Re : Test d'effet aléatoireMerci @Victor_G ,
Juste avant de passer en revue les suggestions que vous avez données, que faut-il faire avec l'ordre de valeur, si mes anneaux, bien qu'appelés Ring1 à Ring6, n'ont pas nécessairement besoin de suivre un ordre particulier ?
Re : Test d'effet aléatoireSalut @Gabriel ,
Par défaut, lorsque vous créez un plan en parcelles divisées dans JMP, les parcelles entières seront triées sous la forme 1, 2, 3, ... et ces informations seront enregistrées dans la propriété de la colonne.
Comme indiqué dans l'aide de JMP ( Ordre de valeur (jmp.com) ) : " Dans les conceptions créées à l'aide de la plupart des plates-formes DOE, les facteurs de catégorie, y compris les facteurs construits Whole Plots et Subplots, et les facteurs de blocage se voient attribuer la propriété Value Order. Cette propriété ordonne les niveaux selon l'ordre dans lequel ils apparaissent dans la section Facteurs. Les niveaux des facteurs construits sont des entiers consécutifs et la propriété Ordre des valeurs spécifie cet ordre naturel. Vous pouvez modifier la spécification de l'ordre de valeur pour n'importe quel facteur afin de répondre à vos besoins. "
L'ordre en lui-même n'est pas si important (il est lié à la façon dont vous avez spécifié vos facteurs), vous pouvez donc le modifier si nécessaire (puisque tous les blocs sont similaires en termes de répartition/distribution des expériences).
J'espère que cette réponse vous aidera,
Re : Test d'effet aléatoireSalut @Gabriel ,
D'après l'apparence de votre tableau et de votre description, votre conception ressemble à une conception en parcelles divisées, avec "Anneau" comme parcelle entière et "contamination" comme facteur difficile à modifier. L'espèce serait un facteur facile à modifier, et Dyn est votre réponse, mesurée à deux intervalles de temps (50 et 56 jours, le temps pourrait être utilisé comme facteur continu dans la conception).
Afin de créer une analyse pertinente avec un effet aléatoire, certaines propriétés de colonne doivent être définies avant :
En tant que bloc aléatoire, "Ring" est entièrement corrélé au facteur "contamination", et devrait avoir deux colonnes de propriétés :
- "Rôle de conception" défini comme "Bloc aléatoire",
- "Value Order" défini pour connaître l'ordre des anneaux.
En tant que facteur difficile à modifier, la "contamination" devrait avoir trois propriétés en colonne :
- "Rôle de conception" défini sur "Catégorique",
- "Factor Changes" défini sur "Hard",
- "Value Order" défini pour connaître l'ordre entre les niveaux bas et haut.
Mêmes propriétés pour les "espèces", mais la propriété "Factor Changes" doit être définie sur "Easy".
Pour les "jours", vous pouvez faire l'analyse de Dyn par jour et créer deux modèles distincts, un pour chaque période de temps, ou utiliser directement "jours" comme facteur continu et spécifier un modèle "factoriel au degré 2" (modèle avec effets et interactions à 2 facteurs) .
Une fois les propriétés définies, vous pouvez aller dans "Fit Model", et spécifier votre modèle (vous devrez peut-être choisir une personnalité "Mixed Model" pour que "Ring" puisse être ajouté et utilisé comme effets aléatoires dans le panneau Model Effects) :
EDIT : Vous pouvez également créer un modèle des moindres carrés, mais utilisez le triangle rouge à côté de "Attributs" avec Ring entré dans le modèle pour le spécifier comme effet aléatoire. Le même test sera effectué qu'avec la personnalité du modèle mixte (vous pouvez consulter les estimations des composants de variance REML et la valeur p de Wald pour évaluer si votre effet aléatoire est statistiquement significatif ou non). Cette possibilité de modèle a été ajoutée dans les scripts de la table de données.
Une fois que vous avez effectué l'analyse sur vos propres données, et en fonction des résultats du test d'effet aléatoire, vous pouvez également essayer d'autres modèles (régression généralisée sans effet aléatoire si elle n'est pas significative ou d'autres plateformes de modélisation).
J'espère que cette première réponse vous aidera.
Veuillez trouver ci-joint la table de données JMP utilisée avec toutes les propriétés de colonne définies et le script "Modèle mixte" que j'ai utilisé sur cet ensemble de données.
Test d'effet aléatoireSalut tout le monde, j'apprécierais une petite clarification ou des conseils sur ma conception expérimentale.
Mon expérience comporte deux traitements principaux : la contamination gazeuse (2 niveaux différents) et les espèces (2 espèces différentes). L'expérience est configurée de manière à avoir deux anneaux principaux (un pour chaque niveau de contamination), chacun contenant les deux espèces différentes. Chaque anneaux sont répliqués 3 fois, ce qui en fait 6 anneaux en tout pour évaluer mon paramètre d'intérêt.
Je suppose que l'hypothèse de base serait de tester les anneaux comme un effet aléatoire, mais je ne sais pas comment procéder. Comment puis-je estimer correctement l'effet de la contamination par le gaz, les espèces, les jours et leur effet interactif, une fois que j'ai satisfait mon hypothèse de normalité ?
Quelques conseils nécessaires, j'ai ajouté un exemple de données Excel.
Merci.
Ingénierie de la qualité et des procédésles fenêtresRe : Test d'effet aléatoireMerci beaucoup pour l'explication très détaillée, ça m'a beaucoup aidé.
Je voudrais clarifier le Régression généralisée en quoi est-ce différent de simplement faire le Moindres carrés directement? Cependant, j'ai remarqué quelques différences car la régression généralisée me permet d'explorer différents méthodes d'estimation . Cependant, quel est l'avantage ou la différence si j'ajuste directement les moindres carrés et que je le fais via la plate-forme de régression généralisée ?
Lorsque je fais les deux séparément pour mon paramètre d'intérêt, je vois des différences et des similitudes (voir pièce jointe), pourriez-vous s'il vous plaît expliquer pourquoi la différence (en particulier le Cv dans le test d'effet) ?
Re : Test d'effet aléatoiremerci @Victor_G . Je vois maintenant.
L'essentiel serait alors, quand utiliser quoi ? ou y a-t-il une nature spécifique de la variable nominale qui nécessite d'utiliser l'une sur l'autre si nous avons un ensemble de données normalement distribué ?
Par exemple CV dans ce cas doit rester nominal, car il n'y a pas d'ordre particulier. CO2 contamination (est élevée ou faible) mais pas dans un ordre particulier. Bien sûr, entrer des jours dans le modèle pour qu'ils apparaissent comme une variable continue.
Je ne suis pas seulement clair à ce sujet.
Merci.
Re : Test d'effet aléatoireSalut @Gabriel ,
Il semble que vous n'ayez que des variables nominales dans votre modèle.
J'ai peut-être trouvé un élément de réponse concernant votre question sur les différences de méthode d'estimation des Moindres Carrés entre les plateformes Régression Généralisée et Moindres Carrés :
" La paramétrisation des variables nominales utilisées dans la personnalité de régression généralisée diffère de leur paramétrisation à l'aide d'autres personnalités du modèle d'ajustement. La personnalité de régression généralisée utilise la paramétrisation de la fonction d'indicateur. Dans cette paramétrisation, l'estimation qui correspond à l'indicateur d'un niveau d'une variable nominale est une estimation de la différence entre la réponse moyenne à ce niveau et la réponse moyenne au dernier niveau. Le dernier niveau est le niveau avec le codage d'ordre de valeur le plus élevé ; c'est le niveau dont la fonction d'indicateur n'est pas incluse dans le modèle."
De : Lancer la personnalité de régression généralisée
Alors que dans Fit Model :
" Lorsque vous saisissez une colonne avec un type de modélisation nominal dans la fenêtre de lancement Ajuster le modèle, JMP la représente en interne sous la forme d'un ensemble de variables d'indicateur continu. Chaque variable prend uniquement les valeurs –1, 0 et 1. (Notez que ce codage est l'une des nombreuses façons d'utiliser des variables indicatrices pour coder des variables nominales.) Si votre colonne nominale a n niveaux, alors n –1 de ces variables indicatrices sont nécessaires pour le représenter. (Le besoin de n –1 les variables indicatrices sont directement liées au fait que l'effet principal associé à la colonne nominale a n –1 degrés de liberté.) Tous les détails sont couverts dans Facteurs nominaux . "
Depuis : Détails statistiques pour le codage des effets nominaux
Ainsi, la différence que vous voyez pourrait être liée à cette différence de codage des effets nominaux, donnant ainsi des valeurs d'estimation et des valeurs de p calculées différentes.
J'espère que cette réponse vous aidera à comprendre la différence,
Re : Test d'effet aléatoireSalut @Gabriel ,
Il se peut qu'il n'y ait pas de réponse définitive à votre question, car cela dépend fortement de vos facteurs, de votre sujet et de vos objectifs.
Pour autant que je comprenne les différences entre ces deux codages d'effets nominaux, je dirais que si vous vous attendez à évaluer les niveaux à partir d'un facteur nominal en comparant chaque niveau à un niveau spécifique, alors le codage nominal de la régression généralisée pourrait être plus approprié. Vous pouvez utiliser la propriété de colonne "Ordre des valeurs" pour spécifier l'ordre nécessaire afin qu'il corresponde à la conception de votre étude. Le dernier niveau du facteur sera utilisé pour la comparaison avec tous les autres niveaux.
Par exemple, dans l'exemple de table de données JMP "Cholesterol.jmp", je préférerais personnellement créer un modèle basé sur la plate-forme de régression généralisée avec la méthode d'estimation des moindres carrés standard, car cela permettrait au codage nominal de comparer chaque niveau d'effet de traitement au "Placebo " niveau d'effet de traitement (par défaut à cause de l'ordre alphabétique, mais en ajoutant une propriété de colonne "Ordre des valeurs" je peux modifier les comparaisons faites avec un autre niveau, comme "Contrôle"). C'est plus logique, car nous aimerions savoir quels sont les effets des différents traitements par rapport au placebo (ou au contrôle), et non par rapport à la moyenne calculée sur tous les différents niveaux.
Mais lorsque vous voulez savoir comment chaque niveau peut influencer la réponse moyenne calculée à tous les niveaux, alors la plate-forme des moindres carrés standard de Fit Model peut être plus utile.
Votre contamination en CO2 semble être un facteur ordinal, puisqu'il existe un "ordre naturel" entre haut et bas (élevé > bas), vous pouvez donc spécifier ce facteur comme ordinal, car c'est une information prise en compte dans le codage des facteurs ordinaux aussi : https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/ordinal-factors.shtml#ww96069
Si vous le spécifiez comme un effet ordinal et si vous n'avez que 2 niveaux, l'estimation de l'effet sera calculée en prenant la différence entre la réponse moyenne pour chaque niveau (Haut - Bas), alors qu'avec un codage nominal "normal" et 2 niveaux, l'estimation de l'effet sera calculée en prenant la différence entre la réponse moyenne d'un niveau et la réponse moyenne globale pour les deux niveaux (exemple : Élevé - Moyen (Élevé, Faible)).
J'espère que cette réponse apportera un peu plus de clarté à ce sujet complexe,
Re : Test d'effet aléatoireMerci @Victor_G . Je suppose que dans mon cas, la contamination par le CO2 est plus une variable ou un facteur nominal puisque le haut ou le bas ne sont que l'environnement dans lequel mes données sont collectées. Une chambre reçoit une contamination élevée en CO2 et l'autre est faible, et ma mesure de la réponse "A-Dyn" de la plante est prise dans les différentes chambres ouvertes.
Mais comme vous l'avez dit, le sujet est assez complexe à naviguer.
