Expected Means Square and random effect By Mr.Wuttigrai Boonkum Department of Animal Science, Faculty of Agriculture, KKU
Expected Means Square ? Random effect ?
Objective นศ. สามารถบอกความหมายของค่า expected means square และค่า random effect ได้ นศ. สามารถบอกความหมายของค่า expected means square และค่า random effect ได้ นศ. สามารถบอกขั้นตอนและวิธีการคำนวณ ค่า expected means square ได้ นศ. สามารถบอกขั้นตอนและวิธีการคำนวณ ค่า expected means square ได้ นศ. บอกความแตกต่างของ fixed effect และ random effect ได้ นศ. บอกความแตกต่างของ fixed effect และ random effect ได้
Introduction Fixed effect
EMS
Introduction Random effect Mixed model EMS ?
Fixed effect versus Random effect ?
Fixed effect Random effect
EMS หายังไง
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
กำหนดให้ ปัจจัย A เป็น fixed effect และ B,C เป็น random effect A B C AB AC BC ABC Error ABCABACBCABCError
เขียนค่า EMS ของแต่ละ อิทธิพล
ข้อกำหนดการใช้สัญญลักษณ์ กรณีอิทธิพลเดียว (A, B or C) กรณีอิทธิพลร่วม (AB, AC, BC or ABC)
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 effect have in model but not in random effect
F ’ = MS’ / MS” = (MS A + MS ABC ) / (MS AB + MS AC ) Pseudo-F
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 ”
ดังนั้น ค่า EMS ที่ได้จากวิธี Steel and Terry จึงนิยม เรียกว่า ค่า EMS ที่ได้จากวิธี Steel and Terry จึงนิยม เรียกว่า restricted model ค่า EMS ที่ได้จากวิธี Hocking จึงนิยมเรียกว่า ค่า EMS ที่ได้จากวิธี Hocking จึงนิยมเรียกว่า unrestricted model
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 คู่ที่แตกต่กัน Main factor A Main factor C Main factor B
การอ่านผล อ่านผลที่ Interaction ก่อน (a*b a*c b*c a*b*c) Interaction (Sig) อ่านผล ของแต่ละระดับใน แต่ละปัจจัย Interaction (NS) อ่านผล แยกในแต่ละระดับของ แต่ละปัจจัย
การตั้งสมมติฐานของการทดลอง Main effect A ( กรณีเป็น Fixed effect ) 3 ระดับ มีค่าเฉลี่ยอย่างน้อย 1 คู่ที่แตกต่างกัน Main effect A ( กรณีเป็น Fixed effect ) 2 ระดับ
การตั้งสมมติฐานของการทดลอง Main effect B ( กรณีเป็น Random effect ) 2 ระดับ Main effect B ( กรณีเป็น Random effect ) 3 ระดับ
สวัสดี