Interprétation statistique d'un plan DOE en parcelles diviséesSalut,
Je ne suis pas habitué à l'interprétation statistique du DoE en parcelles divisées et je ne sais pas quel est l'impact si j'ai une « valeur p wald » < 5 %.
Je sais que si elle est supérieure à 5 %, la parcelle entière et la sous-parcelle n'ont aucun impact sur le plan, donc si sa valeur est < 5 %, cela signifie que la parcelle entière et la sous-parcelle ont un impact sur le plan, mais comment puis-je analyser cela ?
Merci pour votre aide.
Conception d'expériencesRe : Interprétation statistique d'un plan DOE en parcelles diviséesSalut @Zhou69 ,
Bienvenue dans la Communauté !
Avez-vous déjà consulté la section d'aide de JMP relative à la conception de parcelles divisées et un exemple d'analyse ? : https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/splitplot-experiment.shtml#ww557792
L'analyse effectuée sous "REML Variance Component Estimates" affiche plusieurs informations intéressantes liées à votre question :
Tout d’abord, vous pouvez évaluer le degré de variance qui peut être attribué à l’effet aléatoire de la parcelle entière, par rapport à la variation totale. De cette façon, vous pouvez comparer si le terme d'erreur associé à l'ensemble de la réplication du tracé est plus petit ou plus grand que le terme d'erreur résiduel. En d'autres termes, quelle est la quantité de variabilité capturée par l'effet aléatoire de la parcelle entière et quelle est l'ampleur de cette variabilité par rapport à la variabilité expérimentale totale (c'est-à-dire l'impact « pratique » de l'effet aléatoire de la parcelle entière sur la variabilité expérimentale). Cela peut vous aider à évaluer et à comparer l'impact pratique de la variabilité de l'ensemble de la parcelle sur la variabilité totale des résultats expérimentaux.
Deuxièmement, vous pouvez utiliser efficacement la valeur p de Wald affichée pour évaluer si l'effet aléatoire de la parcelle entière est statistiquement significatif, ce qui signifie que la variance de la réponse dépend de l'effet aléatoire. Cela peut vous aider à évaluer la signification statistique de l’effet aléatoire de la parcelle entière.
Vous pouvez combiner ces deux informations pour évaluer le degré de variabilité capturé par l'ensemble de l'effet de parcelle et évaluer si cette composante de variance est statistiquement significative.
J'espère que cette réponse vous aidera,
Re : Interprétation statistique d'un plan DOE en parcelles diviséesIl est beaucoup plus facile de fournir des conseils d'interprétation si vous partagez votre tableau de données (vous pouvez l'anonymiser). Pensez-y de cette façon... C'est comme si vous aviez mené deux expériences. Expérience Ann incluant les effets de la parcelle entière dont la signification statistique est comparée à l'erreur de la parcelle entière (qui est estimée par la réplication). Et les facteurs de split-plot dont la signification statistique est estimée par le MSE.
La première étape de l’analyse est la signification pratique. La variable de réponse a-t-elle suffisamment changé pour que l’étude puisse fournir un aperçu ? Représentez graphiquement les résultats et évaluez-les d’un point de vue scientifique ou technique. Ensuite, vous pouvez faire les statistiques. Personnellement, je ne suis pas un grand fan des valeurs p en tant que test ultime de signification, à moins que vous ne compreniez vraiment ce qui constitue le terme d'erreur (par exemple, les facteurs et les interactions de facteurs qui ne sont pas spécifiquement manipulés dans votre expérience mais qui varient, c'est-à-dire le bruit). ) et avoir une certaine connaissance de la représentativité des termes d'erreur par rapport aux véritables erreurs aléatoires. Je préfère les tracés de Daniel (tracés normaux et semi-normaux) pour l'ensemble du tracé et la sous-parcelle séparément (car chacun a sa propre estimation associée des erreurs aléatoires). Moins de risque de biaiser les erreurs et donne une bonne comparaison relative des effets.
