Какие выборки считаются связанными Опции

[Stefa]

Всем добрый день! Столкнулась с проблемой и просто зациклилась на ней. Пример из книги В.Ю. Урбаха : две делянки пшеницы, одна опыт, вторая контроль, измерялась урожайность раз в год.
Год| 1947|1948|1949|1950|1951|1952|1953
Опыт|22.9|20.2|19.5|30.5|35.6|31.9|27.7
Контроль|19.4|16.2|16.9|29.3|31.4|28.5|26.6
Для сравнения урожайности применяется критерий Стьюдента для парных выборок. У меня аналогичная задача, но я не могу доказать, почему эти выборки следует считать парными. На все мои объяснения, что опыт и контроль связаны годом, и что нельзя сравнивать урожайность первой делянки за 1947 год и урожайность второй делянки, например, за 1953г., а необходимо рассматривать именно пары, мне рассказывают про пациентов до и после лечения, и что там да, связанные, а здесь никакой связи нет. Может быть я не права? А если права, то, как объяснить так, чтобы не у кого не возникало никаких сомнений. Помогите, пожалуйста! Заранее большое спасибо.

[p2004r]

Год| 1947|1948|1949|1950|1951|1952|1953
Опыт|22.9|20.2|19.5|30.5|35.6|31.9|27.7
Контроль|19.4|16.2|16.9|29.3|31.4|28.5|26.6

Ну а для сельскохозяйственного опыта все в порядке, для дизайна эксперимента как раз значим год. А участок ничего не вносит.

Код

> data.s.long<-melt(data=data.s,id.vars="Год", measure.vars=c("Опыт","Контроль"))
> data.s.long
    Год variable value
1  1947     Опыт  22.9
2  1948     Опыт  20.2
3  1949     Опыт  19.5
4  1950     Опыт  30.5
5  1951     Опыт  35.6
6  1947 Контроль  19.4
7  1948 Контроль  16.2
8  1949 Контроль  16.9
9  1950 Контроль  29.3
10 1951 Контроль  31.4
> model.s.ful <- lmer(value ~ 1 + (1|Год) + (1|variable), data=data.s.long)
> model.s.ful
Linear mixed model fit by REML
Formula: value ~ 1 + (1 | Год) + (1 | variable)
   Data: data.s.long
   AIC   BIC logLik deviance REMLdev
56.32 57.54 -24.16    52.62   48.32
Random effects:
Groups   Name        Variance Std.Dev.
Год      (Intercept) 49.693   7.04933
variable (Intercept)  4.654   2.15731
Residual              0.755   0.86891
Number of obs: 10, groups: Год, 5; variable, 2

Fixed effects:
            Estimate Std. Error t value
(Intercept)   24.190      3.513   6.886
> model.s.год <- lmer(value ~ 1 + (1|Год) , data=data.s.long)
> model.s.год
Linear mixed model fit by REML
Formula: value ~ 1 + (1 | Год)
   Data: data.s.long
   AIC   BIC logLik deviance REMLdev
60.71 61.62 -27.36     58.8   54.71
Random effects:
Groups   Name        Variance Std.Dev.
Год      (Intercept) 47.366   6.8823  
Residual              5.409   2.3257  
Number of obs: 10, groups: Год, 5

Fixed effects:
            Estimate Std. Error t value
(Intercept)   24.190      3.164   7.645
> model.s.опыт <- lmer(value ~ 1 + (1|variable), data=data.s.long)
> model.s.опыт
Linear mixed model fit by REML
Formula: value ~ 1 + (1 | variable)
   Data: data.s.long
   AIC  BIC logLik deviance REMLdev
68.59 69.5  -31.3    65.94   62.59
Random effects:
Groups   Name        Variance Std.Dev.
variable (Intercept)  0.000   0.0000  
Residual             47.512   6.8929  
Number of obs: 10, groups: variable, 2

Fixed effects:
            Estimate Std. Error t value
(Intercept)    24.19       2.18    11.1