Modelo mixto linealEstimados,
Soy un novato en estadísticas y esta es la primera vez que uso jmp, pero tengo algunos conocimientos sobre spss. Primero traté de hacerlo solo, pero es demasiado difícil. espero que alguno de ustedes me pueda ayudar con lo siguiente:
He recolectado muestras de suelo de 3 lugares diferentes (con tipos de suelo y condiciones climáticas totalmente diferentes) y medido el pH, EC y C/N. Hay un sitio experimental establecido en cada ubicación. Cada ubicación contiene 2 variedades de plantas y cada variedad tiene 2 tratamientos diferentes. Uno es Control, y el otro se modifica con fertilizante extra (nitrógeno y fósforo).
Lo que quiero hacer es analizar el efecto del tratamiento. Por lo tanto, quiero usar LMM.
Lo que creo es lo correcto: la ubicación y la variedad son factores aleatorios. Sin embargo, no estoy seguro de si debería incluir la variedad en mi modelo. Y el factor fijo es 'Tratamiento'.
Y no sé cómo debo verificar la normalidad del término de error. ¿Acaba de poner esos factores en 'Efecto del modelo de construcción' sin la interacción de los factores?
Atentamente.
Re: Modelo Lineal MixtoEntonces, después de aplicar el Box cox, la distribución de los riesgos debería ser normal, ¿verdad? en mi caso no es...
¿Existe tal vez otra prueba estadística que pueda usar para analizar mis datos?
Re: Modelo Lineal MixtoSeguro.Por lo tanto, Box-Cox recomienda alguna transformación óptima para que su varianza sea más homogénea y los residuos más normales.Básicamente, evalúa el SSE para el modelo en un rango de transformaciones de potencia (y^λ), excepto que el valor λ = 0 indica una transformación logarítmica natural.La transformación que minimiza el SSE es la "mejor" transformación.Sin embargo, la parte inferior de la curva suele ser un poco plana, por lo que puede elegir varias transformaciones dentro de un vecindario. Por lo general, desea elegir uno que corresponda a algo significativo.Por ejemplo, si Best λ = -0.98, elegiría tomar el inverso porque -0.98 está muy cerca de -1.
Aquí hay un ejemplo: generé un modelo lineal usando errores normales y elevé al cuadrado todos los valores de respuesta.Debería esperar que Box-Cox me diga que necesito sacar la raíz cuadrada para tener datos normales nuevamente.Esto es lo que realmente obtuve:
Puedes ver que la "mejor" transformación es 0.451, pero sé que la respuesta real es 0.5 y esto está muy cerca.Si no supiera la respuesta real, aún elegiría 0.5. Puede volver a ejecutar su modelo con la transformación deseada haciendo clic en la flecha roja junto a "Transformaciones de Box-Cox" y seleccionando "Reemplazar con transformación".Aparecerá un cuadro emergente que le pedirá que escriba el valor que desea.Pulse Aceptar y obtendrá un nuevo modelo de ajuste con la respuesta transformada.
Re: Modelo Lineal Mixto¡Gracias!
Intenté su primera sugerencia, pero los residuos aún no estaban distribuidos normalmente.
Y sobre tu segunda sugerencia, hice la prueba, pero realmente no entiendo qué hacer con esto. ¿Podrías iluminarme?
Re: Modelo Lineal MixtoTus colas son un poco pesadas, pero en realidad no es tan grave.Dependiendo de su nivel de comodidad, podría justificar no tomar ninguna acción correctiva.Es probable que su modelo no esté sesgado de ninguna manera por las colas más pesadas, pero sus intervalos de predicción podrían ser un poco más estrechos de lo que deberían ser.
Si desea abordarlo, le recomiendo tratar todo como efectos fijos temporalmente para que pueda profundizar un poco más.Haga un modelo factorial completo con todos los términos de su modelo y observe los residuos para ver si son más normales.Si se ven bien, vea si alguno de los términos adicionales del modelo es significativo.Si lo son, puede incorporarlos a su modelo mixto y volver a ejecutar.
También puede probar un análisis de Box-Cox en Ajustar modelo mientras trata todos los efectos como fijos (no disponible para modelos mixtos) siempre que los puntos de datos sean todos positivos.Dado que su respuesta es pH, supongo que eso no será un problema.Esto recomendará una transformación de potencia que mejor "normalizará" los residuales.
Re: Modelo Lineal Mixtohay 215 muestras.
Re: Modelo Lineal Mixto¿Qué tan grande es su conjunto de datos total?Publique el diagrama de cuantiles normal y puedo ayudarlo desde allí.
Re: Modelo Lineal Mixto¡Hola!
¡Muchas gracias por su respuesta!
Intenté lo que dijiste, pero los residuos condicionales no tenían una distribución normal. Intenté transformar con log(y), pero no funcionó. ¿Tal vez tienes otra sugerencia para esto? Y además, para obtener los residuos condicionales, no era necesario aplicar 'full factorial', ¿no?
Atentamente
Re: Modelo Lineal MixtoHola @Ashya ,
¡Bienvenido a la comunidad!
Estoy de acuerdo en que la ubicación es probablemente un buen candidato para un efecto aleatorio, pero creo que las variedades de plantas se arreglarían junto con el tratamiento.No sería necesariamente incorrecto tratar la variedad como aleatoria, pero parece un poco extraño a menos que las variedades que probó hayan sido seleccionadas para ser una muestra representativa de todas las variedades a las que le gustaría generalizar los resultados.Tener otros efectos fijos además del tratamiento no disminuye su capacidad para comparar la eficacia del tratamiento entre variedades de plantas.
Puede ajustar el modelo apropiado de varias maneras en la plataforma Ajustar modelo si tiene JMP Pro.La personalidad Mixed Model en Fit Model es preferible si tienes Pro.Si acaba de tener JMP base, puede especificar su modelo de esta manera:
Nuevamente, puede tratar la variedad como aleatoria si realmente lo desea.Definitivamente no lo excluiría, porque si explica gran parte de la varianza, excluir ese término hará que toda la varianza explicada por la variedad vaya al ruido residual, y su prueba para el efecto del tratamiento será menos poderosa.
En cuanto a la verificación de suposiciones, querrá hacerlo en función de los residuos condicionales en lugar de los residuos regulares ("marginales") porque los residuos marginales no consideran los efectos aleatorios y pueden hacer que las gráficas de diagnóstico parezcan fallar en la suposición.Para obtener los residuos condicionales sin JMP Pro, vaya a la flecha roja en la ventana del informe > Guardar > Guardar residuos condicionales.Luego, deberá representarlos en distribución para verificar la normalidad con un gráfico de cuantiles normales o una prueba de Shapiro-Wilk para la bondad de ajuste después de ajustar una distribución normal a los residuos condicionales.
De manera similar, puede trazar los residuos condicionales en un gráfico de ejecución para verificar la independencia.Si desea crear un gráfico residual frente a predicho, también querrá guardar los valores predichos condicionales y luego construir el gráfico en algo como Graph Builder.
Si tiene JMP Pro, puede obtener todas las gráficas de residuos condicionales dentro del informe Ajustar modelo con la personalidad de Modelos mixtos, lo cual es realmente bueno.
