Recientemente coseché una prueba de cultivo y al analizar los datos no encontré diferencias significativas en los tratamientos en rendimiento o RFV (valor alimenticio relativo) comparándolos por cortes individuales así como todos los cortes acumulativos usando ANOVA. Un individuo encontró diferencias significativas seleccionando solo los cortes 1, 3 y 5. Agrupó la varianza residual de los tratamientos 1, 3 y 5; nombró a ese grupo 2 y agrupó la varianza residual del tratamiento 6; llamó a ese grupo 3.
Me pregunto #1 cómo agrupar las variaciones en jmp y #2 si esto es algo ético porque siento que está manipulando los datos de alguna manera.
yo uso jmp17
Si entiendo su pregunta y sus datos correctamente, creo que sería mejor que le sirvieran un análisis de modelo mixto. Aquí hay un video corto para explicación.
Hola @KIrishGH ,
¡Bienvenidos a la Comunidad!
Si entiendo bien la pregunta, le interesa saber si puede encontrar diferencias estadísticas significativas entre Tratamientos. Puedes hacer estas pruebas fácilmente con la plataforma " Ajustar Y por X ", especificando los Tratamientos como su X y RFV como su variable Y.
Para saber qué prueba estadística utilizar, hay suposiciones que deben verificarse:
- Supuestos de normalidad de la variable de respuesta (usando la plataforma de distribución y visualizando el gráfico de cuantil normal, por ejemplo),
- Independencia de las observaciones/resultados (esto se puede evaluar con experiencia en el campo, y el uso de gráficos de control en los datos puede revelar tendencias/cambios si los datos no son independientes),
- Varianza igual entre grupos (esto se puede verificar con la opción en el triángulo rojo "Varianza desigual" en la plataforma Fit Y by X).
En su caso, tiene una ligera desviación de la distribución normal y otros supuestos parecen respetarse, por lo que puede utilizar una prueba paramétrica suponiendo una varianza igual y ajustada adecuadamente para la comparación múltiple (para evitar el error de tipo I), como la prueba de Tukey-Kramer. :
De hecho, ningún tratamiento parece ser estadísticamente significativo con respecto a los demás.
Obtendrá la misma conclusión con una prueba no paramétrica ajustada para comparaciones múltiples como la prueba All Pairs Steel Dwass.
Para agrupar algunos Tratamientos, puede utilizar la opción "Recodificar" seleccionando la columna Tratamiento, hacer clic derecho y "Recodificar". Luego podrá reagrupar algunos tratamientos y realizar pruebas estadísticas con los nuevos grupos.
Solo para información, lo hice con la información que usted proporcionó (ocultando y excluyendo los cortes 4 y 5 y agrupando los Tratamientos 1, 3 y 5 en el Grupo 2, el Tratamiento 6 es el Grupo 3 y el resto no cambia), y no puedo ver cualquier diferencia en los resultados de las pruebas:
La tabla de datos se adjunta con los scripts utilizados.
En el lado teórico, a menos que tenga una explicación/justificación sólida en el dominio para excluir algunos cortes (problemas en el método, resultados anormales, ...) y agrupar algunos tratamientos (misma base química para algunos tratamientos, o misma forma de aplicación, ...), no intentaría modificar los resultados hasta que encontrara algo estadísticamente significativo.
" Si torturas los datos el tiempo suficiente, confesará cualquier cosa " (Ronald H. Coase)
La situación que usted presenta se parece mucho a p-hackear, ajustar y reajustar los factores sólo por obtener un valor p significativo. Esta no es una práctica estadística segura y sólida y no tiene sentido, ya que la significación estadística puede ser importante, pero también se debe considerar el tamaño del efecto para comprender la importancia práctica de los hallazgos.
Espero que esta respuesta te ayude,
