งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

Nested design and Expected Means Square and random effect By Dr.Wuttigrai Boonkum Department of Animal Science, Faculty of Agriculture, KKU.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "Nested design and Expected Means Square and random effect By Dr.Wuttigrai Boonkum Department of Animal Science, Faculty of Agriculture, KKU."— ใบสำเนางานนำเสนอ:

1 Nested design and Expected Means Square and random effect By Dr.Wuttigrai Boonkum Department of Animal Science, Faculty of Agriculture, KKU

2 Objectives : นศ. สามารถวิเคราะห์แผนการทดลองแบบ nested design ได้ นศ. สามารถวิเคราะห์แผนการทดลองแบบ nested design ได้ นศ. สามารถบอกความหมายของค่า expected means square และค่า random effect ได้ นศ. สามารถบอกความหมายของค่า expected means square และค่า random effect ได้ นศ. แสดงขั้นตอนและวิธีการคำนวณค่า expected means square ได้ นศ. แสดงขั้นตอนและวิธีการคำนวณค่า expected means square ได้ นศ. บอกความแตกต่างของ fixed effect และ random effect ได้ นศ. บอกความแตกต่างของ fixed effect และ random effect ได้

3 Nested Design a1a2 b1b2b1b2 a1a2b1b2b3b4 Cross effect สามารถทดสอบอิทธิพลของ A B และ AB Nested effect สามารถทดสอบอิทธิพลของ A และ B(A) B nested in A Fixed or Random effect

4 ความหมายของ Nested design เป็นงานทดลองที่สนใจศึกษาหลายปัจจัยพร้อม กันคล้าย factorial experiments ปัจจัยหลักที่สนใจศึกษาเป็นปัจจัย fixed effect ปัจจัยรองที่สนใจศึกษาคือปัจจัยที่สุ่มเข้ามาใน fixed effect นั่นคือ nested effect

5 แผนการทดลองแบบสุ่มซ้อนที่ นิยมใช้ 2 – level nested design 3 – level nested design

6 การตั้งสมมติฐานของการทดลอง Main effect A ( กรณีเป็น Fixed effect ) 3 ระดับ มีค่าเฉลี่ยอย่างน้อย 1 คู่ที่แตกต่างกัน Main effect A ( กรณีเป็น Fixed effect ) 2 ระดับ

7 การตั้งสมมติฐานของการทดลอง Main effect B ( กรณีเป็น Random effect ) 2 ระดับ B nested in A Main effect C ( กรณีเป็น Random effect ) 3 ระดับ C nested in AB

8 การเขียนคำสั่งใน SAS Proc anova data = nested; Class A B; Class A B; Model Y = A B(A); Model Y = A B(A); Test H = A E = B(A); Test H = A E = B(A);Run; Proc anova data = nested; Class A B C; Class A B C; Model Y = A B A*B C(A*B); Model Y = A B A*B C(A*B); Test H = A B A*B E = C(A*B); Test H = A B A*B E = C(A*B);Run; 2-level nested design 3-level nested design

9 Output

10 Expected Means Square ? Random effect ?

11 Introduction : Fixed effect

12 EMS EMS เป็นการหาส่วนของ error term เพื่อใช้ทดสอบอิทธิพล

13 Introduction : Fixed effect Random effect  Mixed model EMS ?

14 Fixed effect versus Random effect ?

15 Fixed effect Random effect

16 Fixed vs Random effect Fixed effect : - เป็นปัจจัยที่สนใจศึกษา - ปัจจัยทั้งหมดต้องปรากฏในการศึกษา เช่น ต้องการศึกษาอิทธิพล ของระดับโปรตีน 4 ระดับ 14 % 16 % 18 % 20 % - เป็นปัจจัยที่สามารถควบคุมให้เกิดขึ้นซ้ำได้ Random effect : - เป็นปัจจัยที่ได้จากการสุ่ม - ไม่สามารถควบคุมให้เกิดซ้ำได้ - ไม่สนใจศึกษามากนัก

17 EMS หายังไง

18 ตัวอย่าง : กำหนดให้ ปัจจัย A เป็น fixed effect และ B,C เป็น random effect A B C AB AC BC ABC Error ABCABACBCABCError Fixed effect Random effect               

19 ตัวอย่าง : กำหนดให้ ปัจจัย A เป็น fixed effect และ B,C เป็น random effect A B C AB AC BC ABC Error ABCABACBCABCError                   

20 ข้อกำหนดการใช้สัญลักษณ์ กรณีอิทธิพลเดียว (A, B or C) กรณีอิทธิพลร่วม (AB, AC, BC or ABC)

21 เขียนค่า EMS ของแต่ละ อิทธิพล

22 Steel and Terry (1980) effectEMSF A B C AB AC BC ABC Error MS E MS ABC / MS E MS BC / MS E MS AC / MS ABC MS AB / MS ABC MS C / MS BC MS B / MS BC MS ’ / MS ” Note: Note: fixed effects have in model but not in random effect

23 Pseudo-F analysis F ’ = MS’ / MS” = (MS A + MS ABC ) / (MS AB + MS AC ) Pseudo-F

24 Hocking (1973) presents in both fixed effect and random effect could be in model. And then… effectEMSFA B C AB AC BC ABC Error MS E MS ABC / MS E MS BC / MS E MS AC / MS ABC MS AB / MS ABC MS C / MS BC MS B / MS BC MS ’ / MS ”

25 ดังนั้น ค่า EMS ที่ได้จากวิธี Steel and Terry จึงนิยม เรียกว่า restricted model ค่า EMS ที่ได้จากวิธี Steel and Terry จึงนิยม เรียกว่า restricted model ค่า EMS ที่ได้จากวิธี Hocking จึงนิยมเรียกว่า unrestricted model ค่า EMS ที่ได้จากวิธี Hocking จึงนิยมเรียกว่า unrestricted model

26 การตั้งสมมุติฐานของงานทดลอง คล้ายกันกับ factorial experiments หรือ split-plot design คล้ายกันกับ factorial experiments หรือ split-plot design แตกต่างกันที่ปัจจัยสุ่ม เช่น หากกำหนดให้ปัจจัย A = fixed effect และ แตกต่างกันที่ปัจจัยสุ่ม เช่น หากกำหนดให้ปัจจัย A = fixed effect และ B, C = random effect มีค่าเฉลี่ยอย่างน้อย 1 คู่ที่แตกต่างกัน Main factor A Main factor C Main factor B

27 การวิเคราะห์หาค่า EMS ใน SAS สามารถวิเคราะห์ได้โดยใช้ 2 คำสั่งคือ สามารถวิเคราะห์ได้โดยใช้ 2 คำสั่งคือ Proc Mixed Proc GLM  ใช้หลักการของ OLS (ordinary least Square) Square)  ใช้หลักการของ GLS (generalized least Square) Square) ใช้ความแปรปรวนของทุกปัจจัยมาวิเคราะห์ร่วมกัน Fixed effect (BLUE) Random effect (BLUP) ใช้ความแปรปรวนของปัจจัยที่เกี่ยวข้องมาวิเคราะห์ร่วมกัน

28 การวิเคราะห์หาค่า EMS ใน SAS โดยใช้คำสั่งคือ Proc GLM โดยใช้คำสั่งคือ Proc GLM จากโจทย์กำหนดให้ A = fixed effect B, C = random effect Proc GLM data = ………….; Class a b c ; Class a b c ; Model Y = a b c a*b a*c b*c Model Y = a b c a*b a*c b*c a*b*c ; a*b*c ; Random เขียนปัจจัยสุ่มทั้งหมด /Test ; Random เขียนปัจจัยสุ่มทั้งหมด /Test ;RUN; Proc GLM data = ………….; Class a b c ; Class a b c ; Model Y = a b c a*b a*c b*c Model Y = a b c a*b a*c b*c a*b*c ; a*b*c ; Random b c a*b a*c b*c Random b c a*b a*c b*c a*b*c /Test ; a*b*c /Test ;RUN;

29 Output

30 ทำไมต้องอ่าน Type III SS Type I SS เรียกว่า sequential ss อิทธิพลใน โมเดลจะมีการปรับโดยเรียงตามลำดับการเรียง ของอิทธิพล กรณีที่ใช้ ศึกษาแนวโน้มของทรีทเมนต์ หรือ การวิเคราะห์แบบสุ่มซ้อน Type III SS เรียกว่า partial ss อิทธิพลในโมเดล จะมีการปรับด้วยทุกอิทธิทุกตัวเท่าเทียมกัน การ เรียงลำดับจึงไม่มีความสำคัญ กรณีที่ใช้ งานทดลองแบบ unbalanced proc GLM

31

32

33 การอ่านผล อ่านผลที่ Interaction ก่อน (a*b a*c b*c a*b*c) Interaction (Sig) อ่านผล ของแต่ละระดับใน แต่ละปัจจัย Interaction (NS) อ่านผล แยกในแต่ละระดับของ แต่ละปัจจัย

34 การวิเคราะห์หาค่า EMS ใน SAS โดยใช้คำสั่งคือ Proc Mixed โดยใช้คำสั่งคือ Proc Mixed จากโจทย์กำหนดให้ A = fixed effect B, C = random effect Proc Mixed data = ………….; Class a b c ; Class a b c ; Model Y = ปัจจัยคงที่ ; Model Y = ปัจจัยคงที่ ; Random เขียนปัจจัยสุ่มทั้งหมด ; Random เขียนปัจจัยสุ่มทั้งหมด ;RUN; Proc Mixed data = ………….; Class a b c ; Class a b c ; Model Y = a ; Model Y = a ; Random b c a*b a*c b*c Random b c a*b a*c b*c a*b*c ; a*b*c ;RUN;

35 SAS code

36 Output ปัจจัย C สอดคล้องกัน

37 Conclusion Proc mixed จะไม่มีการทดสอบหาอิทธิพล สุ่ม ( การทดสอบ F จากปัจจัยสุ่มเป็นเพียง การทดสอบ Ratio เท่านั้น >1 **)Proc mixed จะไม่มีการทดสอบหาอิทธิพล สุ่ม ( การทดสอบ F จากปัจจัยสุ่มเป็นเพียง การทดสอบ Ratio เท่านั้น >1 **) Proc mixed ประมาณความแปรปรวนของ อิทธิพลสุ่มด้วยวิธี REML ( ค่าใกล้ 0 จะ non-significant )Proc mixed ประมาณความแปรปรวนของ อิทธิพลสุ่มด้วยวิธี REML ( ค่าใกล้ 0 จะ non-significant )

38 สวัสดี


ดาวน์โหลด ppt Nested design and Expected Means Square and random effect By Dr.Wuttigrai Boonkum Department of Animal Science, Faculty of Agriculture, KKU.

งานนำเสนอที่คล้ายกัน


Ads by Google