Hola,
No he podido encontrar muchos recursos para este problema en particular.
Contexto:
Estoy trabajando en la emergencia de insectos (después de la metamorfosis). Estamos registrando la proporción de la población inicial que emerge con el tiempo.
Para un grupo de individuos, este fenómeno siempre sigue un modelo logístico de 3 parámetros, pero diferentes grupos tendrán diferentes parámetros.
Estamos tratando de determinar si un tratamiento cambiará los parámetros de la curva de emergencia. Cualquier cambio significativo en uno o varios de los parámetros es relevante
Ej: si cambio la humedad ambiental en mi espacio de crianza, ¿la emergencia será más rápida (impacto en el punto de inflexión, tasa de crecimiento)? ¿Tendrá un costo para los individuos (impacto en la asíntota)?
Para responder a esta pregunta, estamos realizando experimentos en los que n-1 grupos reciben los niveles n-1 de un tratamiento y un grupo es un control. Generamos n "curvas de emergencia", siendo cada una descrita por su vector de 3 parámetros.
Como sabemos que podemos tener efectos de cohorte o ambientales, el experimento se replica m veces. Dentro de un experimento (curvas nxm generadas), cada curva se modela a partir de un tamaño de muestra fijo (generalmente alrededor de 400 individuos). m es relativamente pequeño (<10)
¿Cómo podemos concluir que el factor tiene efecto sobre uno o varios parámetros de las curvas?
- Una opción sería utilizar las "pruebas de equivalencia" (paralelismo) que ya están incluidas en JMP, pero que solo permiten comparar dos curvas a la vez. Se describen como pruebas heredadas y parecen algo criticadas.
- ¿Analizar cada factor por separado (ANOVA y equivalentes no paramétricos)? Hay algunas correlaciones entre los parámetros de las curvas (probado con la correlación de Pearson, 2 por 2)
- ¿Usando un enfoque Manova? Realmente no estoy familiarizado con Manova, así que me gustaría saber si sería un enfoque válido antes de profundizar en el tema.
- ¿Otras sugerencias?
Puedo compartir algunos datos de muestra si es necesario (datos de emergencia sin procesar o una tabla con parámetros)
