514433_es-ES

liliconcom

Tratamiento de control desequilibrado

Tengo 4 N Rates (0, 140, 168, 224) y tres fuentes N (CRU-60, CRU-75, U)

El control o la tasa de 0 N no tienen una fuente adjunta ya que no se aplica fertilizante

Cuando ejecuto los efectos principal y de interacción, el control no se analiza. Además, cuando miro mi anova, ¿debo esperar ver un modelo con un df de 9 (tasa de 3 N * fuente de 3 N + control)? Si es así, no estoy entendiendo eso. Subí un ejemplo de cómo configuré los datos. No estoy seguro de qué poner debajo de la columna de fuente N para una tasa de 0 N. Mi variable de respuesta es SorTC. En última instancia, me gustaría realizar un análisis Tukey en el que se pueda evaluar el control frente a los tratamientos fertilizados. Por favor aconséjame. ¡Gracias!

AnalíticaRe: Tratamiento de control desequilibrado

Hola @MANOVALogKoala1 ,

¿Podría describir qué plataforma utiliza (supongo que "Fit Model" para detectar efectos e interacciones principales, y "Fit Y by X" para ANOVA?)? También puede ser más inteligente agregar "0" en su fuente de control, para que su grupo de control no se considere como "valor faltante" (y le impida mirar los resultados de control en las diferentes plataformas).

 

• Para la plataforma "Fit Model" no tengo suficiente información sobre las opciones de modelado que ha elegido, pero un buen comienzo sería probar si su efecto de bloqueo es significativo o no a través de la personalidad "Mixed Model". Puede agregar una propiedad de columna en su "Columna de bloque" agregando el "Rol de diseño": bloqueando y cambiando el tipo de datos de numérico continuo a numérico nominal. Luego, enumera su efecto: tasa N, fuente N y tasa N x fuente N, y agrega su columna "Bloque" como un "Efecto aleatorio".
  Cuando inicie el análisis, debería tener esta pantalla (vea la imagen Mixed_model_test). Al observar el valor p de Wald, su parámetro de bloqueo no parece significativo, por lo que puede eliminarse en un análisis posterior (por ejemplo, al relanzar la plataforma "Fit Model" con una personalidad diferente, como Standard Least Squares (JMP) o Regresión generalizada (JMP Pro) con la distribución de respuesta correcta en la opción "Distribución" (en sus datos de prueba, la distribución de respuesta se parece a la distribución de Weibull).

 

• Para la plataforma "Fit Y by X" (ANOVA), tiene la opción según su objetivo:
  • Si su objetivo es comparar el efecto de la fuente con una fuente de control 0, puede elegir la prueba de Dunnett, que solo comparará cada fuente candidata con el grupo de control 0. No hará comparaciones entre fuentes candidatas.
  • Si su objetivo es comparar cada efecto de fuente según la respuesta, entonces Tukey puede ser apropiado (ver imagen).

 

Tenga cuidado en su análisis con "Ajustar Y por X", ya que las pruebas de Tukey o Dunnett son pruebas paramétricas, por lo que debe verificar tres suposiciones en sus datos: independencia de las observaciones, normalidad (o cerca de la normalidad) y varianzas iguales. Aquí, al observar los datos de prueba, es posible que no se respeten las varianzas iguales (eso podría deberse a tamaños de muestra bajos), y solo tiene una normalidad aproximada cuando observa el gráfico de cuantiles normales. Para tener más confianza en sus pruebas estadísticas, recomendaría usar pruebas no paramétricas: Steel with Control (equivalente no paramétrico a Dunnett) o Steel-Dwass, All Pairs (equivalente no paramétrico a la prueba de Tukey).

Espero que te ayude,

Re: Tratamiento de control desequilibrado

¡Gracias por su respuesta! Estoy usando Fit Model para Detecto los principales efectos e interacciones entre la tasa de N y la fuente de N y estoy usando los mínimos cuadrados estándar de personalidad. Ejecuté el análisis sin el bloque por ahora solo para ver el ANOVA para el principal y la interacción, que parece correcto para el modelo DF que es 9 (se adjunta el pdf). Ejecuté Tukey para todas las interacciones principales y para mostrar que las comparaciones que busco se muestran para cada efecto, lo cual es excelente. El único problema es que se pierden los grados de libertad para la tasa y la fuente de N y, por lo tanto, el análisis no está funcionando. Me gusta cómo en su análisis unidireccional tuvo el acto de control como un efecto de fuente. ¿Cómo hago para que el control actúe como fuente y califique el efecto en mi modelo cuando uso Ajustar modelo? Si es posible, por favor consejo. ¡Gracias!

Re: Tratamiento de control desequilibrado

Ok gracias por la info!

No estoy seguro de lo que quiere decir con "correcto", pero mirando su modelo estándar de mínimos cuadrados, parece que su modelo no es significativo (y tampoco lo son los efectos principales y la interacción, muy por encima del umbral de significancia común de 0.05).
Solo el 34% de la variabilidad en los datos se explica por este modelo, que es bastante bajo.
Mirando los valores para las diferentes combinaciones (y las pruebas que hice anteriormente en un análisis bivariado), es posible que no tenga efectos significativos para sus parámetros de fuente y tasa de N.
Dado que no tiene suficiente DF, puede intentar relanzar el análisis paso a paso, o simplemente sin la interacción (solo observando primero los efectos principales).
Pero una vez más, no hay una tendencia clara en este conjunto de datos de prueba, por lo que claramente creo que no hay suficientes datos para detectar este tamaño de efecto pequeño o simplemente no hay un efecto significativo.

Con los diferentes informes estadísticos y su experiencia en el campo, podrá comprender y decidir qué hacer a continuación.