631852_it-IT

liliconcom

Scegliere il giusto confronto delle medie

Ciao,

Sto analizzando dati biologici in cui l'output è una variabile continua. I test consistono in diversi trattamenti su piante che vengono poi valutati per un livello di malattia (il mio output). Se traccio un grafico, tutto ciò che ottengo è un mucchio di medie con barre di errore molto grandi che si sovrappongono. Quindi, sto cercando di fare l'analisi con le piccole lettere, per essere in grado di dire con sicurezza quali trattamenti sono diversi l'uno dall'altro.

Ora il problema che ho è che ogni ripetizione consiste di due punti dati che non sono indipendenti l'uno dall'altro (due parti della stessa pianta). In questo caso ho sentito dire che i soliti confronti come Tukey-Kramer non si applicano.

Quindi la mia domanda è: quale confronto dovrei usare o quale trasformazione dei dati per essere sicuro di fare le cose per bene?

Analisi e modellazione dei dati di baseRe: Scelta del confronto di medie corretto

Bob, sei stato gentile a prenderti il ​​tempo di rispondere alle domande. Non credo che questo forum sia un modo efficiente per discutere/discutere i problemi e fare analisi appropriate, quindi mi tiro indietro.

Re: Scelta del confronto di medie corretto

Sono d'accordo, è molto difficile ottenere le lettere sul grafico.

Vai alla scheda Lista dei desideri nella parte superiore di questa pagina web e aggiungi una richiesta.

Nel frattempo, ecco una procedura e uno script per ottenere la cifra che penso tu stia cercando.

https://community.jmp.com/t5/Byron-Wingerd-s-Blog/One-Way-ANOVA-Figure-for-Scientists/ba-p/265156

Re: Scelta del confronto di medie corretto

Scusate, intendevo Student e Tukey, non Student e Dunnett.

Re: Scelta del confronto di medie corretto

@Byron_JMP ,

grazie per il suggerimento con CTRL, fa risparmiare un sacco di tempo. Anche se il problema più grande rimane, è ancora altamente poco pratico aggiungere le lettere su un grafico.

Re: Scelta del confronto di medie corretto

Ciao @statman ,

1) la variazione nella tua risposta ha qualche valore pratico?

Bella domanda. È un livello di malattia che può essere misurato relativamente facilmente a 0,1 unità. Detto questo, in uno scenario di vita reale, l'utente finale non vedrebbe una differenza così piccola. Direi che i valori medi tra due trattamenti (quelli che chiami livelli) dovrebbero avere almeno 4-5 unità di differenza per essere davvero utili.

2. Se ho capito bene i tuoi dati, sembra che tu abbia un fattore (Nome) e che sia testato a 10 "livelli". Hai 2 tipi di piante (incrociati con Nome). Hai 10 piante (Rep) per ogni livello di Nome e ogni pianta viene misurata due volte (in posizioni diverse sulla pianta o esattamente nella stessa posizione sulla pianta? Due parti diverse della pianta ) e misure di Malattia su 3 periodi di tempo per "all'interno" della pianta (potresti considerare le piante annidate all'interno di Tipo e Nome). Potremmo discutere se il campionamento sistematico dei periodi di tempo sia incrociato con Nome. Ho alcune domande su questa struttura. Lo schema di numerazione per Rep sembra discutibile. Alla stessa pianta può essere assegnato un diverso livello di Nome? In caso contrario, non dovrebbero esserci numeri Rep ripetuti. Quante piante ci sono effettivamente nello studio? 10 piante per "Nome". Vengono coltivate indipendentemente. Quindi, quando viene applicato il trattamento, due foglie di ogni pianta vengono isolate e viene applicata la malattia. Poiché due foglie provengono dalla stessa pianta, i miei colleghi hanno sostenuto che le due foglie NON sono unità statistiche indipendenti, motivo per cui sono raggruppate sotto la stessa "rep". È come se valutassimo 10 pazienti sulla mano destra e sulla mano sinistra.

Sembra anche che tu abbia 2 misure di malattia per ogni pianta? Sì, due misure su due foglie diverse . Ho allegato un'altra versione della tabella dati. È fondamentale che la tabella dati corrisponda a come i dati sono stati effettivamente raccolti o qualsiasi analisi sarà sospetta.

Qual è l'intento dello studio? (ad esempio, stai cercando di scegliere il "vincitore" (ad esempio, il nome migliore per ridurre la malattia massima?) o stai cercando di capire cosa contribuisce alla malattia (crescita))? Stiamo cercando di vedere se possiamo trovare additivi (quello che ho chiamato adiuvante nella mia tabella) che migliorino significativamente la riduzione della malattia dall'attivo. Quindi, cosa vogliamo vedere:

• Il solo attivo deve essere migliore del non trattato
• Speriamo di trovare alcuni trattamenti attivi + adiuvanti che siano significativamente migliori del solo attivo

Perché 10 piante? Perché pensavamo che sarebbe stato un buon numero. Data la variabilità relativamente alta della produzione e l'efficacia relativamente bassa dei trattamenti, è una specie di minimo. Inoltre, poiché sono piante coltivate, è difficile andare oltre, perché ci sono già 200 piante in questa prova. Ciò richiede molto spazio e lavoro manuale.Potremmo avere più piante per trattamento, magari per ottenere statistiche migliori, ma poi perderemmo sul numero di trattamenti, il che non è desiderabile. Quindi 10 è un buon compromesso.

Perché 3 periodi di tempo, ognuno a un giorno di distanza? Perché è facile da fare. Una volta misurata la malattia in un momento particolare, dato tutto lo sforzo che hai fatto per arrivarci, non costa molto di più aspettare un altro giorno e fare un'altra osservazione. È abbastanza normale con questo tipo di studio. Dipende dalla natura della malattia, ovviamente, ma questa progredisce abbastanza velocemente da poter vedere una certa crescita entro un giorno di differenza.

Ti interessa il tasso di variazione della malattia nel tempo o solo la malattia massima o cosa? Immagino che la domanda sia: cosa pensi che il Nome farà alla malattia? Perché? Non il tasso di variazione, solo il valore assoluto. Fondamentalmente, hai una buona pianta che vuoi proteggere da una brutta malattia. L'idea è di ridurre al minimo la quantità di malattia osservata sulle piante trattate. In un mondo ideale, vuoi il 100% di efficacia (ovvero zero malattia). O almeno una significativa riduzione del livello di malattia in modo che la brutta malattia non rubi la resa alle buone piante. Ma c'è un limite a ciò che l'attivo può fare da solo. È qui che entrano in gioco gli additivi (o adiuvanti). Idealmente, vogliamo trovare additivi che avranno un effetto sinergico con l'attivo e nel migliore dei casi, l'additivo non ha molto effetto da solo. Ma qui, non c'è chiaramente nulla di entusiasmante, motivo per cui sto cercando di scavare più a fondo per vedere se possiamo trarre delle conclusioni. Di solito, sarei felice di guardare solo un test di Student e uno di Dunett sui mezzi. (So che Student non è così adatto con più di 2 livelli, ma poi Dunnett può essere un po' troppo restrittivo, quindi un confronto tra i due può essere interessante). Qui Dunnett dice che non ci sono differenze tra i diversi livelli, e Student dice che forse l'additivo E sta portando qualcosa.

3. Hai valutato il sistema di misurazione? Non sono sicuro di cosa significhi. I valori sono una misurazione fisica che si fa facilmente, quindi non mi preoccuperei troppo.

Hai misurato la malattia più volte nello stesso punto, sulla stessa pianta e nello stesso periodo di tempo? Sì, è stata misurata in tre periodi di tempo diversi sulle stesse foglie (giorno 1, 2 e 3).

Come appare ora, gli errori di misurazione sono probabilmente confusi con quelli interni all'impianto? Nessuna idea

Re: Scelta del confronto di medie corretto

Ciao @MRB3855 ,

reps, o "repeats", sono le stesse misurazioni effettuate su piante diverse. Quindi, pianta 1, pianta 2, pianta 3. Ogni pianta è coltivata separatamente nel suo vaso. per ogni rep, ci sono due misurazioni, che vengono effettuate su due foglie della stessa pianta.

Poi c'è il tempo di valutazione. Quindi, una misurazione del valore di output (malattia) fatta il primo giorno, poi un'altra il giorno dopo e un'altra ancora il terzo giorno. I punti dati generati lo stesso giorno possono essere confrontati, ma non su più giorni.

Il nome contiene il trattamento di interesse sì.

"Plant type" sono due tipi di piante leggermente diversi. L'obiettivo è vedere se un tipo è più resistente alla malattia rispetto all'altro. Quindi, è interessante confrontare il valore della malattia su entrambi i tipi di pianta in generale, o entrambi i tipi in un singolo trattamento.

Re: Scelta del confronto di medie corretto

Cavolo!! Questo è un set di dati davvero fantastico, wow.

Ho modificato i tipi di modellazione di un paio di colonne e ho aggiunto un paio di nuovi script alla tabella.

Ho provato a modellare i dati con un metodo di superficie di risposta (RSM). Rep(order?) sembra avere un effetto, quindi nel modello 2 l'ho reso un effetto casuale.

 

 

Non so cosa speravi di trovare, ma si tratta di dati molto interpretabili e anche il design dello studio è semplicemente fantastico.

Fit Model(
	Y( :Disease ),
	Effects(
		:Name, :"Assessment time (DAI)"n & RS, :Plant type,
		:Name * :"Assessment time (DAI)"n,
		:"Assessment time (DAI)"n * :"Assessment time (DAI)"n, :Name * :Plant type,
		:"Assessment time (DAI)"n * :Plant type
	),
	Random Effects( :"Rep (Order)"n ),
	Personality( "Standard Least Squares" ),
	Emphasis( "Effect Leverage" ),
	Method( "REML" )
);

Ho modificato la colonna DAI in numerica continua e la colonna Rep in numerica continua.

Re: Scelta del confronto di medie corretto

Riguardo: " A proposito, signori, è un bel po' una seccatura generare questo report di lettere di collegamento nello strumento di adattamento Y per X. Perché ho 6 gruppi, cioè 6 triangoli rossi su cui cliccare per confrontare i mezzi. È inutilmente noioso. Conoscete un metodo per rendere le cose più veloci?"

Sì, molto più veloce. Tieni premuto il tasto Ctrl (command su Mac) quando confronti le medie per il primo gruppo. Il tasto Ctrl trasmette la tua pressione a tutti gli oggetti simili nella finestra. Funziona anche per ridimensionare i grafici.

(guardando ancora alla questione più grande)

Re: Scelta del confronto di medie corretto

Bob, non sono un esperto in materia di SME per quanto riguarda la tua situazione, ma ho esaminato la tua tabella e ho le seguenti considerazioni. Alcune delle mie domande e commenti sono più socratici che esigenti.

1. Innanzitutto, la variazione nella tua risposta ha un valore pratico? Non viene fornito alcun contesto in merito a quanto un cambiamento nella malattia sia di interesse scientifico? Questo è sempre più importante della significatività statistica.

2. Se ho capito bene i tuoi dati, sembra che tu abbia un fattore (Nome) e che sia testato a 10 "livelli". Hai 2 tipi di piante (incrociati con Nome). Hai 10 piante (Rep) per ogni livello di Nome e ogni pianta viene misurata due volte (in posizioni diverse sulla pianta o esattamente nella stessa posizione sulla pianta?) e misure di Malattia su 3 periodi di tempo per "all'interno" della pianta (potresti considerare le piante annidate all'interno di Tipo e Nome). Potremmo discutere se il campionamento sistematico dei periodi di tempo sia incrociato con Nome. Ho alcune domande su questa struttura. Lo schema di numerazione per Rep sembra discutibile. Alla stessa pianta può essere assegnato un diverso livello di Nome? In caso contrario, non dovrebbero esserci numeri Rep ripetuti. Quante piante ci sono effettivamente nello studio? Sembra anche che tu abbia 2 misure di malattia per ogni pianta? Ho allegato un'altra versione della tabella dati. È fondamentale che la tabella dati corrisponda al modo in cui i dati sono stati effettivamente raccolti o qualsiasi analisi sarà sospetta.

Qual è l'intento dello studio? (ad esempio, stai cercando di scegliere il "vincitore" (ad esempio, il miglior Nome per ridurre la malattia massima?) o stai cercando di capire cosa contribuisce alla malattia (crescita))? Perché 10 piante? Perché 3 periodi di tempo, ognuno a un giorno di distanza? Sei interessato al tasso di cambiamento della malattia nel tempo o solo alla malattia massima o cosa? Immagino che la domanda sia cosa ipotizzi che il Nome farà alla malattia? Perché?

3. Hai valutato il sistema di misurazione? Hai misurato la malattia più volte nella stessa posizione sulla stessa pianta nello stesso periodo di tempo? Come sembra ora, gli errori di misurazione sono probabilmente confusi con quelli all'interno della pianta?

4. Uno sguardo grafico ai dati senza alcuna sintesi mostra che i periodi di tempo (DAI) sono la più grande fonte di variazione nello studio. Questo può essere previsto e potrebbe non interessare (ecco perché potresti voler guardare i dati per DAI), ma nota anche che la variazione aumenta con DAI. Potrebbero esserci anche alcuni "valori anomali" nei tuoi dati.

Colorato da DAI

Colorato per nome per DAI=1

 

 

 

Re: Scelta del confronto di medie corretto

Per essere sicuro di aver capito i tuoi dati @bobmorrane : ogni set di sei righe è un "soggetto" (quello che chiami "Rep")? E poi le prime tre righe di ogni "soggetto" sono tre misure ripetute su una parte della pianta, e le tre righe successive di ogni soggetto sono misure ripetute su un'altra parte della pianta? E "Name" contiene i trattamenti di interesse (che vuoi confrontare con i loro effetti su quelle due parti della pianta, rispettivamente). Ho capito tutto correttamente?

Re: Scelta del confronto di medie corretto

@P_Bartell @Byron_JMP , tabella dati allegata

Re: Scelta del confronto di medie corretto

Ciao,

Mi piace credere che sia ben progettato, perché ho preso parte al processo di progettazione;)

Ma, a parte gli scherzi, si tratta di una pianta coltivata appositamente per il test, alla quale sono stati applicati trattamenti standard e professionali.

Quindi, ho applicato vari trattamenti a 2 tipi di piante (varianti della stessa coltura) e il livello di malattia (la mia produzione) è stato valutato in momenti diversi (1, 2, 3 giorni). Quindi dobbiamo almeno raggruppare le cose in base al tempo di valutazione.

Ecco i dati in forma anonima, con gli script allegati. Guardo sia i test Student che Tukey, poiché uno è ritenuto troppo permissivo e l'altro un po' troppo restrittivo. Non vedo molta differenza qui.

A proposito, signori, è un bel po' una seccatura generare questo report di lettere di collegamento nello strumento di adattamento Y per X. Perché ho 6 gruppi, sono 6 triangoli rossi su cui cliccare per confrontare le medie. È inutilmente noioso. Conoscete un metodo per rendere le cose più veloci?

Chiunque legga questo: dia un'occhiata a questo desiderio dalla wishlist e gli dia un kudo! In questo modo potremmo integrare le lettere di collegamento nel generatore di grafici.

Visualizzare le lettere significative nel generatore di grafici quando si utilizza boxplot e in fit y... - JMP User Community

Re: Scelta del confronto di medie corretto

@P_Bartell , sono sicuro che sia un esperimento ben progettato e ben controllato. Le piante sono dolorosamente lente, quindi la pianificazione è fondamentale.

Probabilmente è un problema a più variabili, quindi un semplice Turkey Kramer non funzionerà. Impostare il problema in Fit Model sarà d'aiuto, e poi potremo guardare le medie dei minimi quadrati per la variabile di trattamento principale.

Re: Scelta del confronto di medie corretto

Oltre a tutto ciò che ha chiesto il mio ex collega (sono in pensione) @Byron_JMP , la disposizione/combinazione di trattamenti e piante è una sorta di esperimento progettato o sono solo trattamenti casuali applicati a casaccio alle piante come la natura o qualcuno ha deciso di somministrare? Questo potrebbe avere un grande impatto su come dovresti analizzare in modo ottimale le risposte... e non solo test di confronto multiplo.

Re: Scelta del confronto di medie corretto

Potrebbe essere più facile comprendere il problema con una tabella di esempio.

Sembra che tu abbia dati come questi

Tre o più trattamenti.

Più piante per trattamento

Punti di campionamento multipli (tipi di tessuto) per pianta

Campioni multipli di ogni tessuto

Alla fine, potresti voler vedere l'effetto del trattamento sia sulle foglie che sullo stelo, ad esempio, per ogni trattamento.

Se i trattamenti multipli fossero qualcosa di simile al controllo e a diverse diluizioni della sostanza appiccicosa, allora anche questo cambierebbe alcune cose.