ดาวน์โหลดงานนำเสนอ
งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ
1
การวิเคราะห์ข้อมูลสูญหาย และข้อมูลที่มีซ้ำไม่เท่ากัน ด้วย GLM
พีระพงษ์ แพงไพรี
2
ข้อมูลสูญหาย (missing data)
3
Unbalanced data Missing data Random effect Field experiment
4
การวิเคราะห์งานทดลองที่มีข้อมูลสูญหาย
ประเมินค่าสูญหาย ใช้ general linear model (GLM)
5
การวิเคราะห์โดยการประเมินค่าสูญหาย
แทนค่าสูญหาย ANOVA ประเมินค่า SS(bias) ปรับค่า SS(trt) หา F trt
6
สูตรการประเมินค่าสูญหายใน RCBD
M = k1i + k2j – k3 M = ค่าสูญหายจากทรีทเมนต์ที่ j บล็อกที่ I = ค่าเฉลี่ย i = ค่าเฉลี่ยของบล็อกที่ i j = ค่าเฉลี่ยของทรีทเมนต์ที่ j k1 = t/(t-1) k2 = r/(r-1) k3 = (tr-1)/(t-1)(r-1)
7
= (4/3)(32.67) + (5/4)(21.5) – (19/(4*3))(24.0) = 31.5
block Trt 1 2 3 4 5 mean 21 . 25 18 22 21.5 26 38 27 17 26.8 16 20.4 28 35 20 24 22.75 32.67 25.25 18.25 23.25 24.0 31.5 23.5 32.375 24.375 M = k1i + k2j – k3 = (4/3)(32.67) + (5/4)(21.5) – (19/(4*3))(24.0) = 31.5
8
การวิเคราะห์โดยการประเมินค่าสูญหาย
แทนค่าสูญหาย ANOVA ประเมินค่า SS(bias) ปรับค่า SS(trt) หา F trt
9
SOV df SS MS Fcal Pr > F Block 4 16.98 0.0001 Treatment 3 7.55 0.0042 Error 12 6.2542 Total 19
10
การวิเคราะห์โดยการประเมินค่าสูญหาย
แทนค่าสูญหาย ANOVA ประเมินค่า 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 Trt 1 2 3 4 5 mean 21 . 25 18 22 21.5 26 38 27 17 26.8 16 20.4 28 35 20 24 22.75 32.67 25.25 18.25 23.25 24.0 31.5
12
การวิเคราะห์โดยการประเมินค่าสูญหาย
แทนค่าสูญหาย ANOVA ประเมินค่า SS(bias) ปรับค่า SS(trt) หา F trt
13
141.6375 – 1.02 = 140.4375 SOV df SS MS Fcal Block 4 424.7500 106.1875
16.98 Treatment 3 7.55 Error 12 6.2542 Total 19 – 1.02 = SOV df SS MS Fcal Block 4 16.98 Treatment 3 46.87 6.87 Error 11 6.82 Total 18
14
การวิเคราะห์โดยใช้ GLM
block Trt 1 2 3 4 5 mean 21 . 25 18 22 21.5 26 38 27 17 26.8 16 20.4 28 35 20 24 22.75 32.67 25.25 18.25 23.25 24.0
19
Sum of Square Type I, II, III, IV
Effect Type I Type II Type III, IV A A | B A | B, AB B B | A B | A, AB AB AB | A, B
20
Dummy-Variable Model Yij = + i + ij กำหนดให้ผู้วิจัยมี 3 ทรีทเมนต์ ดังนั้น general linear model Yij = + 1 + 2 + 3 + ij กำหนดให้ผู้วิจัยมี 2 ซ้ำ ดังนั้น dummy-variable model 1 2 3 ij Y11 = 11 Y12 = 12
21
Dummy-Variable Model 1 2 3 ij Y11 = 11 Y12 = 12 Y21 = 21 Y22 = 22 Y31 = 31 Y32 = 32
22
Y X
23
Y = X + X’Y = X’X = (X’X)-1X’Y
24
X’Y = X’X = (X’X)-1X’Y = (X’X)- X’Y
25
REP TRT Intensity 1 2 3 a1 b1 28 29 b2 32 34 31 a2 33 36
27
X’X X’Y Y’X Y’Y (X’X)- ’ SSE
31
ค่าเฉลี่ย least square
ค่าเฉลี่ย least square หมายถึง ค่าเฉลี่ยที่ได้จากโมเดลของการทดลองโดยการประเมินค่าของอิทธิพลต่างๆ โดยวิธี minimize error sum square หรือ ordinary least square (OLS) Balance data ค่า mean กับ ls mean จะมีค่าเท่ากัน
32
Model : Yijk = + 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 = 32.33 a2b1 = 29.5 a2b2 = 34.5 a1 = ½ (a1b1 + a1b2) = ½ ( ) = 30.33 b1 = ½ (a1b1 + a2b1) = ½ ( ) = a2 = ½ (a2b1 + a2b2) = ½ ( ) = 32.0 a2 = ½ (a1b2 + a2b2) = ½ ( ) =
38
a1 = 30.33 a2 = 32.00 b1 = b2 = a1b1 = a1b2 = 32.33 a2b1 = 29.50 a2b2 = 34.50
39
พักเที่ยงจ้า
งานนำเสนอที่คล้ายกัน
