Puis-je utiliser l'onglet « Bloc » dans « Ajuster Y par X » pour analyser ma conception de blocs complets randomisés ?Bonjour,
J'essaie d'analyser une expérience RCBD (Randomized Complete Block Design) dans JMP, mais je n'ai pas créé le plan expérimental dans JMP (et je ne pense pas avoir la patience de comprendre comment faire cela !). J'importe simplement mes fichiers Excel à partir desquels travailler.
C'était une expérience sur le terrain où j'ai échantillonné dans 3 blocs différents dans un champ (ce sont les répétitions), et dans chaque bloc, j'avais 9 traitements assignés au hasard (donc 9 parcelles de traitement, répliquées 3 fois). Les traitements concernaient 9 types de cultures de couverture différentes, donc la culture de couverture est le facteur X. J'ai ensuite mesuré de nombreuses variables de réponse Y à partir de ces parcelles. J'ai utilisé des blocs parce que le sol variait intrinsèquement à travers le champ et je souhaite éliminer le « bruit » de ces différences entre les sites de champ.
J'avais l'intention d'exécuter cela comme une simple ANOVA unidirectionnelle, mais en tenant compte d'une manière ou d'une autre du blocage. J'ai essayé d'utiliser Analyser-> Ajuster Y par X, puis de mettre ma variable de réponse Y, mon facteur X et ma colonne de réplication (bloc) dans l'espace « Bloquer » (voir capture d'écran 1). Cela me donne un résultat et montre ce que je pense être le nombre correct d'erreurs (voir capture d'écran 2). Cependant, j'ai lu de nombreux articles sur le blocage dans JMP, et personne ne suggère d'utiliser cet onglet « Bloquer »... alors peut-être que j'ai raté quelque chose ? Est-ce trop beau pour être vrai?
Dois-je plutôt utiliser « Ajuster le modèle » et attribuer au bloc un « effet aléatoire » ? Si oui, que dois-je sélectionner pour « Personnalité » et quel numéro dois-je mettre pour « Degré » dans la zone des effets ? (voir capture d'écran 3). Est-ce que je veux cliquer sur « pas d'interception » ?
Cela fait beaucoup de questions ! Si quelqu'un a une idée, je l'apprécierais grandement 
Merci!
Modélisation statistique avancéeAnalyse et modélisation des données de baseConception d'expériencesRe : Puis-je utiliser l'onglet « Bloc » dans « Ajuster Y par X » pour analyser ma conception de blocs complets randomisés ?ClareSoils, bienvenue dans la communauté. J'ai quelques réflexions sur votre message, mais je réalise qu'il existe plusieurs façons d'analyser les données. Tout dépend des questions auxquelles vous essayez de répondre et de la manière dont vous souhaitez analyser les données. Il peut y avoir des débats quant à savoir lequel est « juste ».
1. Il est assez facile de créer des conceptions de blocs dans JMP, mais tout dépend si vous souhaitez traiter le bloc comme un effet aléatoire ou fixe (une discussion pour plus tard). À titre de suggestion, il est plus efficace de joindre votre tableau de données plutôt que des captures d'écran (vous pouvez anonymiser les données).
2. Si j'interprète votre message, vous avez un facteur (type de culture) testé à 9 niveaux en trois blocs. Quel est l’objectif de votre expérience ? Recherchez-vous une structure causale ou choisissez le meilleur niveau de culture ou êtes-vous intéressé par la robustesse du type de culture pour bloquer l'effet ou quoi ?
3. En général, j'utilise le modèle d'ajustement (moindres carrés standard, effet de levier), mais je fais généralement des expériences multifactorielles. Fit Y by X devrait fonctionner pour votre objectif. Avez-vous exécuté à la fois le modèle d'ajustement et l'ajustement y par x ? Les résultats étaient-ils concordants ?
4. Le but du blocage n'est pas « d'éliminer le bruit », mais de l'attribuer au bloc. Votre modèle inclura un effet de bloc avec 2 degrés de liberté. Sans blocage, cet effet serait regroupé dans le MSe, diminuant ainsi la précision de l’expérience.
Re : Puis-je utiliser l'onglet « Bloc » dans « Ajuster Y par X » pour analyser ma conception de blocs complets randomisés ?Bonjour statman, merci pour l'accueil chaleureux et d'avoir pris le temps de poster une réponse ! J'apprécie vraiment cela.
Réponses à vos questions :
1. Tous les articles publiés que je vois pour l'analyse RCBD attribuent le blocage (ou la réplication) comme un « effet aléatoire ». Merci pour la suggestion d'ensemble de données - la voici ! (avertissement : il contient BEAUCOUP de variables de réponse, et près de la moitié d'entre elles ont une distribution non normale... nous en reparlerons plus tard. Ceux avec une distribution non normale ont une « étiquette »).
2. Correct, j'ai un facteur (type de culture de couverture), et il y a 9 traitements de cultures de couverture, testés dans 3 blocs (et les parcelles ont été attribuées au hasard aux blocs). L'objectif de l'expérimentation est simplement d'évaluer l'effet des différentes cultures de couverture sur les propriétés du sol (qui sont l'ensemble des variables de réponse). J'ai prélevé des échantillons de sol sur chaque parcelle.
3. Je viens d'exécuter à la fois le Fit Y by X (en mettant la répétition dans l'onglet « Bloc ») et le modèle Fit (et en mettant la répétition comme « Effet aléatoire »), et j'ai obtenu les mêmes valeurs p ! Ha, c'est un soulagement Les résultats n'étaient pas les mêmes auparavant, mais je pense que c'est parce que j'avais ma représentation (bloc) comme « variable continue », et lorsque je l'ai changé en « variable nominale », le résultat était correct. Cela m'amène à croire que je peux faire Ajuster Y par X et utiliser l'onglet « Bloquer ».
4. Oui, c'est ce que je voulais dire, mais je ne l'ai pas dit correctement. Merci d'avoir clarifié, et c'est la raison pour laquelle je souhaite bloquer.
Autre question:
Comme mentionné, bon nombre de mes variables de réponse ont une distribution non normale, j'avais donc l'intention d'utiliser Kruskal-Wallis pour l'analyse. Je ne veux pas transformer toutes les données en journal et effectuer d'autres traitements jusqu'à ce qu'elles correspondent à une distribution normale. J'ai vu d'autres articles dans mon domaine qui font cela - utilisez ANOVA pour la distribution normale et KW pour la distribution non normale. J'ai joué avec cela dans JMP et j'ai suivi la même procédure Ajuster Y par X que ci-dessus (en plaçant Rep dans l'onglet Bloc), puis j'ai simplement analysé la sortie pour un « test non paramétrique ». Savez-vous si c'est acceptable ? J'ai également envisagé d'utiliser le test de Friedman, mais mon expérience ne consiste pas en des mesures répétées (je pensais que c'était l'utilisation courante du test de Friedman).
Merci beaucoup pour votre temps et votre expertise !
Re : Puis-je utiliser l'onglet « Bloc » dans « Ajuster Y par X » pour analyser ma conception de blocs complets randomisés ?Puis-je suggérer cet article :
Sanders, D., Leitnaker M. et McLean R. (2002) « Conceptions de blocs complets randomisés dans les études industrielles » Ingénierie Qualité, Vol. 14, numéro 1
Je ne dis pas que c'est ce que vous devriez faire dans ce cas, mais il existe des méthodes alternatives.
Quelques réflexions complémentaires :
1. Sans vouloir créer de controverse et peut-être par simplification excessive, je pense que la normalité des variables de réponse d'un DOE n'est pas aussi importante que beaucoup le pensent (l'ANOVA est assez robuste). Pensez-y... vous essayez délibérément de modifier les variables de réponse (y) via la manipulation de variables prédictives (x). Pourquoi voudriez-vous qu’ils soient normalement distribués ? Ce que vous voulez normalement distribué, ce sont les résidus.
2. Puisque vous êtes dans le monde du multivarié, je suggérerais une analyse multivariée (au moins exécutez : Analyse>Méthodes multivariées>Multivarié.
3. Je ne suis pas une PME pour votre sujet, mais êtes-vous sûr que ce sont tous des résultats devrait-il être impacté par les traitements expérimentaux ? Il semble que certaines puissent être des covariables (par exemple, roches, limon, sable, argile...). Je ne vois pas le delta de l'analyse des sols comme des réponses (avant traitement vers après traitement) ?
4. Comment expliquez-vous les erreurs de mesure pour tous les y (ou est-ce connu) ? Cela contribuerait probablement au MSe.
5. Lorsque j'analyse un grand nombre de Y (le maximum que j'ai eu pour une seule expérience est 2781), je fais une première sélection de chaque Y pour en déterminer la signification pratique. Calculez la plage pour chaque colonne (Tableau> Résumé> mettez en surbrillance les Y> sélectionnez la plage dans le bouton déroulant Statistiques). Si le Y ne change pas suffisamment significativement pour que vous vous en souciiez (ou s'il n'est pas intéressant d'un point de vue scientifique), laissez-le en dehors de l'analyse.
