플롯 분할동료가 일부 데이터를 분석하는 것을 돕고 있는데, 그는 간단한 방식으로 실험을 설정했지만 한 번도 본 적이 없습니다. 그는 수족관에 암초 산호가 있었고 어떤 조건에서 산호가 가장 잘 자라는지 알고 싶었습니다. 일반적으로 각각 고유한 조건을 가진 많은 탱크가 있지만 그는 탱크 내에서 조건이 다양한 거대한 탱크를 사용했습니다(더 "리프와 유사"하게 만들기 위해). 나는 특히 빛을 언급하고 있습니다. 그는 기본적으로 세 가지 깊이에 산호를 배치하여 서로 다른 빛 수준을 받도록 했습니다. 나에게 이것은 분할 플롯 디자인의 전형적인 예인 것처럼 보이지만 나에게 이상한 점은 탱크(전체 플롯)와 서브플롯으로 탱크 내의 조명만 있다는 것입니다. 반면 내가 본 대부분의 예는 하나의 처리가 다른 처리 내에 효과적으로 중첩됩니다. Jian Cao가 JMP의 혼합 모델 플랫폼에서 환상적인 웨비나를 본 후( https://www.jmp.com/en_us/events/ondemand/mastering-jmp/linear-mixed-models-using-jmp-pro.html ) 전체를 5-7회 이상 시청한 경우 분할 플롯 디자인을 수용하기 위해 "무작위" 혼합 모델 대화 상자 아래 조명 내에 탱크를 중첩하기만 하면 되는 것 같습니다. 설계는 시간적 요소가 있고 서로 다른 시점에서 평가된 산호에 대해 반복 측정이 수행되기 때문에 실제로 더 복잡합니다. 하지만 JMP는 무작위 효과(예: 불평등 분산)를 허용하는 반복 측정 플랫폼을 사용하는 한 이를 처리할 수 있습니다. 그러나 구조화되지 않은 것은 아님).
내가 혼란스러워하는 것은(빛 속에 내포된 탱크가 정확하다고 가정) 출력입니다. JMP는 무작위 효과(이미지 참조) 내에서 반복 측정(시간이 지남에 따라 평가된 산호 조각)을 자동으로 중첩했습니다. 그리고 탱크(light)가 아닌 light(tank)로 제시되었다. 반복 측정이 분할 플롯 내에 중첩되는 이유는 무엇이며 Wald p-값이 매우 중요하다는 사실이 무작위 및 반복 요인으로 인한 변동이 문제가 될 정도로 높다는 것을 알려주는 것입니까?
실험 설계품질 및 프로세스 엔지니어링Re: 플롯 분할조언과 제안에 감사드립니다. 초기 게시물에서 실험을 더 잘 설명했어야 했습니다. 나는 수족관이 너무 크고 유지하기가 너무 어렵기 때문에 그들이 이 이상한 디자인을 선택한 것으로 추측하고 있습니다. 사실, 그들의 디자인의 이상한 특성이 내 게시물의 주요 원동력이었습니다!
요약 파일에서 각 탱크 x 조명 x 음식(n=18 샘플) 내의 조각 전체에서 데이터를 풀링하는 경우에도 여전히 1-2개의 다변량 이상값을 볼 수 있습니다. 그들 중 하나는 기본적으로 자체적으로 떨어져 있기 때문에 이미 PCA에서 플래그를 지정했습니다. 그것을 주도하는 것은 성장 데이터인 것 같으므로 학생에게 그것에 대해 물어봐야 할 것입니다. 아마도 일부 조각이 죽어 가고 있었을 것입니다.
그들은 세 가지 수준(100, 150 및 250 umol/m2/s 광합성 활성 방사선)에서 빛을 측정했기 때문에 깊이가 본질적으로 다르기 때문에(30, 20, 및 10cm) 이로 인해 결과가 편향될 수 있습니다. 흐름과 같이 깊이에 따라 다른 것이 있는 경우 이는 정당한 문제입니다. 다른 건 몰라도 이런 식으로 설정된 실험을 본 적이 없기 때문에 저에게는 학습 경험이었습니다! 어쨌든 귀하의 모든 도움과 조언에 감사드립니다.
Re: 플롯 분할저를 기쁘게 해 주시면 몇 가지 추가 의견/질문이 있습니다.
1. 종종 그렇듯이 상황은 의사소통하기 어렵고 원래 설명된 것보다 더 복잡합니다. 이것은 기소를 의미하지 않습니다. 저는 종종 샘플링 계획을 그래픽으로 설명할 것을 제안합니다. 처음에는 탱크가 1개만 있는 줄 알았습니다. 통이나 파편이 무엇인지 전혀 모릅니다... 먹이가 무작위로 이루어지지 않았으며 다른 수조로 옮겨야 한다는 것도 이제서야 깨달았습니다.
모든 결론, 분석 도구, 답할 수 있는 질문, 추정 능력에 대한 확신은 데이터를 획득한 방법에 따라 달라집니다.
2. 3가지 깊이 사이의 광투과율을 측정하셨나요? 왜 3개의 깊이를 사용했습니까? 효과를 추정하기 위해 2개의 극단이 아닌 이유는 무엇입니까?
3. 비정상적인 데이터 포인트(예: 특수 원인)의 여러 인스턴스를 찾았습니다. 정량 분석을 수행하기 전에 이를 이해하고 적절하게 처리해야 합니다. 이전에 첨부한 파일에 다른 Y를 요약하지 않았습니다. 요약하기 전에 이러한 "이상치"를 고려해야 한다고 생각합니다.
4. 나는 항상 분석을 "설교"하며 다음 3단계를 따라야 합니다.
- 실용적: 데이터가 의미가 있습니까? 예측과 비교하면 어떻습니까? 명백한 패턴이 있습니까? 응답 변수가 의미가 있을 만큼 다양했습니까? 실용적인 의미는 통계적 의미보다 항상 더 중요합니다.
- 그래픽: 응답 변수에서 패턴을 찾고 해당 패턴을 독립 변수의 변화와 일치시킵니다. 이것은 그래픽으로 가장 잘 수행됩니다.
- 정량적: 결과에 대한 확신을 높이고 싶습니다. 정량 분석은 두 가지 목적으로 생각합니다. 1. 내가 어떤 패턴을 놓쳤는가, 2. 내가 본 패턴이 실제로 거기에 있습니까?
5. 주관적인 평가가 있을 때마다 검사관 오류 내와 사이를 고려해야 합니다. 예, 색상 척도는 서수 데이터 세트입니다. 감각 지각에 서수 척도를 사용하는 것은 약간의 생각으로 크게 향상될 수 있습니다. 주제에 대한 몇 가지 메모를 작성하고 해당 메모를 첨부했습니다.
6. 조지 박스(George Box)는 다음과 같이 말했습니다. 변환을 수행하는 유일한 이유는 통계 분석을 개선하는 것이 아니라 모델을 단순화하는 것입니다.
Re: 플롯 분할그동안 제 데이터를 살펴봐 주셔서 정말 감사합니다. 몇 가지 질문에 답하겠습니다.
실험 설계는 기본적으로 다음과 같습니다. 5개의 산호 군체가 25개의 2g 조각으로 분해되었으며, 그 중 18개의 하위 집합이 실험에 사용되었습니다(n=90개의 산호 조각). 나는 실제로 Jian Cao의 제안 중 일부를 취하여 산호가 본질적으로 모두 유사하게 시작되었는지 확인하기 위해 중첩 무작위 계수 기능을 확인했습니다(다른 조각이 부모 식민지에서 찢어지는 것으로부터 차별적으로 복구를 표시할 수 있기 때문에 이것은 사실이 아닐 수 있음) .
30개의 산호 조각을 각각 3개의 수조에 넣었습니다. 각 탱크 내에서 10개의 파편을 세 가지 깊이(다른 조명 수준에 해당)에 각각 배치했습니다. 각 조명 x 탱크 그룹의 10개 콜로니 중 절반이 먹이를 받습니다. 사료는 실제로 다른 곳으로 운반하여 이루어지므로 각 탱크에 물리적으로 계층화된 빛 x 식품 "통"이 있는 것과는 다릅니다. 따라서 내 테이블의 "빈"은 실제로 "탱크 x 조명 x 식품" = 3 x 3 x 2 = 각각 5개의 조각이 있는 18개의 쓰레기통입니다. 즉, 3개의 탱크가 있는 6개의 고정 요인 처리(음식 x 가벼운 그룹)가 있습니다. 그래서 나는 당신이 옳다고 생각합니다. 그것은 전체 줄거리로서의 탱크이고 탱크 내 서브 플롯으로서의 가벼운 x 음식입니다. 조각은 반복되는 주제이고 시간은 반복되는 척도입니다. 그것은 혼합 모델 플랫폼의 임의 효과 하에서 탱크와 가벼운 x 음식(탱크)을 포함해야 한다는 것을 의미합니까? light x food(tank)는 문자 그대로 전체 디자인(전체 플롯 내에 중첩된 서브플롯)이기 때문에 후자에 불과하다고 생각합니다. 이 스크립트로 새 데이터 테이블을 첨부했습니다. 마지막 것은 아마도 제대로 저장되지 않았을 것입니다.
당신의 수치는 나와 비슷해 보입니다. 눈에 띄는 것은 음식이 빛보다 더 강한 영향을 미치는 것 같다는 것입니다. 사실 그것이 연구의 요점입니다. 나는 이전에 이러한 제어 및 변동성 플롯을 본 적이 없지만 이것은 시간과 탱크의 상대적인 영향을 보여주는 좋은 방법이 될 수 있습니다. 나는 일반적으로 모든 매개변수에 대해 예측자 선별 또는 적합 모델+무작위 효과를 사용하여 다른 방식으로 이를 얻습니다(즉, 어떤 요인이 응답에서 가장 큰 변화를 가져왔는지). 사실, BW만 보면 빛이 음식보다 더 강한 영향을 미치므로(중요하지 않음), 이것이 제가 첨부하는 두 번째 표에 있는 "비성장률"이 올바른 방법일 수 있는 이유입니다(즉, 원시 크기 데이터가 아닌 크기 증가의 상대적 비율).
중복될 정도로 두 가지 요인이 서로 관련되어 있습니다. 제가 보낸 파일에 그 중 하나(TLE)를 포함하지 않은 것 같습니다. 기본적으로 산호의 크기 분석은 의외로 논란이 많기 때문에 2~3가지 방법으로 크기를 살펴보았다. 그러나 결국 그들은 치료에 비슷하게 반응합니다. Fv/Fm은 광합성의 프록시이며 통계적으로 유의하지만 0.7=평균 낮음에서 0.74=평균 높음의 범위에 대해 이야기하고 있습니다. 나는 문자 그대로 원고에 "실험적 요인에 의해 크게 영향을 받았지만 그러한 차이가 생물학적으로 관련이 있는지는 불분명하다"는 문장을 썼습니다. 광합성을 하는 사람들은 이 반응 변수(나는 분명히 동의하지 않음)의 미세한 변화에 대한 거대한 이야기를 만드는 것이 표준이 되었기 때문에 나를 도살할 것입니다. 그에 반해 무게는 2g에서 9g으로 140일 동안(4배 이상) 증가했는데, 이는 유례없이 높아 종이 전체의 셀링포인트가 될 가능성이 높다.
나는 결정적으로 비정규 분포된 데이터를 box-cox 변환했습니다. 색상 점수 자체는 본질적으로 순위이므로 색상 분석을 비모수적으로 만드는 것 같습니다.
두 번째 파일 "시간으로 분할된 선형 확장"은 모든 데이터를 상대적 또는 백분율 변경으로 반영하기 때문에(즉, 임시 요소가 제거됨) 실제로 "고기"입니다. 예외는 Fv/Fm인데 여기서는 파일 데이터만 표시합니다. 실제 시간별 시간적 변화가 이 두 번째 표에 표시된 전체 효과에 비해 덜 중요하다고 주장할 수 있습니다(아마도 온라인 보충 수치로 끝날 것임). (풀링된 요약 파일과 함께).
Re: 플롯 분할Re: 플롯 분할귀하의 상황을 살펴본 후 제가 생각하는 요약 데이터는 Tank가 전체 플롯에 있고 빛과 음식의 계승이 하위 플롯에 있는 분할 플롯으로 분석되어야 한다고 덧붙일 수 있습니다. 이 분석은 각 기간에 대해 수행할 수 있습니다. 이 작업을 수행하는 데 도움이 필요하면 알려주십시오.Re: 플롯 분할앤더슨,
첨부된 데이터 세트에 첨부된 스크립트가 없습니까?
응답 변수의 실질적인 변화가 무엇인지 모르겠습니다. 그래서 데이터를 먼저 봅니다. 응답 변수의 변화에 실질적인 의미가 있습니까?
7개의 스크립트로 데이터 세트를 다시 첨부했습니다.
1. 3개의 응답 변수를 보는 다변량(Mahalonobis 이상값 플롯도 포함). 일부 이상값에 유의하십시오. 이러한 응답이 상관관계가 있어야 합니까?
2. 통계 테스트에 대해 너무 걱정하기 전에 데이터를 볼 수 있는 간단한 그래프 빌더(2가지 방법)
3. 가변성 플롯 3개의 응답 변수(음식으로 색상 지정)
4. 반복에 대한 범위 차트(5개가 있다고 생각합니까?)
또한 최선의 추측으로 데이터를 요약했습니다(데이터 요약). 이것은 추가로 분석할 수 있지만 그렇게 하기 전에 검토해야 합니다.
Re: 플롯 분할안녕하세요,
봐주셔서 감사합니다. 더 잘 설명할 수 있기 때문에 스크립트로 데이터 테이블을 첨부하고 있습니다. BW = 부력(산호 크기), Fv/Fm 및 색상은 두 가지 추가 응답 변수입니다. 반복 측정 부분을 제대로 설정한 것 같습니다(산호 조각은 시간이 지남에 따라 반복적으로 평가되는 대상입니다). 나는 탱크가 말 그대로 3개의 플롯으로 분할되었다고 생각했기 때문에 탱크 내 조명 수준이 동일한 복제 내에 있기 때문에 서로 독립적이지 않다고 주장할 수 있기 때문에 어떻게든 모델에 수용해야 할 것입니다. 블록(즉, 탱크). 사실 피딩 효과가 너무 강해서 최종 모델이 무엇이든 결과는 거의 변하지 않지만, 그래도 제대로 제시했는지 확인하고 싶습니다! 조명 효과가 탱크 전체에서 유사하도록 탱크와 조명(탱크)의 상호 작용을 보여주는 것이 중요할 수 있습니다. 이런 실험을 설정해 본 적이 없어서 계속 머리를 싸매려고 합니다!
Re: 플롯 분할죄송합니다. 덧붙이자면 이 데이터를 샘플링 계획으로 볼 수도 있습니다. 시간 경과에 따른 탱크 간, 탱크 내(산호-산호/광원과 혼동됨), 측정 시스템(반복)Re: 플롯 분할IMHO, 당신은 분할 플롯 디자인을 다루고 있지 않습니다. 탱크 안에 빛이 중첩되어 있습니다. 라이트(탱크). 당신이 설명한 것처럼 빛 속에 탱크를 둥지를 트는 것은 물리적으로 불가능합니다. 시간 경과에 따른 여러 측정값은 여러 가지 방법으로 평가할 수 있습니다.
1. 시간 경과에 따른 성장 변화를 설명하는 응답 변수를 생성합니다(예: 선의 기울기 또는 기타 변화율 메트릭).
2. 각 시간 응답을 별도의 응답 변수로 취급합니다.
3. 모델에서 시간을 무작위 변수로 취급합니다(할당할 수 없음).
나는 당신의 설명에서 각 기간마다 산호에 대한 여러 척도를 가지고 있다고 생각합니다. 이것은 반복될 것이며 측정 시스템을 평가하는 데 사용될 수 있습니다(산호 변동성 내에서 혼란스러울 수 있음).
