Daten sind beigefügt:
Fragen: Ich habe ein randomisiertes komplettes Blockdesign mit 4 Wiederholungen/Blöcken verwendet.
1) Modell vs. Y durch X anpassen, was sollte verwendet werden und warum?
2) Wie konstruiere ich das Modell? Sollten Vertreter in das Modellkonstrukt einbezogen werden?
Ich habe ein Dokument angehängt, in dem ich die Daten mit verschiedenen Modellen analysiert habe. Welches ist das richtige und warum?
Anscheinend haben Sie zwei Threads mit ähnlichen Fragen gestartet. Ich glaube, Mark diskutiert dies in einem anderen Thread mit Ihnen. Ich muss zugeben, es ist sehr schwer zu verstehen, was Sie studieren, welche Fragen Sie beantworten möchten usw.? Was bedeutet Repräsentant? Da fallen mir zwei Möglichkeiten ein: Wenn Sie die Behandlungskombination eingerichtet und mehrere Datenpunkte ohne Änderungen an den Behandlungen erhalten haben, handelt es sich um Wiederholungen (oder Verschachtelungen) und die Freiheitsgrade werden nicht erhöht. Diese Datenpunkte können für die Schätzung von Mittelwerten und Variationen innerhalb der Behandlung nützlich sein. Diese Strategie wird häufig verwendet, um Messfehler, Variationen innerhalb der Probe, Variationen von Probe zu Probe innerhalb der Behandlung usw. zu verstehen. Dabei handelt es sich nicht um experimentelle Einheiten.
Wenn es sich um Replikate handelt, kann dies auch auf zwei verschiedene Arten behandelt werden:
1. Randomisierte Replikate: Wird häufig verwendet, um „unvoreingenommene“ Schätzungen experimenteller Fehler zu erhalten, die in statistischen Tests wie dem F-Test verwendet werden.
2. Blöcke (RCBD oder BIB): In diesem Fall hängt die Behandlung der Blöcke davon ab, wie die Blöcke erstellt werden. Dabei kann es sich um feste Effekte handeln, die als solche im Modell zugewiesen werden, wobei Block-für-Faktor-Wechselwirkungen abgeschätzt werden können (sehr nützlich für die Abschätzung der Robustheit, insbesondere wenn das Rauschen während des Experiments identifiziert und „bewältigt“ wurde) oder um zufällige Effekte, bei denen es sich nur um die Haupteffekte handelt Der Blockeffekt wird als zufälliger Effekt im Modell zur Vergrößerung des Inferenzraums zugewiesen.
Was meinen Sie, wenn Sie von einer Behandlung sprechen? Typischerweise handelt es sich dabei um eine Reihe von Faktoren auf bestimmten Ebenen.
„Modell anpassen“ und „Y nach X anpassen“ werden beide für die Regressionsmodellierung verwendet. Die Fit-Modellplattform ist äußerst flexibel. Es ist sehr nützlich, um mehrere x in einem Modell zu verstehen, und die Modelle können linear und nichtlinear sein. Ich verwende „Y nach X anpassen“, wenn ich nur ein X betrachte.
