Unausgewogene KontrollbehandlungIch habe 4 N-Raten (0, 140, 168, 224) und drei N-Quellen (CRU-60, CRU-75, U)
Der Kontrolle oder der 0-N-Rate ist keine Quelle zugeordnet, da kein Dünger ausgebracht wird
Wenn ich die Haupt- und Interaktionseffekte ausführe, wird das Steuerelement nicht analysiert. Wenn ich mir meine Anova anschaue, kann ich außerdem damit rechnen, ein Modell mit einem df von 9 (3 N-Rate * 3 N-Quelle + Steuerung) zu sehen? Wenn ja, verstehe ich das nicht. Ich habe ein Beispiel hochgeladen, wie ich die Daten eingerichtet habe. Ich bin mir nicht sicher, was ich in die N-Quellenspalte für eine N-Rate von 0 eintragen soll. Meine Antwortvariable ist SorTC. Abschließend möchte ich eine Tukey-Analyse durchführen, bei der die Kontrolle im Vergleich zu den gedüngten Behandlungen bewertet werden kann. Bitte um Rat. Danke schön!
Qualitäts- und VerfahrenstechnikBetreff: Unausgewogene KontrollbehandlungOk, danke für die Infos!
Ich bin mir nicht sicher, was Sie mit „richtig“ meinen, aber wenn Sie sich Ihr Standardmodell der kleinsten Quadrate ansehen, scheint es, dass Ihr Modell nicht signifikant ist (und auch die Haupteffekte und Wechselwirkungen sind nicht signifikant, da sie weit über der gemeinsamen Signifikanzschwelle von 0,05 liegen).
Nur 34 % der Variabilität in den Daten werden durch dieses Modell erklärt, was recht gering ist.
Wenn Sie sich die Werte für die verschiedenen Kombinationen (und Tests, die ich zuvor in einer bivariaten Analyse durchgeführt habe) ansehen, stellen Sie möglicherweise keine signifikanten Auswirkungen auf Ihre Quell- und N-Ratenparameter fest.
Da Sie nicht über genügend DF verfügen, können Sie versuchen, die Analyse schrittweise oder einfach ohne Interaktion neu zu starten (zuerst nur die Haupteffekte betrachten).
Aber auch hier gibt es keinen klaren Trend in diesem Testdatensatz, daher denke ich ganz klar, dass es entweder nicht genügend Daten gibt, um diese kleine Effektgröße zu erkennen, oder dass es einfach keinen signifikanten Effekt gibt.
Mit den verschiedenen statistischen Berichten und Ihrer Fachkenntnis werden Sie in der Lage sein, zu verstehen und zu entscheiden, was als nächstes zu tun ist.
Betreff: Unausgewogene KontrollbehandlungDanke für Ihre Antwort! Ich verwende Fit Model, um Ermitteln Sie die Haupteffekte und Wechselwirkungen zwischen der N-Rate und der N-Quelle und ich verwende den Persönlichkeitsstandard der kleinsten Quadrate. Ich habe die Analyse vorerst ohne den Block ausgeführt, nur um die ANOVA für die Haupt- und Wechselwirkung zu sehen, die für den Modell-DF von 9 korrekt aussieht (PDF ist beigefügt). Ich habe Tukey für alle Haupt- und Interaktionseffekte ausgeführt, um zu zeigen, dass die von mir gesuchten Vergleiche für jeden Effekt angezeigt werden, was großartig ist. Das einzige Problem besteht darin, dass die Freiheitsgrade für die N-Rate und -Quelle verloren gehen und die Analyse daher nicht funktioniert. Mir gefällt, dass Sie in Ihrer einseitigen Analyse den Kontrollakt als Quelleffekt betrachtet haben. Wie kann ich die Steuerung dazu bringen, in meinem Modell als Quellen- und Rateneffekt zu fungieren, wenn ich „Modell anpassen“ verwende? Wenn möglich, bitte um Rat. Danke!
Betreff: Unausgewogene KontrollbehandlungHallo @MANOVALogKoala1 ,
Könnten Sie bitte beschreiben, welche Plattform Sie verwenden (ich vermute „Fit Model“ für die Erkennung von Haupteffekten und Wechselwirkungen und „Fit Y by X“ für ANOVA?)? Es kann auch sinnvoller sein, „0“ in Ihrer Kontrollquelle hinzuzufügen, damit Ihre Kontrollgruppe nicht als „fehlender Wert“ betrachtet wird (und Sie daran gehindert wird, die Kontrollergebnisse auf den verschiedenen Plattformen anzusehen).
- Für die Plattform „Fit Model“ habe ich nicht genügend Informationen über die von Ihnen gewählten Modellierungsoptionen, aber ein guter Anfang wäre es, durch die „Mixed Model“-Persönlichkeit zu testen, ob Ihr Blockeffekt signifikant ist oder nicht. Sie können Ihrer „Blockspalte“ eine Spalteneigenschaft hinzufügen, indem Sie die „Designrolle“ hinzufügen: Blockieren und den Datentyp von numerisch kontinuierlich in numerisch nominal ändern. Dann listen Sie Ihren Effekt auf: N-Rate, N-Quelle und N-Rate x N-Quelle, und fügen Ihre Spalte „Block“ als „Zufälliger Effekt“ hinzu.
Wenn Sie die Analyse starten, sollte dieser Bildschirm angezeigt werden (siehe Bild „Mixed_model_test“). Betrachtet man den Wald-p-Wert, sieht Ihr Blockierungsparameter nicht signifikant aus, sodass er in der weiteren Analyse möglicherweise entfernt wird (z. B. beim Neustart der „Fit Model“-Plattform mit einer anderen Persönlichkeit, wie Standard Least Squares (JMP) oder Generalized Regression (JMP Pro) mit der richtigen Antwortverteilung in der Option „Verteilung“ (in Ihren Testdaten sieht die Antwortverteilung wie eine Weibull-Verteilung aus).
- Bei der Plattform „Fit Y by X“ (ANOVA) haben Sie je nach Ziel die Wahl:
- Wenn Ihr Ziel darin besteht, die Wirkung der Quelle mit der einer Kontrollquelle 0 zu vergleichen, können Sie den Dunnett-Test wählen, der nur jede Kandidatenquelle mit der Kontrollgruppe 0 vergleicht. Es werden keine Vergleiche zwischen Kandidatenquellen durchgeführt.
- Wenn Ihr Ziel darin besteht, jeden Quelleffekt abhängig von der Reaktion zu vergleichen, ist Tukey möglicherweise geeignet (siehe Bild).
Seien Sie bei Ihrer Analyse mit „Fit Y by Hier werden bei Betrachtung der Testdaten möglicherweise keine gleichen Varianzen berücksichtigt (was an geringen Stichprobengrößen liegen kann) und Sie haben nur eine ungefähre Normalität, wenn Sie sich das Normalquantildiagramm ansehen. Um mehr Vertrauen in Ihre statistischen Tests zu haben, würde ich die Verwendung nichtparametrischer Tests empfehlen: Steel with Control (nichtparametrisches Äquivalent zum Dunnett-Test) oder Steel-Dwass, All Pairs (nichtparametrisches Äquivalent zum Tukey-Test).
Ich hoffe es hilft dir,
