Selezione del modello per esperimenti progettati con blocchiA volte ricevo domande su come selezionare il modello "migliore" dagli esperimenti con i blocchi. Ti consigliamo di modellare i blocchi come effetti casuali, il che significa che non puoi utilizzare le personalità di regressione graduale o generalizzata per la selezione del modello perché supportano solo effetti fissi.
In questo video parlo di:
- Perché blocchiamo gli esperimenti
- Effetti fissi rispetto a quelli casuali
- Modellazione REML
- Strategie di selezione del modello con effetti casuali
Re: Selezione del modello per esperimenti progettati con blocchiCiao @mjz5448 ,
La raccomandazione è di mantenere l'effetto blocco. Questo perché influenzerà i test di significatività statistica sugli effetti fattoriali. C'è un errore correttamente attribuito al blocco e non si vuole che questo "contamini" l'errore stimato per gli effetti fattoriali. Spero che sia sensato. Nella maggior parte dei casi non farà una grande differenza per le conclusioni.
Phil
Re: Selezione del modello per esperimenti progettati con blocchiGrazie @Phil_Kay ,
Quindi stai dicendo che il motivo per cui si lascia un effetto blocco non significativo in un modello, invece di un effetto fattore non significativo, è dovuto al fatto che si è più certi (o forse al 100%?) di poter attribuire una certa quantità di errore al blocco, mentre con gli effetti principali o i termini di ordine superiore diventa più ambiguo a causa di effetti confondenti, ecc.?
Re: Selezione del modello per esperimenti progettati con blocchi@mjz5448 - Più o meno. Sappiamo che esiste una fonte di errore dovuta alle variazioni tra i blocchi. Quindi dovremmo includere l'effetto blocco per catturare questa fonte di errore, anche se non risulta statisticamente significativa. Questo significa che avremo la migliore stima di errore per i test di significatività dei nostri effetti fattoriali. Un altro ottimo motivo per includere l'effetto blocco è perché @Mark_Bailey lo consiglia. Per me è sempre una ragione sufficiente!:)
