Comprendre le graphique partagé


8

Quelqu'un peut-il m'expliquer l'intuition derrière l'intrigue partagée?

D'après ce que je comprends, il s'agit essentiellement d'une randomisation restreinte. Mais je ne le comprends toujours pas très bien. Y a-t-il une ressource ou un exemple que quelqu'un peut me donner pour que ce soit plus clair?

Réponses:


4

Les parcelles fractionnées sont souvent utilisées par nécessité, mais il peut y avoir des avantages statistiques en terme de précision de vos contrastes (ou aussi des inconvénients). Voici ma compréhension rudimentaire de l'intuition pour utiliser l'intrigue partagée:

Tout d'abord, permettez-moi d'établir que deux termes communs dans la conception de parcelles fractionnées sont «facteur de parcelle entier» et «facteur de sous-parcelle». Dans une étude agricole, l'ensemble du facteur de parcelle est à une plus grande échelle spatiale, par exemple des champs entiers, qui représentent différents niveaux de certains traitements tels que l'efficacité du drainage. Les facteurs de sous-tracé sont imbriqués spatialement dans le facteur de tracé complet. Les facteurs de sous-parcelle sont souvent quelque chose qui peut être appliqué à une échelle spatiale plus petite, comme le type de culture.

Remarque sur la conception des parcelles divisées, les champs sont imbriqués dans le drainage et chaque champ est divisé en plusieurs sous-parcelles

Mis à part des raisons pratiques (ce qui peut être le cas dans l'exemple que j'ai écrit ci-dessus), la puissance divisée peut être efficace (ou inefficace!). Federer et King 2007 suggèrent que l'une des raisons d'utiliser le tracé fractionné est qu'en comparaison avec une ANOVA à 2 voies, vous avez généralement une précision accrue pour détecter les contrastes entre les facteurs du sous-tracé. De plus, les effets d'interaction peuvent être plus faciles à détecter. En revanche, la précision de détection des contrastes entre l'ensemble du facteur de tracé diminue généralement.

Ces différences s'expliquent par le fait que deux termes d'erreur résiduelle distincts sont utilisés pour les tests d'hypothèse. Le terme d'erreur de tracé complet est calculé en faisant d'abord la moyenne des sous-placettes au sein de chaque tracé entier.

Le tracé de crachat est également parfois utilisé comme un tracé fractionné dans le temps, ce qui, si je comprends bien, est similaire à des mesures répétées, souvent utilisées sur des sujets. Je ne sais pas quel est l'avantage d'une manière ou d'une autre à ce sujet. La terminologie est mappée comme suit:

 split-plot design = repeated-measures design
 whole plot        = subject
 whole plot factor = between-subject factor
 split-plot factor = within-subject factor = repeated-measures factor

Une référence très complète sur la théorie et la mise en œuvre des parcelles divisées est la suivante: Federer WT & King F (2007) Variations sur les conceptions des parcelles divisées et des blocs divisés (John Wiley & Sons).


2

Une bonne ressource serait " La conception des expériences " de Mead (1988), chapitre 14. Je pense qu'il y a une nouvelle version ici . Mais vous n'avez pas vraiment besoin de la nouvelle version pour comprendre le split-plot, et je suppose que vous avez accès à ces livres dans votre bibliothèque locale.

Je peux vous donner ma valeur de 2 cents. Dans le monde idéal, si vous avez 2 traitements, vous voudriez faire une conception factorielle. C'est probablement la conception la plus efficace que vous puissiez utiliser. Cependant, il existe souvent des limites pratiques. Peut-être que les 2 traitements doivent être appliqués à différents niveaux de l'unité (1 plus grand, 1 plus petit), alors vous devrez composer avec le split-plot. Mon point de vue sur le split-plot est donc qu'il découle d'une limitation pratique.

En lien avec la notion de randomisation restreinte, oui, le tracé partagé est un type de randomisation restreinte. Le traitement appliqué à l'unité principale (tracé «plus grand») est randomisé dans un sens restreint. Mais la restriction est due à une limitation pratique plutôt qu'à un idéal statistique.

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.