Esplorare i dati con ANCOVACiao,
Ho 3 variabili indipendenti, una covariata continua (massa), una variabile nominale categoriale (sesso: M e F) e un'altra variabile nominale categoriale (posizione del sito: nord, centro e sud) e una variabile dipendente, continua (concentrazione di mercurio) . Sono interessato a verificare l'ipotesi "Se la variazione di massa e sesso in un organismo può essere standardizzata (omogeneizzata, spiegata, appianata), allora quell'animale può riflettere la biodisponibilità del mercurio nel sito della posizione Nord, posizione Media , e posizione meridionale."
Ho cercato di esplorare l'uso di un ANCOVA, includendo la mia covariata (massa) nella mia analisi del modello di adattamento con la variabile categoriale (sesso) e l'altra variabile categoriale (posizione del sito), nonché i termini di interazione. La mia intenzione è tenere conto della massa e del sesso all'interno dell'adattamento del modello, posso costruire un grafico di interazione per le posizioni del sito per vedere se c'è una differenza nella concentrazione di mercurio tra di loro e riportare i loro LSmeans poiché sono stati aggiustati statisticamente come se i sessi all'interno di quei luoghi aveva una massa standardizzata.
Y= concentrazione di mercurio
X Messa + Posizione del sito + sesso + Massa*Sesso + Massa*Posizione del sito
È interessante notare che, quando questo modello viene eseguito, questo è l'aspetto del mio test degli effetti
Voglio convalidare che dopo aver tenuto conto della covariata in quanto covariante con la concentrazione di mercurio del sesso e la concentrazione di mercurio della posizione del sito, scopriamo che non ci sono differenze statistiche tra i sessi e tra i siti.
Sono curioso di sapere se sto trattando correttamente le mie variabili indipendenti qui data l'ipotesi che voglio testare. Tutta l'assistenza sarà utile
AnaliticaMac OSRe: Esplorare i dati con ANCOVAQuesta è la cosa divertente delle ipotesi. Non escono tutti come pensavamo. (Scommetto che Yogi Bera potrebbe avere almeno una citazione in tal senso.)
Supponendo che non ci siano problemi di dati, ridurrei il modello. Un'interazione sembra essere importante se non statisticamente significativa a un alfa arbitrario = 0,05. Riduci il modello un termine alla volta, partendo dai termini di ordine superiore. Rimuoverei SEX*MASS. I valori SS e p cambieranno con il modello ridotto. Successivamente rimuoverei SEX a meno che non diventi importante.
Assumiamo che i dati siano corretti. Cerca problemi di dati utilizzando i grafici di dati da soli e all'interno della piattaforma di modellazione.
Assumiamo che il modello sia imparziale (nessuna mancanza di adattamento), le stime siano ragionevolmente non correlate e la varianza della risposta sia costante e normalmente distribuita. Gli errori dovrebbero essere ~N( 0, sigma ). Utilizzare i grafici dei residui forniti per valutare questi presupposti.
Re: Esplorare i dati con ANCOVAScusa, sono un po' confuso dalla tua terminologia. Le covariate sono tipicamente associate al disegno sperimentale. Le covariate sono tipicamente fattori di rumore (fattori che sono impossibili/difficili/costosi da controllare). Non sembra che tu abbia un progetto sperimentale, ma più probabilmente un piano di campionamento in cui hai identificato le x associate ai dati raccolti, ma potrei interpretare male la tua situazione.
Se avevi un progetto sperimentale, sembra che tu abbia 2 fattori (sesso e posizione del sito) e una covariata. È corretto? La covariata è intesa come una variabile casuale (rumore misurabile) che ha un valore numerico per ogni trattamento. Il modello risultante è un modello misto (effetti fissi, fattori manipolati a livelli specificati e variabile casuale).Di solito non si cercano le interazioni tra covariate e fattori nel modello. La covariata è in genere il rumore (una variabile incontrollabile) di cui si desidera assegnare e rimuovere gli effetti per aumentare la precisione del rilevamento degli effetti del fattore manipolato.
Esistono numerosi metodi per analizzare un set di dati esistente per cercare relazioni tra x (massa, sesso e posizione) e y.
