Anidación en JMP¡Hola a todos! Tengo problemas para traducir la estructura anidada de mis datos a las ventanas de JMP. Tengo un estudio de fertilizantes agrícolas, donde tenemos un control (sin fertilizante) y luego unos 10 tratamientos (Fertilizante 1, 2, etc.). Cada tratamiento tiene dos niveles (fertilizante bajo y alto, L y H). Por lo tanto, "nivel" está anidado dentro de "tratamiento". Me interesa el efecto principal del tratamiento ("¿Difieren los fertilizantes?") y si las dosis bajas y altas difieren para distintos fertilizantes (por ejemplo, el efecto tratamiento*nivel). ¿Cómo puedo codificar esto correctamente en JMP? ¡Muchas gracias de antemano!
Análisis y modelado de datos básicosRe: Anidación en JMP¿Que examen es?
Re: Anidación en JMPQuizás no entiendo tu pregunta. ¿Estás diciendo que las tasas bajas y altas reales son diferentes para los distintos fertilizantes? Si la estructura está anidada, no puedes estimar los efectos de interacción. Escribe el modelo de la siguiente manera: Y = F + R[F]
Si las tasas son las mismas, entonces se tiene un diseño factorial 10x2 (más un grupo de control). En cuyo caso se tiene Y = F + R + F*R.
Como F es categórica, no hay términos polinomiales.
Re: Anidación en JMPHola @cmc ,
Además de la excelente guía de @statman , puede leer la sección de Ayuda de JMP relacionada con factores anidados y, más precisamente, un ejemplo con factores anidados que lo ayudarán a definir su modelo (sin el rol aleatorio del término del modelo): https://www.jmp.com/support/help/es/19.0/#page/jmp/ejemplo-de-un-modelo-de-efectos-aleatorios-anidados-de-dos-factores.shtml#ww893945
Espero que esta respuesta pueda ayudarte.
Re: Anidación en JMP¡Gracias, statman! Sí, las tasas bajas y altas son, de hecho, las mismas para cada fertilizante. Por lo tanto, el segundo modelo funcionaría (Y = F + R + F*R); sin embargo, el problema radica en los controles. Los controles tienen una tasa (fertilizante cero) que es diferente de las tasas de tratamiento (que tienen dos niveles distintos de cero, por ejemplo, 100 kg de fertilizante y 150 kg de fertilizante). Por lo tanto, en este caso, no se puede estimar una interacción si se incluyen los controles en el análisis. Entonces, ¿la solución es omitir los controles y ejecutarlos en un análisis aparte? ¿O simplemente relativizar todo con los controles (por ejemplo, el % de cambio relativo a los controles) y ejecutar un análisis factorial de 10 x 2? Supongo que cualquiera de las dos opciones si no puedo anidar la tasa dentro del fertilizante Y estimar las interacciones de tasa * fertilizante. ¡Gracias de nuevo!
Re: Anidación en JMPNo hay una respuesta "correcta". Se podría usar 0 como el nivel bajo de las tasas (o hacer un diseño de 3 niveles para las tasas), ¿quizás %? ¿En realidad usarías alguna vez 0? ¿Por qué asentir, necesitas comparar con 0 fertilizantes? Mucho depende de las preguntas que intentes responder y de las motivaciones del experimento: elegir un ganador o comprender los mecanismos causales. Siempre que alguien investiga factores en más de 3 niveles, tengo un alter ego que aparece y dice "elige un ganador". Me interesaría mucho más, si se tratara de un entorno agrícola, comprender el tipo y la cantidad de fertilizantes frente al ruido subyacente. Fertilidad del suelo subyacente, preparación del suelo, condiciones ambientales, variación en la semilla, error de medición, etc. Sugiero bloquear o alguna otra estrategia para evaluar los efectos de los fertilizantes y determinar si esos efectos son consistentes ante el ruido cambiante.
“Desafortunadamente, los experimentos futuros (futuros ensayos, la producción de mañana) se verán afectados por condiciones ambientales (temperatura, materiales, personas) diferentes de las que afectan a este experimento… Solo mediante el conocimiento del tema, posiblemente con la ayuda de experimentos adicionales , se podrá lograr este objetivo. (cursiva añadida) para cubrir una gama más amplia de condiciones, de modo que uno pueda decidir, con el riesgo de equivocarse, si las condiciones ambientales del futuro serán lo suficientemente parecidas a las de hoy como para permitir el uso de los resultados disponibles”.
Dr. Deming
