Trattamento di controllo sbilanciatoHo 4 N Rates (0, 140, 168, 224) e tre N sorgenti (CRU-60, CRU-75, U)
Il controllo o il tasso 0 N non ha alcuna fonte collegata poiché non viene applicato alcun fertilizzante
Quando eseguo gli effetti principali e di interazione, il controllo non viene analizzato. Inoltre, quando guardo il mio anova, devo aspettarmi di vedere un modello con un df di 9 (3 N rate*3 N sorgente + controllo)? Se è così, non lo capisco. Ho caricato un esempio di come ho impostato i dati. Non sono sicuro di cosa inserire nella colonna di origine N per un tasso di 0 N. La mia variabile di risposta è SorTC. In definitiva vorrei eseguire un'analisi tukey in cui il controllo può essere valutato rispetto ai trattamenti fertilizzati. Si prega di consigliare. Grazie!
AnaliticaRe: Trattamento di controllo sbilanciatoCiao @MANOVALogKoala1 ,
Potresti descrivere quale piattaforma usi (credo "Fit Model" per rilevare gli effetti e le interazioni principali e "Fit Y by X" per ANOVA?)? Potrebbe anche essere più saggio aggiungere "0" nell'origine del controllo, in modo che il tuo gruppo di controllo non sia considerato come "valore mancante" (e ti impedisca di guardare i risultati del controllo nelle diverse piattaforme).
- Per la piattaforma "Fit Model" non ho informazioni sufficienti sulle opzioni di modellazione che hai scelto, ma un buon inizio sarebbe verificare se il tuo effetto di blocco è significativo o meno attraverso la personalità "Mixed Model". Puoi aggiungere una proprietà di colonna nella tua "Colonna di blocco" aggiungendo il "Ruolo di progettazione": blocco e modifica del tipo di dati da numerico continuo a numerico nominale. Quindi, elenchi il tuo effetto: N rate, N sorgente e N rate x N sorgente, e aggiungi la colonna "Blocco" come "Effetto casuale".
Quando avvii l'analisi, dovresti avere questa schermata (vedi immagine Mixed_model_test). Osservando il valore p di Wald, il tuo parametro di blocco non sembra significativo, quindi potrebbe essere rimosso in ulteriori analisi (ad esempio nel rilancio della piattaforma "Fit Model" con personalità diverse, come Standard Least Squares (JMP) o Generalized Regression (JMP Pro) con la corretta distribuzione della risposta nell'opzione "Distribuzione" (nei dati del test, la distribuzione della risposta assomiglia alla distribuzione Weibull).
- Per la piattaforma "Fit Y by X" (ANOVA), hai la scelta in base al tuo obiettivo:
- Se il tuo obiettivo è confrontare l'effetto della sorgente rispetto a una sorgente di controllo 0, puoi scegliere il test di Dunnett, che confronterà solo ogni sorgente candidata con il gruppo di controllo 0. Non eseguirà confronti tra le fonti candidate.
- Se il tuo obiettivo è confrontare ogni effetto sorgente in base alla risposta, allora Tukey potrebbe essere appropriato (vedi immagine).
Fai attenzione nella tua analisi con "Adatta Y per X", poiché i test di Tukey o Dunnett sono test parametrici, quindi devi verificare tre ipotesi nei tuoi dati: indipendenza delle osservazioni, normalità (o vicino alla normalità) e varianze uguali. Qui, guardando i dati del test, le varianze uguali potrebbero non essere rispettate (questo potrebbe essere dovuto alle dimensioni ridotte dei campioni) e hai solo una normalità approssimativa quando guardi il grafico dei quantili normali. Per avere più fiducia nei tuoi test statistici, consiglierei di utilizzare test non parametrici: Steel with Control (equivalente non parametrico a Dunnett) o Steel-Dwass, All Pairs (equivalente non parametrico al test Tukey).
Spero che ti aiuterà,
Re: Trattamento di controllo sbilanciatoGrazie per la vostra risposta! Sto usando Fit Model per rilevare i principali effetti e interazioni tra il tasso N e la sorgente N e sto usando i minimi quadrati standard della personalità. Per ora ho eseguito l'analisi senza il blocco solo per vedere l'ANOVA per il principale e l'interazione, che sembra corretta per il modello DF che è 9 (il pdf è allegato). Ho eseguito Tukey per tutti i principali e le interazioni per mostrare che i confronti che sto cercando vengono visualizzati per ogni effetto, il che è fantastico. L'unico problema è che i gradi di libertà vengono persi per il tasso N e la sorgente e quindi l'analisi non sta funzionando. Mi piace come nella tua analisi unidirezionale hai fatto agire il controllo come effetto sorgente. Come faccio a fare in modo che il controllo agisca come effetto sorgente e tasso nel mio modello quando utilizzo Fit Model? Se possibile, si prega di consigliare. Grazie!
Re: Trattamento di controllo sbilanciatoOk grazie per le informazioni!
Non sono sicuro di cosa intendi per "corretto", ma guardando il tuo modello standard dei minimi quadrati, sembra che il tuo modello non sia significativo (e nemmeno gli effetti e l'interazione principali sono molto al di sopra della soglia di significatività comune di 0,05).
Solo il 34% della variabilità dei dati è spiegata da questo modello, che è piuttosto basso.
Osservando i valori per le diverse combinazioni (e i test che ho fatto in precedenza in un'analisi bivariata), potresti non avere effetti significativi per i parametri della tua sorgente e del tasso N.
Dal momento che non hai abbastanza DF, potresti provare a rilanciare l'analisi in modo graduale o semplicemente senza l'interazione (basta guardare prima gli effetti principali).
Ma ancora una volta, non c'è una chiara tendenza su questo set di dati di test, quindi penso chiaramente che non ci siano dati sufficienti per rilevare questa piccola dimensione dell'effetto, o semplicemente non ci sono effetti significativi.
Con i diversi rapporti statistici e la tua esperienza nel dominio, sarai in grado di capire e decidere cosa fare dopo.
