不均衡なコントロール治療4つのNレート（0、140、168、224）と3つのNソース（CRU-60、CRU-75、U）があります
コントロールまたは0Nレートには、肥料が適用されないため、ソースが接続されていません
メインエフェクトとインタラクションエフェクトを実行すると、コントロールが分析されません。 さらに、分散分析を見ると、dfが9（3Nレート*3 Nソース+コントロール）のモデルが表示されると予想されますか？ もしそうなら、私はそれを得ていません。 データの設定方法の例をアップロードしました。 0NレートのNソース列の下に何を置くべきかわからない。 私の応答変数はSorTCです。 最終的には、受精処理に対して対照を評価できるテューキー分析を実行したいと思います。 ご意見をお聞かせください。 ありがとうございました！
分析Re：不均衡なコントロール治療こんにちは@ MANOVALogKoala1 、
どのプラットフォームを使用していますか（主な効果と相互作用を検出するための「FitModel」、ANOVAの場合は「FitY byX」だと思いますか？） また、コントロールソースに「0」を追加して、コントロールグループが「不足している値」と見なされないようにすることも賢明です（さまざまなプラットフォームでのコントロール結果を確認できないようにします）。
- プラットフォーム「FitModel」の場合、選択したモデリングオプションに関する十分な情報がありませんが、「混合モデル」のパーソナリティを通じてブロック効果が重要かどうかをテストすることから始めるとよいでしょう。 「ブロック列」に列プロパティを追加するには、「設計の役割」を追加します。ブロックし、データ型を連続数値から公称数値に変更します。 次に、効果をリストします：Nレート、Nソース、Nレートx Nソース、そして「ブロック」列を「ランダム効果」として追加します。
分析を開始すると、この画面が表示されます（Mixed_model_testイメージを参照）。 Waldのp値を見ると、ブロッキングパラメータは重要ではないように見えるため、さらなる分析で削除される可能性があります（たとえば、標準最小二乗（JMP）や一般化回帰などの異なるパーソナリティで「FitModel」プラットフォームを再起動する場合） （JMP Pro）「分布」オプションに正しい応答分布がある（テストデータでは、応答分布はワイブル分布のように見えます）。
- プラットフォーム「FitYbyX」（ANOVA）の場合、目標に応じて選択できます。
- ソースとコントロールソース0の効果を比較することが目標である場合は、ダネットの検定を選択できます。このテストでは、各候補ソースとコントロールグループ0のみが比較されます。 候補ソース間の比較は行いません。
- 応答に応じて各ソース効果を比較することが目標である場合は、Tukeyが適切な場合があります（画像を参照）。
テューキーまたはダネット検定はパラメトリック検定であるため、「Fit Y by X」を使用した分析では注意が必要です。したがって、データ内の3つの仮定、つまり観測値の独立性、正規性（または正規性に近い）、および等分散を検証する必要があります。 ここで、テストデータを見ると、等しい分散が尊重されていない可能性があり（サンプルサイズが小さいことが原因である可能性があります）、正規分位数プロットを見るとおおよその正規性しかありません。 統計的検定の信頼性を高めるために、ノンパラメトリック検定を使用することをお勧めします：コントロール付きスチール（ダネットと同等のノンパラメトリック）またはSteel-Dwass、すべてのペア（テューキー検定と同等のノンパラメトリック）。
お役に立てば幸いです。
Re：不均衡なコントロール治療ご返信ありがとうございます！ FitModelを使用してNレートとNソース間の主な効果と相互作用を検出し、パーソナリティの標準最小二乗法を使用しています。 今のところ、ブロックなしで分析を実行して、メインと相互作用のANOVAを確認しました。これは、9のモデルDF（pdfが添付されています）に対して正しいように見えます。 すべてのメインとインタラクションに対してTukeyを実行して、探している比較が各効果に対して表示されることを示しました。これはすばらしいことです。 唯一の問題は、Nレートとソースの自由度が失われるため、分析が機能しないことです。 一元配置分散分析で、コントロールをソース効果として機能させる方法が気に入っています。 Fit Modelを使用しているときに、コントロールをモデルのソースおよびレート効果として機能させるにはどうすればよいですか？ 可能であれば、アドバイスしてください。 ありがとう！
Re：不均衡なコントロール治療情報ありがとうございます！
「正しい」とはどういう意味かわかりませんが、標準の最小二乗モデルを見ると、モデルは有意ではないようです（また、主な効果と交互作用も、共通の有意性のしきい値である0.05をはるかに上回っています）。
このモデルでは、データの変動の34％しか説明されていませんが、これは非常に低い値です。
さまざまな組み合わせ（および以前に二変量解析で行ったテスト）の値を見ると、ソースおよびNレートパラメーターに大きな影響がない可能性があります。
十分なDFがないため、段階的に分析を再開するか、または単に相互作用なしで（最初に主効果を確認するだけで）分析を再開しようとする場合があります。
しかし、繰り返しになりますが、このテストデータセットには明確な傾向がないため、この小さな効果量を検出するのに十分なデータがないか、単に有意な効果がないかのどちらかだと思います。
さまざまな統計レポートとドメインの専門知識を使用して、次に何をすべきかを理解して決定することができます。
