Falsche Fehlerterme in einem Split-Plot-DesignIn JMP 17.0 bin ich nicht in der Lage, die richtigen Nenner-Freiheitsgrade zum Testen des Gesamtplot-Terms zu generieren, was meiner Meinung nach ein Split-Plot-Design ist. Das Design sieht wie folgt aus (eine einfache Datendatei ist beigefügt):
- 44 Standorte (ganze Grundstücke) mit jeweils zwei Nebengrundstücken
- Von den gesamten Parzellen erhalten 27 die Behandlung T und 17 die Behandlung UT
- Nebenhandlungen erhalten die Behandlung B oder UB
Ich habe versucht, das Modell sowohl mit SLS- als auch mit gemischten Modellpersönlichkeiten zu strukturieren und dabei die JMP-Tutorials für Split-Plot-Designs befolgt.Modelle erzeugen einen Nenner df von 42 zum Testen der Subplot- und Gesamtplot-x-Subplot-Faktoren (was angemessen erscheint). Sie erzeugen jedoch die gleichen dfs zum Testen des gesamten Plot-Terms, was überhöht erscheint. Wir wären dankbar für Ratschläge, ob und wie dies als Split-Plot-Design modelliert werden kann.
Daten liegen bei.
Grundlegende Datenanalyse und ModellierungBetreff: Falsche Fehlerterme in einem Split-Plot-DesignHallo @cbhalpern ,
Ich bin ein wenig verwirrt über den Entwurf, den Sie vorgeschlagen haben, und über die Definition, die Sie für die gesamte Handlung und die Nebenhandlungen haben.
Wenn Sie 44 Standorte und 44 ganze Plots haben, haben Sie keine Freiheitsgrade, den festen Effekt „Standort“ vom zufälligen Gesamtploteffekt zu trennen:
Es wird empfohlen, mindestens einen ganzen Plot hinzuzufügen, um den zufälligen Effekt des gesamten Plots und den festen Effekt vom Faktor „Standort“ unterscheiden zu können.
Indem ich das gleiche Design mit Ihren Faktoren und Einschränkungen neu erstelle (44 ganze Diagramme, 88 Läufe), kann ich eine gute Balance zwischen Läufen mit Behandlung T und Läufen mit Behandlung UT (jeweils 44, im Vergleich zu Ihrer 27/17-Situation) finden , auch wenn es sich nicht um eine ideale Situation handelt, da hier nicht zwischen festem Effekt „Standort“ und zufälligem Effekt der gesamten Handlung unterschieden werden kann).
Hatten Sie bestimmte Einschränkungen in Bezug auf Websites, die dieses unausgewogene Szenario erklären könnten? Im Anhang finden Sie das Design, das ich anhand Ihres Anwendungsfalls nachgebildet habe.
Weitere Informationen zur Berechnung der Freiheitsgrade für Split-Plot-Designs finden Sie hier: Split-Plot-Designs (purdue.edu)
Eine Einführung in SPlit-Plot-Designs finden Sie in diesem Kurs: https://online.stat.psu.edu/stat503/lesson/14/14.3
Ich hoffe, diese Antwort wird Ihnen helfen,
Betreff: Falsche Fehlerterme in einem Split-Plot-DesignWenn ich gerade über Ihr Design nachdenke, verstehe ich vielleicht die Verwendung von „Site“ im Design falsch.
Wenn „Standort“ nur ein ganzes Grundstück ist (und kein Faktor im Entwurf), dann wäre Ihr Faktor „Dünn (UT/T)“ der schwer zu ändernde Faktor und „Verbrennen (UB/B)“ a Einfach zu ändernder Faktor (siehe Design im Anhang).
Ich kann immer noch ein ausgewogenes Design haben (mit 44 UT und 44 T sowie 44 UB und 44 B, siehe Design im Anhang).
Und Sie haben 42 Freiheitsgrade für den Faktor Thin: Sie haben 44 ganze Diagramme, minus 1 für den globalen Achsenabschnitt, und Sie haben auch 1 Freiheitsgrad für die Schätzung dieses Parameters, also 44-1-1 = 42 df
Hoffe das hilft,
Betreff: Falsche Fehlerterme in einem Split-Plot-DesignDanke für Ihre Antwort. Ich habe das Design und die Daten geerbt. Leider handelt es sich nicht um ein ausgewogenes Design, wie Sie es vorgeschlagen haben.Verbrennungsprobenentnahmeeinheiten (B und UB) sind in größeren T- oder UT-Einheiten verschachtelt. Letztere unterscheiden sich in der Anzahl (27 bzw. 17) und dienen als ganze Parzellen (im Wesentlichen Blöcke) für erstere.
Ich konnte die Analyse als gemischtes Modell abschließen, wobei Site als zufälliger Effekt behandelt wurde (da Burn-Einheiten in Sites verschachtelt sind) und Thin, Burn und ihre Interaktion als feste Effekte behandelt wurden. JMP verwendet die richtigen Fehlerterme, um die festen Effekte (einschließlich des Thin-Effekts) zu testen. Ich habe dies überprüft, indem ich für jedes B-UB-Paar einen Mittelwert erstellt und dann die Wirkung von Thin allein getestet habe. Dieses einfachere Modell erzeugte für Thin die gleichen F- und P-Statistiken wie im gemischten Modell. Nochmals vielen Dank, dass Sie sich die Zeit genommen haben zu antworten.
