งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การวิเคราะห์ข้อมูล สูญหาย และข้อมูลที่มีซ้ำไม่ เท่ากัน ด้วย GLM พีระพงษ์ แพงไพรี

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การวิเคราะห์ข้อมูล สูญหาย และข้อมูลที่มีซ้ำไม่ เท่ากัน ด้วย GLM พีระพงษ์ แพงไพรี"— ใบสำเนางานนำเสนอ:

1 การวิเคราะห์ข้อมูล สูญหาย และข้อมูลที่มีซ้ำไม่ เท่ากัน ด้วย GLM พีระพงษ์ แพงไพรี

2 ข้อมูลสูญหาย (missing data)

3 Unbalanced data Missing data Random effect Field experiment Missing data Random effect Field experiment

4 การวิเคราะห์งานทดลองที่มี ข้อมูลสูญหาย ประเมินค่าสูญหาย ใช้ general linear model (GLM) ประเมินค่าสูญหาย ใช้ general linear model (GLM)

5 การวิเคราะห์โดยการ ประเมินค่าสูญหาย ประเมิน ค่าสูญ หาย แทนค่า สูญ หาย ANOVA ประเมิน ค่า SS(bias) ปรับค่า SS(trt) หา F trt

6 สูตรการประเมินค่าสูญหาย ใน RCBD M = k 1  i + k 2  j – k 3   M = ค่าสูญหายจากทรีทเมนต์ที่ j บล็อกที่ I   = ค่าเฉลี่ย   i = ค่าเฉลี่ยของบล็อกที่ i   j = ค่าเฉลี่ยของทรีทเมนต์ที่ j  k 1 = t/(t-1)  k 2 = r/(r-1)  k 3 = (tr-1)/(t-1)(r-1)

7 block Trt12345mean mean M = k 1  i + k 2  j – k 3  = (4/3)(32.67) + (5/4)(21.5) – (19/(4*3))(24.0) =

8 การวิเคราะห์โดยการ ประเมินค่าสูญหาย ประเมิน ค่าสูญ หาย แทนค่า สูญ หาย ANOVA ประเมิน ค่า SS(bias) ปรับค่า SS(trt) หา F trt

9 SOVdfSSMSFcalPr > F Block Treatment Error Total

10 การวิเคราะห์โดยการ ประเมินค่าสูญหาย ประเมิน ค่าสูญ หาย แทนค่า สูญ หาย ANOVA ประเมิน ค่า SS(bias) ปรับค่า SS(trt) หา F trt

11 สูตรการประเมินค่า SS(bias) ใน RCBD SS(bias) = [(t-1)  i – (t-1)M] 2 / t(t-1) SS(bias)= [(3x32.67) – (3x31.5)] 2 / 4(3) = 1.02 block Trt12345mean mean

12 การวิเคราะห์โดยการ ประเมินค่าสูญหาย ประเมิน ค่าสูญ หาย แทนค่า สูญ หาย ANOVA ประเมิน ค่า SS(bias) ปรับค่า SS(trt) หา F trt

13 SOVdfSSMSFcal Block Treatment Error Total SOVdfSSMSFcal Block Treatment Error Total – 1.02 =

14 block Trt12345mean mean การวิเคราะห์โดยใช้ GLM

15

16

17

18

19 Sum of Square Type I, II, III, IV EffectType IType IIType III, IV AAA | BA | B, AB BB | A B | A, AB ABAB | A, B

20 Dummy-Variable Model Y ij =  +  i +  ij กำหนดให้ผู้วิจัยมี 3 ทรีทเมนต์ ดังนั้น general linear model Y ij =  +  1 +  2 +  3 +  ij กำหนดให้ผู้วิจัยมี 2 ซ้ำ ดังนั้น dummy-variable model   1  2  3  ij Y 11 =  11 Y 12 =  12

21   1  2  3  ij Y 11 =  11 Y 12 =  12 Y 21 =  21 Y 22 =  22 Y 31 =  31 Y 32 =  32 Dummy-Variable Model

22 YX  

23 Y = X  +  X’Y = X’X   = (X’X) -1 X’Y

24 X’Y = X’X   = (X’X) -1 X’Y  = (X’X) - X’Y

25 REP TRTIntensity123 a1b b a2b12831 b23336

26

27 X’X X’Y Y’X Y’Y (X’X) -  ’’’’ SSE

28

29

30

31 ค่าเฉลี่ย least square ค่าเฉลี่ย least square หมายถึง ค่าเฉลี่ยที่ได้ จากโมเดลของการทดลองโดยการประเมินค่า ของอิทธิพลต่างๆ โดยวิธี minimize error sum square หรือ ordinary least square (OLS) Balance data ค่า mean กับ ls mean จะมีค่าเท่ากัน

32 Model : Y ijk =  +  i +  j +  ij +  ijk

33 a1b1=  +  1 +  1 +  11 = 34.5 – 2.17 – = 28.33

34 a1b2=  +  1 +  2 +  12 = 34.5 – = 32.33

35 a2b1=  +  2 +  1 +  21 = – = 29.5

36 a2b2=  +  2 +  2 +  22 = = 34.5

37 a1b1= a1b2 = a2b1 = 29.5 a2b2 = 34.5 a1b1= a1b2 = a2b1 = 29.5 a2b2 = 34.5 a1= ½ (a1b1 + a1b2) = ½ ( ) = a2= ½ (a2b1 + a2b2) = ½ ( ) = 32.0 b1= ½ (a1b1 + a2b1) = ½ ( ) = a2= ½ (a1b2 + a2b2) = ½ ( ) =

38 a1 = a2 = b1 = b2 = a1b1= a1b2 = a2b1 = a2b2 = a1 = a2 = b1 = b2 = a1b1= a1b2 = a2b1 = a2b2 = 34.50

39 พักเที่ยงจ้าพักเที่ยงจ้า


ดาวน์โหลด ppt การวิเคราะห์ข้อมูล สูญหาย และข้อมูลที่มีซ้ำไม่ เท่ากัน ด้วย GLM พีระพงษ์ แพงไพรี

งานนำเสนอที่คล้ายกัน


Ads by Google