複合実験の分析こんにちは、私は物理的な雑草防除に関する農業研究を行っている大学院生です。 私の質問は、JMP Pro 16.0.0 (macOS) で実験間の年の影響を適切にテストする方法です。
私は、効果ツールの角度と有効性 (殺した雑草の割合) に対する間隔をテストする、完全な要因による完全にランダム化されたブロック デザイン実験を設計しました。 各実験は、4 つのブロック、3 つのツール角度、および 3 つのツール間隔で構成されます。 この実験は、2021 年と 2022 年に異なるフィールド (同じ農場) で再現されました。
私が構築したモデルを以下に示します。
年（変量効果）
ブロック[年] (ランダム効果)
年*ツール角度 (ランダム効果)
年*ツール間隔 (ランダム効果)
年*工具角度*工具間隔 (ランダム効果)
ツール角度 (固定効果)
ツール間隔 (固定効果)
ツール角度*ツール間隔 (固定効果)
これが正しいと言われました。 このモデルは雑誌の記事で見たことがありますが、学生や研究者が使用している他のモデルも見てきました。 他のモデルでは工具角度の影響が見られますが、上記のモデルでは工具角度の影響は見られません。 どちらが正しいか迷っています。 JMP で残差を保存すると、残差は年*工具角度*工具間隔 (ランダム効果) ?
もう 1 つの質問は、Wald p 値が有意でない場合 (REML 分散成分推定表のランダム効果の場合) は何を意味するのかということですが、[効果の詳細] タブ内でスチューデントの t 検定を実行すると、実験は次のようになります。統計的に違う？
どんな考えでも大歓迎です。
分析Re: 複合実験の分析モデルには、工具角度の固定効果の用語が含まれています。 上記のリストの下から 3 番目です。
Wald 検定は、ゼロ以外の分散推定に対するものです。 効果検定は、ゼロ以外のパラメーター推定値に対する F 検定です。 REML アウトライナーと効果テストのアウトラインが表示されている最小二乗法ウィンドウの写真を投稿していただけませんか?
Re: 複合実験の分析ハイマーク、
最初の質問で指定する必要があったのは、「オプション 2」を使用すると工具角度に有意な効果が見られ (P < 0.0001)、「オプション 1」を使用すると工具角度に有意な効果が見られない (P = 0.0988) ということでした。 オプション 1 には非常に多くの用語が含まれているようで、有効性に対するツール角度の影響を検出する能力が失われています。
2 番目の質問は、別の実験に関するものです。 以下にいくつかの写真を添付しました。 2 つのフィールド実験が統計的に異なるかどうかをテストしたいと思います。
Re: 複合実験の分析オプション 1 とオプション 2 の違いは、最初に変量効果の年の交互作用項を含めましたが、2 番目のモデルにはこれらの交互作用項を含めなかったことです。 2 番目のモデルでは、固定効果に対してより多くの自由度 (DF) が提供されるため、2 番目の分析では F 比がより敏感になります。
一部の効果をランダムとしてモデル化することは正しいが、これらの要因の複製が非常に小さいため、推定が非常に貧弱であることをコメントしておく必要があります。 (2 年、4 ブロック) 正しく行われていますが、見積もりには大きな不確実性があります。
実験を固定仮説検定のセットと見なすことがあります。 また、何が起こっているのかを知るためにモデルを探索するチャンスと見なすこともあります。 2 番目のビューは、極端なモデル (インターセプト アウトまたはすべての項を除くすべての項がアウト) から開始し、反対方向に機能します。 オプション 2 を使用して、一度に 1 つの項を削除し、常に最も有意でない (p 値が最も高い) 項を選択して削除します。 各ステップで得られた分析を十分に調べます。
実験の開始時に仮説を立てていたようです。 これらの期待は、分析の結果とどのように一致していますか? どのような結果があなたを驚かせましたか?
2 番目の実験については、実験をこのテストの固定効果として扱います。 レベルは 2 つしかありません。そのため、分散による違いをテストしても、大きな変化以外はほとんど見つかりません。 効果検定表を使用して、固定効果として有意であるかどうかを判断できます。
Re: 複合実験の分析これについてご意見をお寄せいただきありがとうございます。 見積もりが悪いのは当然です。 これらの大規模な実験では、スペースと労力がすぐに不足します。 微妙な違いを検出するのは確かに困難です。
私は、「傾斜」ツール角度設定がより高い雑草の死亡率を引き起こし、ツールが互いに近づくほどツール間隔が積極的に増加すると仮定しました. モデルの重要度の低い項をいくつか除外すると、丘陵化によって雑草の死亡率が高くなることがわかりますが、ツールの間隔に大きな影響が見られないことに非常に驚きました。 それは私にとって非常に興味深いものでした。
2回目の実験についてもご意見ありがとうございます。
