocage avec 12 exécutions ne conserve pas l'ordre que vous avez décrit dans chaque ligne.
- J'ai ajouté une interaction à deux facteurs entre l'engrais et le taux au modèle. Il est probable que l'effet de la modification du taux ne soit pas le même pour tous les engrais.
- J'ai demandé 4 parcelles entières (4 rangées dans le champ). Cependant, cela ne suffit pas pour estimer la variance totale de la parcelle. Vous attendez-vous à ce que cette source de variation soit importante ?
- J'ai demandé 16 sous-parcelles, 4 par rangée. C'est pour l'engrais.
- J'ai demandé 48 passages.
Cette conception fournit une puissance élevée (0,89 à 1) si les effets importants sont au moins quatre fois l'écart type de réponse.
J'ai enregistré la conception sous forme de tableau de données pour votre examen. Malheureusement, je ne peux pas faire correspondre la commande dans votre conception, mais vous devriez être en mesure d'identifier les lignes vous-même. Le script de modèle effectuera l'analyse correcte, mais il doit mettre à zéro la variance de la parcelle entière (parcelles entières insuffisantes pour estimer cet effet). Le script DOE Dialog recréera la plate-forme de conception personnalisée afin que vous puissiez voir ce que j'ai fait.
Dis moi si tu as d'autres questions.
Re : Régression multiple dans la conception de parcelles diviséesBonjour Mark,
Merci beaucoup d'avoir jeté un œil à ma carte. Je vais essayer d'expliquer ma conception ici. Les blocs sont des lignes différentes dans un champ, j'ai donc quatre lignes dans mon expérience. Je considérais un matériau d'engrais comme toute ma parcelle. Et mon taux (élevé, moyen et faible) s'est répandu dans les engrais.
Amit
Re : Régression multiple dans la conception de parcelles diviséesD'après la carte seule, cette expérience semble être une conception de blocs complets et équilibrés. Je ne vois pas la structure des parcelles divisées ou la présence de parcelles entières et divisées. Il semble que ce soit une expérience entièrement randomisée, même si vous ne l'avez peut-être pas menée de cette façon. Je ne peux pas le dire.
Quelle est la définition d'un bloc dans votre expérience ? Par exemple, chaque bloc correspond à une saison de croissance et vous avez reproduit toutes les séries pendant quatre saisons ? Peut-être qu'un bloc est un champ et que vous avez reproduit l'ensemble de la conception dans quatre champs ?
Re : Régression multiple dans la conception de parcelles diviséesSalut Marc ! Je vous remercie beaucoup pour votre aide. J'apprécie vraiment cela.
J'ai peur de ne pas être en mesure d'expliquer ma conception avec éloquence avec une terminologie appropriée. Par conséquent, je joins ma carte de conception à ce message. J'espère que cela vous aidera à comprendre. Veuillez noter que j'ai codé par couleur les parcelles. La couleur plus dense représente le taux élevé et la couleur plus claire représente le taux faible et j'ai 4 engrais représentés en orange, jaune, vert et rouge.
Encore une fois, merci beaucoup de m'avoir aidé. J'attends avec impatience d'avoir de vos nouvelles.
Amit Bhasin
Re : Régression multiple dans la conception de parcelles diviséesVous utilisez certains termes d'une manière qui rend votre conception et votre analyse peu claires.
Une conception en parcelles divisées implique des facteurs difficiles à modifier. Ces facteurs sont moins souvent randomisés que les facteurs faciles à modifier. La randomisation signifie à la fois que l'ordre aléatoire des traitements (engrais, taux) et les niveaux sont réinitialisés pour chaque cycle. Quel est votre facteur difficile à changer ?
Je vais utiliser le terme « engrais » pour le premier facteur. Nous utilisons le terme « traitement » pour désigner la combinaison de tous les niveaux de facteur dans une série donnée. Par exemple, un traitement pourrait être engrais = A et dose = faible.
Nous utilisons le terme « bloc » pour désigner des groupes d'exécutions qui représentent soit un effet fixe, soit un effet aléatoire d'un facteur externe. Par exemple, il peut s'agir d'un jour, d'un lot, etc. Comment vos courses ont-elles été bloquées ?
Nous utilisons le terme « réplication » pour signifier qu'un traitement donné a été utilisé plus d'une fois dans la conception. Cette caractéristique est utilisée pour estimer l'erreur d'une manière indépendante du modèle. Comment avez-vous reproduit les exécutions ?
L'analyse correspond bien à l'expérience, il n'est donc pas possible de dire si votre modèle est approprié tant que nous n'en savons pas plus sur les facteurs, la conception et l'exécution de l'expérience.
