Al realizar el análisis de experimentos de diseño de parcelas divididas, si el valor p de Wald para parcelas completas o subparcelas es relativamente grande, ¿deberían eliminarse las parcelas completas o subparcelas?
Hola @Rily_Maya ,
¿Cuáles son sus objetivos con este DoE?
¿A qué se refieren físicamente las tramas completas/subtramas?
Los diseños de parcelas divididas se introdujeron originalmente en el contexto agrícola, donde la aleatorización completa no era viable, ya que los tratamientos debían aplicarse en parcelas predeterminadas. Si ha elegido una estructura de diseño de parcelas divididas, significa que al menos uno de sus factores no fue completamente aleatorizado, por lo que debería optar por el análisis del modelo mixto (y los efectos aleatorios de toda la parcela y subparcelas).
El uso de estrategias de diseño de parcelas divididas permite capturar parte de la variabilidad y atribuirla a un factor aleatorio (efectos de parcela completa/subparcela). El riesgo de eliminar el efecto aleatorio de parcela completa es que la varianza residual aumente (esta contendrá la varianza residual anterior más las varianzas de parcela completa y subparcela). Por lo tanto, se podrían obtener diferentes efectos estadísticamente significativos, un modelo diferente, y algunos efectos podrían quedar "ocultos" por la varianza residual total "recién creada".
Aquí se muestra un ejemplo con el conjunto de datos JMP de Corrosión de Cajas (Box Corrosion Split-Plot). El efecto de la parcela completa no es significativo como en su ejemplo (pero aun así captura el 90 % de la varianza total, mientras que en su caso, los efectos aleatorios de las parcelas completas y las subparcelas capturan más del 70 % de la varianza total para OCV, y el efecto aleatorio de la parcela completa captura más del 38 % de la varianza total para el espesor).
Pero echemos un vistazo a los valores p de las pruebas de efectos fijos.
Ahora, cuando estoy reiniciando el mismo modelo sin efectos aleatorios de parcelas completas, el efecto de interacción y el efecto de recubrimiento no parecen estadísticamente significativos (pero la temperatura del horno sí):
Y la estimación de los parámetros tiene errores estándar más altos para el factor difícil de cambiar (recubrimiento) y cualquier interacción que lo involucre (incluso si las estimaciones de los parámetros tienen el mismo valor):
(Izquierda: informe del modelo mixto / Derecha: informe del modelo de mínimos cuadrados estándar)
Entonces, claramente, si has diseñado tu configuración DoE/experimental con toda la situación de la trama/subtrama, debes seguir con ella.
Es la forma más "adecuada" de analizar sus datos con un modelo que refleje sus restricciones experimentales (falta de aleatorización completa).
También puedes ver mi pequeña presentación sobre diseños de parcelas divididas aquí: Comprensión del diseño de experimentos: diseños de parcelas divididas
Espero que esta respuesta te ayude.
Muchas de las preguntas que hizo Víctor son necesarias para comprender su situación. Las parcelas divididas son diseños con restricciones de aleatorización. A veces, esto se hace por conveniencia (p. ej., factores difíciles de modificar) o por eficiencia, cuando se busca reducir el costo del experimento sin perder mucha información. De hecho, a veces un diseño de parcelas divididas es más eficiente y efectivo (p. ej., mayor precisión) que un diseño aleatorizado. Véase:
Box, GEP, Stephen Jones (1992), “ Diseños de parcelas divididas para la experimentación robusta de productos ”, Revista de Estadística Aplicada , vol. 19, n.º 1
Box y Jones también muestran cómo analizar adecuadamente estos diseños. Esta podría ser una interpretación diferente a la que Victor sugiere para el análisis (¡No es necesario que toda la trama sea un efecto aleatorio!).
