对差异组件的等级建模使得可解决的不完整块设计的分析更有效
Marcin Studnicki1, Hans Peter Piepho2
1Department of Biometry, Institute of Agriculture, Warsaw, University of Life Sciences, Nowoursynowska 159, 02-776, Warsaw, Poland. marcin_studnicki@sggw.edu.pl.
这项研究引入了一种对分析alpha设计的层次方法,通过使用历史数据来告知差异组件先验来改进治疗效果估计. 该方法解决了标准剩余最大概率 (REML) 方法的局限性,特别是在不完整的块设计中.
科学领域:
- 农业统计 农业统计
- 统计建模 统计建模
- 实验设计 实验设计
背景情况:
- 对alpha设计的标准分析使用剩余最大概率 (REML).
- 在不完整的区块设计中,REML可以产生零区块方差,阻碍区块间信息恢复并降低处理效果的准确性.
- 由于统计和计算的进步,等级方法正在获得引力.
研究的目的:
- 为了提高使用alpha设计分析单个试验的精度.
- 建议在alpha设计中进行差异组件估计的等级方法.
- 为了比较提出的等级方法与经典REML方法的有效性.
主要方法:
- 开发了一种使用客观知情的先前分布对方差组件 (复制品,块,图) 的等级方法.
- 预测是基于之前 (历史) 试验的结果.
- 为这些先前分布提出并评估了不同的建模方法.
主要成果:
- 与REML相比,分层方法显示了与REML相比,在治疗效果估计中提高精度的潜力.
- 有效地解决了不完整块设计中REML固有的零块方差估计问题.
- 通过两阶段的方法提供了一种更强大的方法来分析多环境试验.
结论:
- 提出的层次建模方法为REML提供了一个有价值的替代方案,用于分析alpha设计,特别是在多环境试验环境中.
- 通过知情先验将历史数据纳入其中,可以提高差异组件估计的准确性和可靠性.
- 这种方法可以更好地恢复区间间信息,从而更准确地估计治疗效果.
更多相关视频
06:52Using Cholesky Decomposition to Explore Individual Differences in Longitudinal Relations between Reading Skills
Published on: September 17, 2019
06:18Qualitative and Comparative Cortical Activity Data Analyses from a Functional Near-Infrared Spectroscopy Experiment Applying Block Design
Published on: December 3, 2020
相关概念视频
Friedman Two-way Analysis of Variance by Ranks
Factorial Design
Experimental Designs
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
One-Way ANOVA: Equal Sample Sizes
Different sample means can result in different values for the variance estimate: variance between samples. This is because the variance between samples is calculated as the product of the sample size and the variance between the...
One-Way ANOVA: Unequal Sample Sizes
