Imbrication dans JMPBonjour à tous ! J'ai des difficultés à intégrer la structure imbriquée de mes données dans JMP. Il s'agit d'une étude sur les engrais agricoles, avec un témoin (sans engrais) et une dizaine de traitements (Engrais 1, 2, etc.). Chaque traitement comporte deux niveaux (faible et forte dose d'engrais, F et F). Le niveau est donc imbriqué dans le traitement. Je m'intéresse à l'effet principal du traitement (« Les engrais ont-ils un effet différent ? ») et à l'influence des doses faibles et fortes sur les différents engrais (par exemple, l'interaction traitement*niveau). Comment puis-je coder cela correctement dans JMP ? Merci d'avance !
Analyse et modélisation de données de baseRe: Imbrication dans JMPDe quel examen s'agit-il ?
Re: Imbrication dans JMPJe ne comprends peut-être pas votre question : voulez-vous dire que les taux faibles et élevés réels diffèrent selon les engrais ? Si la structure est effectivement emboîtée, vous ne pouvez pas estimer les effets d’interaction. Vous écrivez le modèle comme suit : Y = F + R[F].
Si les taux sont identiques, on a un plan factoriel 10x2 (plus un groupe témoin). Dans ce cas, Y = F + R + F*R.
Puisque F est catégorique, il n'y a pas de termes polynomiaux.
Re: Imbrication dans JMPSalut @cmc ,
Outre les excellents conseils de @statman , vous pouvez consulter la section d'aide de JMP relative aux facteurs imbriqués, et plus précisément un exemple avec des facteurs imbriqués qui vous aidera à définir votre modèle (sans le rôle aléatoire du terme de modèle) : https://www.jmp.com/support/help/en/19.0/#page/jmp/example-of-a-twofactor-nested-random-effects-model.shtml#ww893945
J'espère que cette réponse vous sera utile.
Re: Imbrication dans JMPMerci Statman ! Oui, les doses faibles et élevées sont bien identiques pour chaque engrais. Le deuxième modèle fonctionnerait donc (Y = F + R + F*R). Cependant, le problème réside dans les témoins. Ces derniers n'ont qu'une seule dose (zéro engrais), différente de celle des traitements (qui comportent deux niveaux différents de zéro, par exemple 100 kg et 150 kg d'engrais). Dans ce cas, l'interaction n'est pas estimable si les témoins sont inclus dans l'analyse. La solution consiste-t-elle alors à exclure les témoins et à effectuer une analyse séparée ? Ou bien à tout relativiser par rapport aux témoins (par exemple, en pourcentage de variation par rapport aux témoins) et à réaliser une analyse factorielle 10 x 2 ? J'imagine que les deux options sont possibles si je ne peux pas à la fois imbriquer la dose dans l'engrais et estimer les interactions dose * engrais ? Merci encore !
Re: Imbrication dans JMPIl n'y a pas de « bonne » réponse. On pourrait utiliser 0 comme niveau minimal des doses (ou réaliser un plan expérimental à 3 niveaux), peut-être en pourcentage ? En réalité, utiliserait-on vraiment 0 ? Pourquoi comparer à une dose nulle d'engrais ? Tout dépend des questions auxquelles on cherche à répondre et des objectifs de l'expérience : identifier un facteur dominant ou comprendre les mécanismes causaux. Dès que l'on étudie des facteurs à plus de 3 niveaux, j'ai tendance à vouloir absolument en choisir un. Dans un contexte agricole, je serais bien plus intéressé par la compréhension du type et de la quantité d'engrais face aux variations : fertilité du sol, préparation du sol, conditions ambiantes, variations des semences, erreurs de mesure, etc. Je suggère d'utiliser un système de blocs ou une autre stratégie pour évaluer les effets des engrais et déterminer leur constance malgré ces variations.
« Malheureusement, les expériences futures (essais futurs, production de demain) seront affectées par des conditions environnementales (température, matériaux, personnes) différentes de celles qui affectent cette expérience… Seule la connaissance du sujet, éventuellement complétée par d’autres expériences, permettra de… » (italiques ajoutés) pour couvrir un plus large éventail de conditions, afin que l'on puisse décider, au risque de se tromper, si les conditions environnementales de l'avenir seront suffisamment similaires à celles d'aujourd'hui pour permettre l'utilisation des résultats obtenus.
Dr. Deming
