Risposte a questa discussione

EspertoPermalink Risposto da Marco Barbàra su 8 Giugno 2012 a 22:03

Ciao.

Purtroppo per ora non ho tempo di leggermi per bene il tuo caso. Tuttavia consiglio sempre quando ci sono misure ripetute di modellare la correlazione within subject mediante i modelli a effetti misti piuttosto che con la repeated measures anova. Un riferimento in merito potrebbe essere questo libro , chiamato nella comunità R MEMSS, dalle iniziali del titolo e dal nome della libreria R associata; dovrebbe essere facilmente reperibile in qualsiasi biblioteca di statistica. I primi capitoli scorrono veloci, a condizione che salti il capitolo sulla REML, che invece è pesantuccio. Ti illustra anche l'utilizzo dei grafici trellis (quelli del pacchetto lattice per capirci) che tendono a essere particolarmente utili per le misure ripetute. Va da sè che i consigli che ti sto dando non hanno alcuna pretesa di autorevolezza, sono solo strumenti che mi sono stati utili in condizioni analoghe alle tue.

Buon lavoro e buon divertimento

Marco.

EspertoPermalink Risposto da Davide Massidda su 9 Giugno 2012 a 15:08

Quoto quanto ha detto Marco: nel tuo caso i mixed models dovrebbero essere il metodo di analisi migliore. Questo è vero soprattutto in virtù del fatto che il tuo disegno sperimentale prevede non un unico fattore random ma due: il tipo di pianta e la ripetizione del trattamento.

Detto questo, se comunque vuoi utilizzare l'anova tenendo conto delle ripetizioni, la struttura che io adotterei per il comando aov() è questa:

model <- aov(y ~ trattamento*ripetizione + Error( pianta / ripetizione))

Il fattore Trattamento è da considerare "between": le unità statistiche (le piante) che fanno riferimento a ognuno dei suoi livelli è diverso. Il fattore Ripetizione è "whithin": tutte le unità statistiche affrontano tutte le condizioni di questo fattore (per ora lascia stare il fatto che il numero di ripetizioni sia diverso).

L'argomento Error() semplicemente specifica che il fattore Ripetizione è "whithin subjects", o, meglio, "whithin plants" :)

Ora, si presenta il problema del diverso numero di ripetizioni per ogni pianta. Se vogliamo utilizzare l'Anova, allora dobbiamo assumere che il numero di livelli del fattore Ripetizione sia uguale al massimo numero di ripetizioni possibile: le rilevazioni per le piante per le quali abbiamo un numero inferiore di ripetizioni avranno dei dati mancanti (NA) in corrispondenza del livello mancante.
Francamente, non vedo altra possibilità di utilizzo dell'Anova se non questo... io, comunque, guarderei davvero i modelli
mixed.

Un'altra cosa: credo che la funzione aov() abbia un bug. Prendila con le pinze perché devo ancora analizzarlo per bene, ma ho notato che quando la variabile risposta presenta dei dati mancanti, talvolta l'output risulta, perlomeno in apparenza, totalmente sconclusionato e ripartisce la variabilità d'errore in maniera bizzarra. Ti metto solo la pulce nell'orecchio perché io per primo non sono sicuro di questa cose e devo fare delle prove.

Buon lavoro

EspertoPermalink Risposto da Francesco Giovinazzi su 12 Giugno 2012 a 16:09

Grazie Davide e grazie Marco per i preziosi consigli, siete stati rapidissimi e gentilissimi.

Non credo di aver mai studiato fino ad ora i modelli a effetti misti, può essere che ne abbia visto qualche applicazione tra i metodi di clustering? Non ne sono certo, magari è una baggianata. Vabè comunque approfondirò l'argomento, al di là di questo singolo progetto sperimentale.

Avendo un ruolo "occulto" devo ovviamente cercare di semplificare al massimo il struttura statistica dell'analisi, in modo che anche la mia amica (con conoscenze davvero base) riesca a padroneggiarla o quantomeno giustificarla. Pertanto diciamo che in nome della semplificazione sarei disposto a perdere un pò di "correttezza" nella scelta del metodo. A quanto pare per studi della stessa equipe di laboratorio, con trattamenti simili, hanno utilizzato l'anova nelle ricerche passate, quindi tenderei a non discostarmi dalla loro prassi per evitare che le facciano troppe domande.

Detto ciò userò il comando che mi hai suggerito tu Davide, fortunatamente il numero di osservazioni è elevato, spero di non perdere troppa informazione sacrificando le unità cui manca il numero minimo di ripetizioni.

Infine vi chiedo nuovamente (mi rendo conto che è una domanda banale, ma potrebbe rappresentare un grosso problema) esiste un metodo per dividere il grafico con i quasi 80 boxplot in più parti separate in modo da averne una visione migliore? Inoltre quale parametro grafico mi permette di ruotare le etichette sull'asse delle ascisse di 90 gradi?

Grazie ancora, speriamo che l'anova dia buoni frutti, vi terrò aggiornati :)

 

EspertoPermalink Risposto da Davide Massidda su 13 Giugno 2012 a 0:40

Ciao Francesco,

non so se sia così per tutte le funzioni grafiche, però nella funzione barplot per ruotare le etichette puoi utilizzare l'argomento las = 2.

Per i tuoi boxplot, invece, puoi provare a vedere se nella libreria lattice c'è qualche funzione che fa per te. Lattice permette di generare multipli pannelli grafici in una stessa immagine, e la funzione per i boxplot si chiama bwplot. Io a suo tempo trovai molto utile questo link per imparare a utilizzare questa libreria:

http://zoonek2.free.fr/UNIX/48_R/14.html

(E, tra l'altro, l'argomento del tutorial sono proprio i mixed models!)