Términos de error incorrectos en un diseño de parcela divididaEn JMP 17.0 no puedo generar los grados de libertad correctos del denominador para probar el término de la trama completa, en lo que creo que es un diseño de trama dividida. El diseño es el siguiente (se adjunta un archivo de datos sencillo):
- 44 sitios (parcelas enteras), cada uno con dos subparcelas
- Del total de parcelas, 27 reciben tratamiento T y 17 reciben tratamiento UT
- A las subtramas se les asigna el tratamiento B o UB.
Intenté estructurar el modelo utilizando SLS y personalidades de modelos mixtos, siguiendo los tutoriales de JMP para diseños de trama dividida.Los modelos producen un denominador gl de 42 para probar los factores de la subtrama y de la trama completa x la subtrama (lo que parece apropiado). Sin embargo, producen los mismos gls para probar el término de la trama completa, que parece inflado. Se agradecería recibir consejos sobre si esto se puede modelar y cómo hacerlo como un diseño de parcela dividida.
Se adjuntan datos.
Análisis y modelado de datos básicosRe: Términos de error incorrectos en un diseño de parcela divididaHola @cbhalpern ,
Estoy un poco confundido por el diseño que propusiste y por la definición que tienes sobre la trama completa y las subtramas.
Si tiene 44 sitios y 44 parcelas completas, eso no le deja ningún grado de libertad para separar el efecto fijo "Sitio" del efecto aleatorio de la trama completa:
Se recomienda agregar al menos una parcela completa, para poder diferenciar el efecto aleatorio de la parcela completa y el efecto fijo del factor "sitio".
Al recrear el mismo diseño con sus factores y restricciones (44 parcelas completas, 88 ejecuciones), puedo encontrar un buen equilibrio entre ejecuciones con tratamiento T y ejecuciones con tratamiento UT (44 cada una, en comparación con su situación 27/17 , incluso si no es una situación ideal ya que aquí no se pueden diferenciar el efecto fijo "Sitio" y el efecto aleatorio de toda la trama).
¿Tenía limitaciones específicas relacionadas con los sitios que pudieran explicar este escenario desequilibrado? Adjunto encontrará el diseño que recreé a partir de su caso de uso.
Sobre el cálculo del grado de libertad para diseños de parcela dividida, puede encontrar más información aquí: Diseños de trama dividida (purdue.edu)
Para obtener una introducción sobre los diseños de parcelas divididas, puede consultar este curso: https://online.stat.psu.edu/stat503/lesson/14/14.3
Espero que esta respuesta te ayude,
Re: Términos de error incorrectos en un diseño de parcela divididaAl repensar su diseño, tal vez no entiendo bien el uso de "sitio" en el diseño.
Si "sitio" es sólo una trama completa (y no un factor en el diseño), entonces su factor "Delgado (UT/T)" sería el factor difícil de cambiar, y "Quemar (UB/B)" sería un factor difícil de cambiar. factor fácil de cambiar (ver diseño adjunto).
Todavía puedo tener un diseño equilibrado (con 44 UT y 44 T, y 44 UB y 44 B, ver diseño adjunto).
Y tendrás 42 grados de libertad para el factor Thin: tienes 44 gráficas completas, menos 1 para la intersección global y también tienes 1 grado de libertad usado para estimar este parámetro, por lo que 44-1-1 = 42 gl
Espero que esto ayude,
Re: Términos de error incorrectos en un diseño de parcela divididaGracias por su respuesta. Heredé el diseño y los datos. Desafortunadamente, no es un diseño equilibrado como usted propuso.Las unidades de muestreo de quemados (B y UB) están anidadas dentro de unidades T o UT más grandes. Estos últimos difieren en número (27 y 17, respectivamente) y sirven como parcelas completas (en esencia, bloques) para los primeros.
Pude completar el análisis como un modelo mixto, tratando el Sitio como un efecto aleatorio (ya que las unidades Burn están anidadas dentro de los Sitios) y tratando Thin, Burn y su interacción como efectos fijos. JMP utiliza los términos de error correctos para probar los efectos fijos (incluido el efecto Thin). Verifiqué esto generando una media para cada par B-UB y luego probando el efecto de Thin solo. Ese modelo más simple produjo las mismas estadísticas F y P para Thin que en el modelo mixto. De nuevo, gracias por tomarte el tiempo de responder.
