Lateinisches Quadrat mit OrdinaldatenIst es möglich, das folgende Experiment in JMP zu analysieren? Wenn das so ist, wie?
Experimentelle Fragen: 1) Verringerten irgendwelche Behandlungen die Schwere oder den Tod von Pflanzenkrankheiten im Vergleich zur unbehandelten Kontrolle? 2) Verzögerten Behandlungen den Krankheitsausbruch im Vergleich zur unbehandelten Kontrollgruppe?
-Getestet 4 Behandlungen mit einem Pflanzenpathogen im Vergleich zu einer unbehandelten Kontrolle
-Experimentelles Design: 5x5 lateinisches Quadrat
-Zuweisung eines Krankheitsschweregrads von 0, 1, 2, 3 oder 4 (wobei 0 keine Krankheitssymptome bedeutet und 4 tot ist; es wurden nur ganze Zahlen angegeben)
-Der Schweregrad der Erkrankung wurde während des gesamten Experiments alle 7 Tage bewertet.
Sofern ich mich nicht irre, sollten Zeilen und Spalten für diese Analyse als Zufallsvariablen zugewiesen werden (um Bodennährstoffschwankungen zu berücksichtigen). Dennoch benötige ich Hilfe bei der Suche nach einer Persönlichkeit, die Zufallsvariablen unterstützt, wenn ordinale Bewertungsdaten verwendet werden. Können die Behandlungen auch mit der unbehandelten Kontrolle im lateinischen Quadratdesign verglichen werden? Irgendwelche Empfehlungen?
Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungMac OSBetreff: Lateinisches Quadrat mit OrdinaldatenHallo @StatlearnR ,
Ich bin mir nicht ganz sicher, welches Design Sie verwendet haben (eine Datentabelle wäre einfacher herauszufinden gewesen), aber möglicherweise finden Sie hier nützliche Antworten auf ähnliche Fragen:
Wie analysiert man ein lateinisches 4x4-Quadrat-Design?
Analysieren Sie lateinische Quadrate mit JMP
Wiederholtes, randomisiertes lateinisches 4 x 4-Quadrat
Es sieht so aus, als ob Sie Ihre Daten analysieren können, indem Sie mithilfe der Fit Model-Plattform „Behandlung“ als festen Effekt in Ihrem Modell und Zeilen und Spalten Ihres LS-Designs als zufällige Blockierungseffekte angeben.
Ich habe einen einfachen Datensatz und eine Demo erstellt, die zu Ihren Informationen und Ihrem Kontext passen:
Datatable wird mit dem Skript „Model“ angehängt, um die korrekte Modellierung zu starten, und „Fit Least Squares Yield“ mit dem Ergebnis der Modellierung. Zufällige Effekte werden jedoch von ordinalen Logistikmodellen nicht unterstützt, sodass Sie möglicherweise Ihre Antwort umwandeln oder eine andere verwenden müssen. Ich habe als Beispiel eine Binning-Formelspalte „Ertrag“ mit ordinalen Daten hinzugefügt. Sie können versuchen, eine ordinale logistische Regression zu starten, aber es funktioniert nicht mit zufälligen Blockierungseffekten.
Ich hoffe, das kann Ihnen helfen.Wenn nicht, bringen Sie bitte weitere Informationen und wenn möglich eine (anonymisierte) Datentabelle mit.
