Какие выборки считаются связанными |
Здравствуйте, гость ( Вход | Регистрация )
Какие выборки считаются связанными |
2.12.2011 - 07:39
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 33 Регистрация: 31.07.2008 Пользователь №: 5185 |
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. |
|
2.12.2011 - 19:48
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
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 |
|