Analisi di esperimenti combinatiCiao, sono uno studente laureato che fa ricerca agricola nel controllo fisico delle infestanti. La mia domanda è: come testare correttamente gli effetti dell'anno tra gli esperimenti in JMP Pro 16.0.0 (macOS)?
Ho progettato un esperimento di progettazione di blocchi completamente fattoriale completamente randomizzato che verifica l'angolo e la spaziatura dello strumento degli effetti sull'efficacia (proporzione di erbacce uccise). Ogni esperimento è composto da quattro blocchi, tre angoli dell'utensile e tre spaziature dell'utensile. Questo esperimento è stato replicato nel 2021 e nel 2022 in diversi campi (nella stessa azienda agricola).
Il modello che ho costruito è mostrato di seguito:
Anno (effetto casuale)
Blocco[Anno] (effetto casuale)
Anno*Angolo utensile (effetto casuale)
Anno*Spaziatura utensile (effetto casuale)
Anno*Angolo utensile*Spaziatura utensile (effetto casuale)
Angolo utensile (effetto fisso)
Spaziatura utensile (effetto fisso)
Angolo utensile*Spaziatura utensile (effetto fisso)
Mi è stato detto che è corretto. Ho visto questo modello in articoli di riviste, ma ho visto anche altri modelli usati da studenti/ricercatori. Altri modelli mostrano un effetto angolo utensile, ma il modello sopra non mostra alcun effetto angolo utensile. Sono confuso su quale sia corretto. Quando salvo i residui in JMP sono i residui di Anno*Angolo utensile*Spaziatura utensile (effetto casuale) ?
La mia altra domanda è: cosa significa quando il valore p di Wald non è significativo (per un effetto casuale nella tabella delle stime dei componenti della varianza REML), ma quando si esegue un test t di Student all'interno della scheda Dettagli effetto, gli esperimenti sono statisticamente diversi tra loro?
Tutti i pensieri sono apprezzati.
AnaliticaRi: Analisi di esperimenti combinatiIl modello include un termine per l'effetto fisso dell'angolo dell'utensile. È il terzo dal fondo dell'elenco sopra.
Il test di Wald è per una stima della varianza diversa da zero. Il test dell'effetto è un test F per una stima del parametro diversa da zero. Potresti per favore pubblicare un'immagine della finestra Fit Least Squares in cui possiamo vedere il contorno REML e il contorno del test degli effetti?
Ri: Analisi di esperimenti combinatiCiao Mark,
Per la mia prima domanda avrei dovuto specificare, intendevo dire che vedo un effetto significativo nell'angolo dell'utensile (P <0,0001) quando si utilizza "Opzione2" e nessun effetto significativo nell'angolo dell'utensile (P = 0,0988) quando si utilizza "Opzione1". Sembra che ci siano così tanti termini nell'Opzione 1 che sto perdendo la capacità di rilevare l'effetto dell'angolo dell'utensile sull'efficacia.
La mia seconda domanda è per un altro esperimento. Ho allegato alcune foto qui sotto. Voglio verificare se i due esperimenti sul campo sono statisticamente diversi l'uno dall'altro.
Ri: Analisi di esperimenti combinatiLa differenza tra l'opzione 1 e l'opzione 2 è che hai prima incluso i termini di interazione con Year per gli effetti casuali, ma non hai incluso queste interazioni nel secondo modello. Il secondo modello fornisce molti più gradi di libertà (DF) per l'effetto fisso, quindi il rapporto F è più sensibile nella seconda analisi.
Dovrei commentare che mentre è corretto modellare alcuni degli effetti come casuali, hai una replica così piccola per questi fattori che la stima è piuttosto scarsa. (Due anni, quattro blocchi) Viene eseguito correttamente ma con grande incertezza nella stima.
A volte consideriamo un esperimento come un insieme di test di ipotesi fisse. Altre volte lo consideriamo un'opportunità per esplorare con il modello per scoprire cosa potrebbe accadere. La seconda vista inizierebbe con un modello estremo (tutti i termini fuori tranne l'intercettazione fuori o tutti i termini dentro) e poi funzionerebbe nella direzione opposta. È possibile utilizzare l'opzione 2 e rimuovere un termine alla volta, selezionando sempre il termine meno significativo (valore p più alto) e rimuovendolo. Esaminare completamente l'analisi risultante in ogni passaggio.
Sembra che tu abbia avuto delle ipotesi all'inizio del tuo esperimento. In che modo queste aspettative si allineano con i risultati dell'analisi? Quali risultati ti hanno sorpreso?
Per quanto riguarda il secondo esperimento, considererei l'Esperimento come un effetto fisso per questo test. Hai solo due livelli. quindi testare una differenza per varianza difficilmente troverà cambiamenti enormi. È possibile utilizzare la tabella dei test sugli effetti per decidere se è significativo come effetto fisso.
Ri: Analisi di esperimenti combinatiGrazie per il tuo contributo su questo, aiuta molto. Ha senso che la stima sia scarsa. Con questi grandi esperimenti esaurisci rapidamente lo spazio e il lavoro. È certamente difficile rilevare piccole differenze.
Ho ipotizzato che un'impostazione dell'angolo dell'utensile "in salita" avrebbe causato una maggiore mortalità delle infestanti e che la spaziatura degli utensili sarebbe aumentata in aggressività man mano che gli strumenti si avvicinavano l'uno all'altro. Togliendo alcuni dei termini meno significativi nel modello, posso vedere che l'hilling ha causato una maggiore mortalità delle infestanti, ma sono rimasto molto sorpreso di non vedere un significativo effetto di spaziatura degli strumenti. Questo è stato piuttosto interessante per me.
Grazie anche per i tuoi pensieri sul secondo esperimento.
