Les données sont jointes :
Questions : J'ai utilisé une conception de blocs complets aléatoires avec 4 répétitions/blocs.
1) Fit model vs Y by X qui devrait être utilisé et pourquoi ?
2) Comment construire le modèle ? Les représentants devraient-ils être inclus dans la construction du modèle ?
J'ai joint un document où j'ai analysé les données à l'aide de différents modèles, lequel est le bon et pourquoi ?
Il semble que vous ayez lancé deux sujets avec des questions similaires. Je crois que Mark en discute avec vous dans un autre fil. Je dois admettre qu'il est très difficile de comprendre ce que vous étudiez, à quelles questions essayez-vous de répondre, etc. ? Que signifie rep ? Deux méthodes vous viennent à l'esprit : si vous avez configuré la combinaison de traitements et obtenu plusieurs points de données sans aucune modification des traitements, il s'agit de répétitions (ou d'imbrications) et n'augmente pas les degrés de liberté. Ces points de données peuvent être utiles pour estimer les moyennes et les variations au sein du traitement. Cette stratégie est souvent utilisée pour comprendre l'erreur de mesure, la variation au sein de l'échantillon, la variation d'un échantillon à l'autre au sein du traitement, etc. Ce ne sont pas des unités expérimentales.
Si vous parlez de répliques, cela peut également être traité de deux manières différentes :
1. Répétitions aléatoires : souvent utilisées pour obtenir des estimations "non biaisées" de l'erreur expérimentale à utiliser dans des tests statistiques tels que le test F.
2. Blocs (RCBD ou BIB) : Dans ce cas, le traitement des blocs dépend de la façon dont les blocs sont créés. Il peut s'agir d'effets fixes et affectés comme tels dans le modèle où l'on peut estimer les interactions bloc par facteur (très utile pour estimer la robustesse notamment lorsque le bruit a été identifié et "géré" au cours de l'expérimentation) ou d'effets aléatoires où seuls les principaux L'effet de bloc est attribué comme un effet aléatoire dans l'espace d'inférence croissant du modèle.
Que voulez-vous dire lorsque vous faites référence à un traitement? Il s'agit généralement d'un ensemble de facteurs à des niveaux spécifiés.
Ajuster le modèle et Ajuster Y par X sont tous deux utilisés pour la modélisation de régression. La plate-forme de modèle d'ajustement est extrêmement flexible. Il est très utile pour comprendre plusieurs x dans un modèle et les modèles peuvent être linéaires et non linéaires. J'utilise le Fit Y by X lorsque je regarde un seul X.
