Comment transformer les données en rangs ?Bonjour,
je veux comparer le degré de défoliation de différentes stations. j'ai donc échantillonné trois arbres par station et pour chaque arbre j'ai échantillonné en bas, au milieu et en haut de la couronne. je voulais utiliser une ANOVA à deux facteurs pour voir s'il y a une différence entre la station et entre le niveau dans l'arbre. mais mon problème est que les variances sont très inégales.
alors je me demandais comment je pourrais faire une transformation de rang sur mes données en utilisant jmp ? Ensuite, je ferais une ANOVA bidirectionnelle régulière.
Merci d'avance
Adrien
Re : Comment transformer des données en rangs ?Un moyen rapide de convertir vos données en rangs est d'utiliser la plateforme Distribution. Tout d'abord, accédez à Analyse > Distribution et placez votre variable d'intérêt dans le rôle Y. Si vous avez une variable de regroupement, placez-la dans le rôle Par. Cliquez sur OK. Ensuite, cliquez sur le menu déroulant en forme de triangle rouge à côté de votre réponse (si vous avez une variable Par, maintenez la touche Ctrl enfoncée au préalable pour diffuser l'action à tous les niveaux de groupe) et choisissez Enregistrer > Rangs ou Moyenne des rangs. Cette méthode enregistrera les rangs dans votre tableau de données d'origine.
Re: transformation de rangla défoliation a été mesurée en échantillonnant les feuilles et en estimant la défoliation par feuille, puis j'ai calculé la défoliation moyenne par feuille
et je veux voir où la défoliation est la plus importante (haut, milieu, bas de la couronne) et je veux aussi voir quelles stations sont significativement plus défoliées que les autresRe: transformation de rangHé,
merci pour votre aide, j'ai essayé la transformation de la racine carrée d'acrsin mais les variances sont toujours inégales.
et si j'utilisais une régression logistique, je ne serais pas en mesure de comparer le degré de défoliation entre les différents niveaux de l'arbre, n'est-ce pas ?
Merci encoreRe: transformation de rangPremière question : le système de mesure est-il adéquat ? Comment mesure-t-on la défoliation ? Les données sont-elles catégorisées ?
Deuxième question (ensemble). Que souhaitez-vous observer ? Voulez-vous savoir si la variation est différente au sein d'un arbre, d'un arbre à l'autre ou entre les stations ? Utilisez des cartes de contrôle et des graphiques de variabilité pour observer les différences.Re: transformation de rangMa première pensée serait que si vous pouviez trouver une transformation de vos données qui les normaliserait, vous vous simplifieriez grandement la vie, notamment parce que vous seriez toujours en mesure de répondre à des questions sur les données (comme le degré de défoliation des arbres à la station A par rapport à la station 
auxquelles vous auriez du mal à répondre si vous commenciez à en analyser les rangs. Par ailleurs, il me semble que si vous intégrez les rangs dans une ANOVA standard à deux facteurs, vous ne conservez toujours pas vraiment l'hypothèse de résidus indépendants normalement distribués à variance constante : vous compliquez simplement la démonstration qu'ils ne le sont pas (et d'ailleurs, vous savez qu'ils ne le sont pas si vous analysez les rangs).
Une transformation que vous pourriez envisager pour vos données est une transformation arcsinus racine carrée, généralement recommandée lorsque vos données sont une proportion (voir par exemple http://udel.edu/~mcdonald/stattransform.html). Celle-ci contribue à normaliser les variances vers les extrêmes de l'échelle (c'est-à-dire 0 % et 100 %), même si, même dans ce cas, il n'y a pas grand-chose à faire pour normaliser les extrêmes .
Si vos données incluent un grand nombre d'instances de défoliation presque complète ou presque aucune défoliation du tout, vous pourriez envisager d'analyser une variable binaire (c'est-à-dire « défolié » / « non défolié ») ou une variable ordinale (1 = « non défolié », 2 = « partiellement défolié », 3 = « entièrement défolié ») en utilisant une régression logistique (voir par exemple http://udel.edu/~mcdonald/statlogistic.html ), ce qui vous permettrait toujours d'ajuster des variables explicatives à vos données comme la station, le type d'arbre, l'âge de l'arbre, la hauteur de l'arbre, etc. La régression logistique est fournie dans la plateforme « Fit Model » : changez simplement la personnalité en fonction du type de régression logistique que vous souhaitez effectuer et assurez-vous que le type de modélisation de votre variable de réponse est défini sur « Nominal » ou « Ordinal » (sinon les deux options de régression logistique seront grisées).Re: transformation de rangAdrien,
Je trierais vos données par défoliation, puis créerais une nouvelle colonne nommée « rang » et appliquerais une formule à cette colonne : la fonction de ligne « séquence » numérotera les lignes de cette colonne de 1 à ce que vous spécifiez, et comme elles sont triées par défoliation, vous donnera des rangs.
Cependant, cela ne vous servira pas si vous avez beaucoup d’observations liées.
