ordnungsgemäße Analysen von Zähldaten mit FaktorenIch habe ein Experiment, bei dem Pilze aus zwei verschiedenen Pflanzenarten (A und 
gezüchtet wurden.Ich habe alle Arten einzeln identifiziert.Ich möchte testen, ob es einen statistischen Unterschied zwischen der Häufigkeit der Wiederherstellung einer Pilzart zwischen den beiden Pflanzenarten gibt.Ich habe JMP 17 und dachte, ein verallgemeinertes lineares Modell würde mit Pflanzentyp und -art und deren Interaktion als festen Faktoren funktionieren, aber ich erhalte ständig Fehlermeldungen.Irgendwelche Ideen?Gibt es eine andere Möglichkeit, die Analysen durchzuführen?
Grundlegende Datenanalyse und ModellierungBetreff: Richtige Analyse von Zähldaten mit FaktorenWas sind die Fehlermeldungen? Wie haben Sie die Datenerhebung gestaltet? Sind Pflanzenart und -art die einzigen beiden Faktoren? Haben Sie sie gekreuzt, um den Interaktionsterm in Ihrem linearen Modell zu erstellen?
Sie können einen Interaktionsterm nicht schätzen, es sei denn, Pflanzentyp und Art sind unabhängig, z. B. Pflanzentyp = {A, B} und Art = {1, 2, 3}. Kann man in beiden Pflanzenarten die gleiche Art haben?
Betreff: Richtige Analyse von Zähldaten mit FaktorenIch habe ein Experiment mit Pflanzentyp und -art als Faktoren simuliert. Ich habe eine Antwort mit einer Poisson-Verteilung simuliert. Ich habe die Datentabelle angehängt, damit Sie sie erkunden können.
Ich habe das GLM mit einem Interaktionsterm definiert.
Ich habe den Standardanalysebericht erhalten:
Betreff: Richtige Analyse von Zähldaten mit FaktorenDanke und ich werde mir das ansehen.Bei den Pflanzen handelt es sich um zwei verschiedene Arten auf demselben Feld mit jeweils 25 Pflanzen.Anschließend haben wir Proben vom Laub genommen und alle auf den Blättern vorhandenen Pilze kultiviert.Einige Pilzarten können bei einer Art vorkommen und bei einer anderen nicht, andere bei beiden.Mich interessiert, wie oft ein Pilz isoliert wurde (Zählung).Grundsätzlich sehen wir mehr oder weniger Arten X auf Pflanze A usw.
Die Tatsache, dass ich die Anzahl der pro Art oder pro Pflanze gewonnenen Isolate oder Arten nicht kontrollieren konnte, bedeutet, dass der Gesamtdatensatz Nullen und ein Ungleichgewicht aufweist.Vielleicht verursacht das den Fehler?
Betreff: Richtige Analyse von Zähldaten mit FaktorenGlauben Sie, dass die Reaktion das Vorhandensein oder Fehlen einer Pilzart ist, und zählen Sie die Anzahl der Pflanzen (von 25) mit dem Pilz?
Es wäre am besten, die Poisson-Verteilung nicht in einer GLM-Analyse zu verwenden. Verwenden Sie ein Binomialmodell (abwesend, vorhanden), da Sie wissen, wie viele davon jeweils vorhanden sind. Das heißt, y ist die Zahl mit Pilz und 25-y ist die Zahl ohne Pilz.
Ihre Datentabelle sollte etwa so aussehen:
Geben Sie die Anzahl in die letzte Spalte ein. Ich habe ein Tabellenskript gespeichert, um die Aktion „Analysieren > Modell anpassen“ abzuschließen. Der Startdialog sieht folgendermaßen aus:
Die Datentabelle finden Sie im Anhang.
Betreff: Richtige Analyse von Zähldaten mit FaktorenDanke für die Idee.Ich denke, Sie sind nah dran, aber was ich habe, ist im Grunde eine Liste von 20 Pilzarten.Die meisten werden in unterschiedlichen Mengen aus den verschiedenen Pflanzentypen isoliert, sodass ich möglicherweise 20 Arten in Pflanze a habe, aber 45 in Pflanze b.Ich möchte mit einiger Sicherheit sagen können, ob sich eine bestimmte Art zwischen den verschiedenen Pflanzen unterscheidet oder nicht.
Ich dachte, ein traditionelles Chi-Quadrat würde funktionieren, bei dem ich die Pilzarten nach Pflanzen als kategoriale Variablen in der Analyse Y nach X analysieren lasse, aber ich weiß nicht, wie ich hineingehen und die genauen Artenunterschiede bestimmen kann.So wie ich es interpretiere, würde mir die Signifikanz des Chi-Quadrats nur sagen, dass die Verteilung zwischen Pflanze a und b über alle Arten hinweg unterschiedlich ist, und nicht, welche Pilzarten sich zwischen Pflanze a und b unterscheiden.
Betreff: Richtige Analyse von Zähldaten mit FaktorenWenn Sie Kombinationen aus Pflanzenarten und Pilzarten haben, sollte eine Kreuztabelle funktionieren.
Was ist es, anders oder nicht anders? Hypothesentests funktionieren nur in eine Richtung: Sie lehnen die Nullhypothese basierend auf der Stärke der Beweise ab (z. B. p-Wert oder Konfidenzintervall einer Stichprobenstatistik). Sie müssen Ihre Arbeitshypothese (die Alternative) und die Nullhypothese (nicht Ihre) angeben.
