Analyse des expériences combinéesBonjour, je suis un étudiant diplômé faisant de la recherche agricole en désherbage physique. Ma question est de savoir comment tester correctement les effets de l'année entre les expériences dans JMP Pro 16.0.0 (macOS) ?
J'ai conçu une expérience de conception de blocs entièrement randomisée entièrement factorielle qui teste l'angle et l'espacement des outils d'effets sur l'efficacité (proportion de mauvaises herbes tuées). Chaque expérience consiste en quatre blocs, trois angles d'outil et trois espacements d'outil. Cette expérience a été répliquée en 2021 et 2022 dans différents champs (sur la même ferme).
Le modèle que j'ai construit est illustré ci-dessous:
Année (effet aléatoire)
Bloc[Année] (effet aléatoire)
Année*Angle d'outil (effet aléatoire)
Année*Espacement des outils (effet aléatoire)
Année*Angle d'outil*Espacement d'outil (effet aléatoire)
Angle d'outil (effet fixe)
Espacement des outils (effet fixe)
Angle d'outil*Espacement d'outil (effet fixe)
On m'a dit que c'était correct. J'ai vu ce modèle dans des articles de revues, mais j'ai aussi vu d'autres modèles utilisés par des étudiants/chercheurs. D'autres modèles montrent un effet d'angle d'outil, mais le modèle ci-dessus ne montre aucun effet d'angle d'outil. Je suis confus quant à ce qui est correct. Lorsque j'enregistre des résidus dans JMP, sont-ils les résidus de Année*Angle d'outil*Espacement d'outil (effet aléatoire) ?
Mon autre question est la suivante: qu'est-ce que cela signifie lorsque la valeur p de Wald n'est pas significative (pour un effet aléatoire dans le tableau des estimations des composants de variance REML), mais lorsque vous effectuez un test t des étudiants dans l'onglet Détails de l'effet, les expériences sont statistiquement différents les uns des autres ?
Toutes les pensées sont appréciées.
AnalytiqueObjet : Analyse d'expériences combinéesVotre modèle comprend un terme pour l'effet fixe de l'angle de l'outil. Il est le troisième à partir du bas de la liste ci-dessus.
Le test de Wald est pour une estimation de la variance différente de zéro. Le test d'effet est un test F pour une estimation de paramètre différente de zéro. Pourriez-vous s'il vous plaît poster une photo de la fenêtre Fit Least Squares où nous pouvons voir le contour REML et le contour du test d'effet?
Objet : Analyse d'expériences combinéesSalut Mark,
Pour ma première question, j'aurais dû préciser, je voulais dire que je vois un effet significatif sur l'angle de l'outil (P <0,0001) lors de l'utilisation de "Option2" et aucun effet significatif sur l'angle de l'outil (P = 0,0988) lors de l'utilisation de "Option1". Il semble qu'il y ait tellement de termes dans l'option 1 que je perds ma capacité à détecter l'effet de l'angle de l'outil sur l'efficacité.
Ma deuxième question concerne une autre expérience. J'ai joint quelques photos ci-dessous. Je veux tester si les deux expériences de terrain sont statistiquement différentes l'une de l'autre.
Objet : Analyse d'expériences combinéesLa différence entre l'option 1 et l'option 2 est que vous avez d'abord inclus les termes d'interaction avec Année pour les effets aléatoires, mais vous n'avez pas inclus ces interactions dans le second modèle. Le deuxième modèle fournit beaucoup plus de degrés de liberté (DF) pour l'effet fixe, de sorte que le rapport F est plus sensible dans la deuxième analyse.
Je dois dire que s'il est correct de modéliser certains des effets comme aléatoires, vous avez une réplication si petite pour ces facteurs que l'estimation est assez médiocre. (Deux ans, quatre blocs) C'est fait correctement mais avec une grande incertitude dans l'estimation.
Parfois, nous considérons une expérience comme un ensemble de tests d'hypothèses fixes. D'autres fois, nous le considérons comme une chance d'explorer avec le modèle pour savoir ce qui pourrait se passer. La deuxième vue commencerait avec un modèle extrême (tous les termes à l'exception de l'interception ou tous les termes à l'intérieur) et travaillerait ensuite dans la direction opposée. Vous pouvez utiliser l'option 2 et supprimer un terme à la fois, en sélectionnant toujours le terme le moins significatif (valeur p la plus élevée) et en le supprimant. Examinez entièrement l'analyse résultante à chaque étape.
Il semble que vous ayez eu des hypothèses au début de votre expérience. Comment ces attentes correspondent-elles aux résultats de l'analyse ? Quels résultats vous ont surpris ?
En ce qui concerne la deuxième expérience, je traiterais l'expérience comme un effet fixe pour ce test. Vous n'avez que deux niveaux. donc tester une différence par variance ne trouvera probablement que des changements énormes. Vous pouvez utiliser le tableau Tests d'effet pour décider s'il est significatif en tant qu'effet fixe.
Objet : Analyse d'expériences combinéesMerci pour votre contribution à ce sujet, cela aide beaucoup. Il est logique que l'estimation soit mauvaise. Avec ces grandes expériences, vous manquez rapidement d'espace et de main-d'œuvre. Il est certainement difficile de détecter des différences mineures.
J'ai émis l'hypothèse qu'un réglage d'angle d'outil "en pente" entraînerait une mortalité plus élevée des mauvaises herbes et que l'espacement des outils augmenterait en agressivité plus les outils se rapprochaient les uns des autres. En supprimant certains des termes les moins significatifs du modèle, je peux voir que le buttage a entraîné une mortalité plus élevée des mauvaises herbes, mais j'ai été très surpris de ne pas voir un effet significatif d'espacement des outils. C'était assez intéressant pour moi.
Merci également pour vos réflexions sur la deuxième expérience.
