-
Notifications
You must be signed in to change notification settings - Fork 0
/
1f_augmented_blockfixorrandom.html
731 lines (638 loc) · 22.7 KB
/
1f_augmented_blockfixorrandom.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<meta name="generator" content="pandoc" />
<meta http-equiv="X-UA-Compatible" content="IE=EDGE" />
<title>Augmented Design - Blockeffekt fest oder zufällig?</title>
<script src="site_libs/jquery-1.11.3/jquery.min.js"></script>
<meta name="viewport" content="width=device-width, initial-scale=1" />
<link href="site_libs/bootstrap-3.3.5/css/lumen.min.css" rel="stylesheet" />
<script src="site_libs/bootstrap-3.3.5/js/bootstrap.min.js"></script>
<script src="site_libs/bootstrap-3.3.5/shim/html5shiv.min.js"></script>
<script src="site_libs/bootstrap-3.3.5/shim/respond.min.js"></script>
<script src="site_libs/jqueryui-1.11.4/jquery-ui.min.js"></script>
<link href="site_libs/tocify-1.9.1/jquery.tocify.css" rel="stylesheet" />
<script src="site_libs/tocify-1.9.1/jquery.tocify.js"></script>
<script src="site_libs/navigation-1.1/tabsets.js"></script>
<link href="site_libs/highlightjs-9.12.0/default.css" rel="stylesheet" />
<script src="site_libs/highlightjs-9.12.0/highlight.js"></script>
<style type="text/css">
code{white-space: pre-wrap;}
span.smallcaps{font-variant: small-caps;}
span.underline{text-decoration: underline;}
div.column{display: inline-block; vertical-align: top; width: 50%;}
div.hanging-indent{margin-left: 1.5em; text-indent: -1.5em;}
ul.task-list{list-style: none;}
</style>
<style type="text/css">code{white-space: pre;}</style>
<style type="text/css">
pre:not([class]) {
background-color: white;
}
</style>
<script type="text/javascript">
if (window.hljs) {
hljs.configure({languages: []});
hljs.initHighlightingOnLoad();
if (document.readyState && document.readyState === "complete") {
window.setTimeout(function() { hljs.initHighlighting(); }, 0);
}
}
</script>
<style type="text/css">
h1 {
font-size: 34px;
}
h1.title {
font-size: 38px;
}
h2 {
font-size: 30px;
}
h3 {
font-size: 24px;
}
h4 {
font-size: 18px;
}
h5 {
font-size: 16px;
}
h6 {
font-size: 12px;
}
.table th:not([align]) {
text-align: left;
}
</style>
<link rel="stylesheet" href="styles.css" type="text/css" />
<style type = "text/css">
.main-container {
max-width: 940px;
margin-left: auto;
margin-right: auto;
}
code {
color: inherit;
background-color: rgba(0, 0, 0, 0.04);
}
img {
max-width:100%;
}
.tabbed-pane {
padding-top: 12px;
}
.html-widget {
margin-bottom: 20px;
}
button.code-folding-btn:focus {
outline: none;
}
summary {
display: list-item;
}
</style>
<style type="text/css">
/* padding for bootstrap navbar */
body {
padding-top: 54px;
padding-bottom: 40px;
}
/* offset scroll position for anchor links (for fixed navbar) */
.section h1 {
padding-top: 59px;
margin-top: -59px;
}
.section h2 {
padding-top: 59px;
margin-top: -59px;
}
.section h3 {
padding-top: 59px;
margin-top: -59px;
}
.section h4 {
padding-top: 59px;
margin-top: -59px;
}
.section h5 {
padding-top: 59px;
margin-top: -59px;
}
.section h6 {
padding-top: 59px;
margin-top: -59px;
}
.dropdown-submenu {
position: relative;
}
.dropdown-submenu>.dropdown-menu {
top: 0;
left: 100%;
margin-top: -6px;
margin-left: -1px;
border-radius: 0 6px 6px 6px;
}
.dropdown-submenu:hover>.dropdown-menu {
display: block;
}
.dropdown-submenu>a:after {
display: block;
content: " ";
float: right;
width: 0;
height: 0;
border-color: transparent;
border-style: solid;
border-width: 5px 0 5px 5px;
border-left-color: #cccccc;
margin-top: 5px;
margin-right: -10px;
}
.dropdown-submenu:hover>a:after {
border-left-color: #ffffff;
}
.dropdown-submenu.pull-left {
float: none;
}
.dropdown-submenu.pull-left>.dropdown-menu {
left: -100%;
margin-left: 10px;
border-radius: 6px 0 6px 6px;
}
</style>
<script>
// manage active state of menu based on current page
$(document).ready(function () {
// active menu anchor
href = window.location.pathname
href = href.substr(href.lastIndexOf('/') + 1)
if (href === "")
href = "index.html";
var menuAnchor = $('a[href="' + href + '"]');
// mark it active
menuAnchor.parent().addClass('active');
// if it's got a parent navbar menu mark it active as well
menuAnchor.closest('li.dropdown').addClass('active');
});
</script>
<!-- tabsets -->
<style type="text/css">
.tabset-dropdown > .nav-tabs {
display: inline-table;
max-height: 500px;
min-height: 44px;
overflow-y: auto;
background: white;
border: 1px solid #ddd;
border-radius: 4px;
}
.tabset-dropdown > .nav-tabs > li.active:before {
content: "";
font-family: 'Glyphicons Halflings';
display: inline-block;
padding: 10px;
border-right: 1px solid #ddd;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li.active:before {
content: "";
border: none;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open:before {
content: "";
font-family: 'Glyphicons Halflings';
display: inline-block;
padding: 10px;
border-right: 1px solid #ddd;
}
.tabset-dropdown > .nav-tabs > li.active {
display: block;
}
.tabset-dropdown > .nav-tabs > li > a,
.tabset-dropdown > .nav-tabs > li > a:focus,
.tabset-dropdown > .nav-tabs > li > a:hover {
border: none;
display: inline-block;
border-radius: 4px;
background-color: transparent;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li {
display: block;
float: none;
}
.tabset-dropdown > .nav-tabs > li {
display: none;
}
</style>
<!-- code folding -->
<style type="text/css">
#TOC {
margin: 25px 0px 20px 0px;
}
@media (max-width: 768px) {
#TOC {
position: relative;
width: 100%;
}
}
@media print {
.toc-content {
/* see https://github.com/w3c/csswg-drafts/issues/4434 */
float: right;
}
}
.toc-content {
padding-left: 30px;
padding-right: 40px;
}
div.main-container {
max-width: 1200px;
}
div.tocify {
width: 20%;
max-width: 260px;
max-height: 85%;
}
@media (min-width: 768px) and (max-width: 991px) {
div.tocify {
width: 25%;
}
}
@media (max-width: 767px) {
div.tocify {
width: 100%;
max-width: none;
}
}
.tocify ul, .tocify li {
line-height: 20px;
}
.tocify-subheader .tocify-item {
font-size: 0.90em;
}
.tocify .list-group-item {
border-radius: 0px;
}
</style>
</head>
<body>
<div class="container-fluid main-container">
<!-- setup 3col/9col grid for toc_float and main content -->
<div class="row-fluid">
<div class="col-xs-12 col-sm-4 col-md-3">
<div id="TOC" class="tocify">
</div>
</div>
<div class="toc-content col-xs-12 col-sm-8 col-md-9">
<div class="navbar navbar-default navbar-fixed-top" role="navigation">
<div class="container">
<div class="navbar-header">
<button type="button" class="navbar-toggle collapsed" data-toggle="collapse" data-target="#navbar">
<span class="icon-bar"></span>
<span class="icon-bar"></span>
<span class="icon-bar"></span>
</button>
<a class="navbar-brand" href="index.html">crashcouRse</a>
</div>
<div id="navbar" class="navbar-collapse collapse">
<ul class="nav navbar-nav">
<li>
<a href="index.html">Home</a>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
R Anwendung
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="datr_importexport.html">Import & Export</a>
</li>
<li>
<a href="datr_descriptivestats.html">Deskriptive Statistik</a>
</li>
<li>
<a href="datr_desplot.html">desplot package</a>
</li>
<li>
<a href="datr_multipledat.html">Loops & Listen</a>
</li>
<li>
<a href="datr_moreadvanced.html">Weitere Tipps</a>
</li>
</ul>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
Auswertungen
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="1n_drinks.html">Korrelation & Regression</a>
</li>
<li>
<a href="outlier_vision.html">Ausreisser (Korr & Reg pt.2)</a>
</li>
<li>
<a href="1f_crd.html">1F crd</a>
</li>
<li>
<a href="1f_rcbd.html">1F rcbd</a>
</li>
<li>
<a href="1f_alpha.html">1F alpha</a>
</li>
<li>
<a href="2f_rcbd.html">2F rcbd</a>
</li>
<li>
<a href="2f_splitplot.html">2F split-plot</a>
</li>
<li>
<a href="1f_augmented_blockfixorrandom.html">1F augmented</a>
</li>
<li>
<a href="1f_rcbd_messwdh.html">1F rcbd Messwiederholungen</a>
</li>
<li>
<a href="1f_rcbd_binomial.html">1F rcbd Prozentwerte</a>
</li>
<li>
<a href="1f_latsq_poisson.html">1F lat square Zählwerte</a>
</li>
</ul>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
Statistik
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="stat_korrelation.html">Korrelation</a>
</li>
<li>
<a href="stat_regression.html">Regression</a>
</li>
<li>
<a href="appendix_designs.html">Versuchsdesigns</a>
</li>
<li>
<a href="appendix_posthoc.html">ANOVA & Post Hoc</a>
</li>
<li>
<a href="appendix_interaktionen.html">Interaktionen</a>
</li>
<li>
<a href="stat_adjmeans.html">Adj. Mittelwerte</a>
</li>
<li>
<a href="stat_pvalue.html">p-Werte & Signifikanz</a>
</li>
<li>
<a href="stat_gemischtemodelle.html">Gemischte Modelle</a>
</li>
<li>
<a href="appendix_kovarstrukt.html">Kovarianzstrukturen 1</a>
</li>
<li>
<a href="3f_met_regions.html">Kovarianzstrukturen 2</a>
</li>
<li>
<a href="intro_glm_carrot.html">Nicht-Normalverteilte Daten</a>
</li>
<li>
<a href="stat_logisticregression.html">Logistische Regression</a>
</li>
<li>
<a href="appendix_modelrules.html">Modelle aufstellen</a>
</li>
<li>
<a href="stat_samplesize.html">Stichprobenplanung</a>
</li>
</ul>
</li>
<li>
<a href="kontaktseite.html">Kontakt</a>
</li>
</ul>
<ul class="nav navbar-nav navbar-right">
</ul>
</div><!--/.nav-collapse -->
</div><!--/.container -->
</div><!--/.navbar -->
<div class="fluid-row" id="header">
<h1 class="title toc-ignore">Augmented Design - Blockeffekt fest oder zufällig?</h1>
</div>
<blockquote>
<p>Dieses Beispiel entspricht Example 4 aus dem Skript zur Vorlesung “Mixed models for metric data” von <a href="https://biostatistik.uni-hohenheim.de/en/116899/hans-peter-piepho-en">Prof. Dr. Piepho</a>. In dem Skript finden sich weitere Erläuterungen, sowie SAS Codes.</p>
</blockquote>
<div id="datensatz" class="section level1">
<h1>Datensatz</h1>
<p>Die Daten in diesem Beispiel stammen von einem Versuch, der als die einfachste Form eines <strong>augmented Designs</strong> angelegt wurde. Der Versuch hat 6 Blöcke (I-VI; mit je 8 Parzellen) und es wurde der Ertrag von Sorten geprüft. Allerdings wurden im Gegensatz zu einer einfachen randomisierten, vollständigen Blockanlage nicht jede Sorte in jedem Block angebaut - einige aber schon:</p>
<pre><code>## Please use desplot(data,form) instead of desplot(form,data)</code></pre>
<p><img src="1f_augmented_blockfixorrandom_files/figure-html/unnamed-chunk-2-1.png" width="672" /></p>
<p>Wie man sieht, tauchen die drei Sorten <em>ci</em>, <em>st</em> und <em>wa</em> (orange) in jedem Block auf, alle anderen Sorten (<em>01-30</em>, blau) wurden aber nur je ein einziges Mal geprüft. Somit gibt es also insgesamt 33 Sorten, allerdings nur 3 davon in 6 Wiederholungen und alle anderen in einer Wiederholung.</p>
<p>Die Idee hinter dem Design ist, dass mittels der wiederholten Sorten (auch <em>Standards</em> genannt) die Blockeffekte geschätzt werden können und dann die eigentlich zu prüfenden Sorten über die Standards geschätzt werden. Man könnte auch sagen, dass die Sorten quasi an den Standards gemessen werden, weswegen übrigens für die Standards in der Regel meist sehr bekannte, gängige Sorten genommen werden. Klar ist, dass man auf diese Weise nicht so gute Schätzungen für die Sorten erhält, wie wenn man sie wiederholt geprüft hätte. Immerhin erhält man aber Schätzungen und zwar für relativ viele Sorten auf relativ wenig Parzellen. Genau dies ist eine Hauptmotivation für ein augmented Design: (i) Es erlaubt das Prüfen von sehr vielen Prüfgliedern wenn die Versuchskapazitäten begrenzt sind. Andersherum erlaubt es aber auch z.B. (ii) das prüfen von neuen Sorten, für die noch nicht genug Saatgut vorhanden ist um mehrere Parzellen anzulegen.</p>
</div>
<div id="deskriptive-statistik" class="section level1">
<h1>Deskriptive Statistik</h1>
<p>Beim betrachten von deskriptiven Statistiken muss sich in diesem Beispiel vor Augen geführt werden, dass wir z.B. keinen Mittelwert für die Sorten <em>01-30</em> berechnen können, da wir schlichtweg nur eine Beobachtung pro Sorte haben. Um sich dies endgültig zu verdeutlichen wählen wir den Plot hierunter.</p>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>print(patt, nrows=10)</code></pre>
<pre><code>## gen yield block
## 1: st 2972 I
## 2: 14 2405 I
## 3: 26 2855 I
## 4: ci 2592 I
## 5: 17 2572 I
## ---
## 44: ci 3483 VI
## 45: 01 3013 VI
## 46: wa 3400 VI
## 47: 12 2385 VI
## 48: 19 3643 VI</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>str(patt)</code></pre>
<pre><code>## Classes 'data.table' and 'data.frame': 48 obs. of 3 variables:
## $ gen : Factor w/ 33 levels "01","0"..
## $ yield: num 2972 2405 2855 2592 257..
## $ block: Factor w/ 6 levels "I","II""..
## - attr(*, ".internal.selfref")=<exter..</code></pre>
</div>
</div>
<pre class="r"><code>ggplot(data=patt, aes(y=yield, x=gen, color=gen, shape=block)) +
geom_point(size=2) +
scale_color_manual(values=StandardFarben) + # Vektor mit Farben wurde vorher definiert
guides(color = FALSE) + # Verstecke Legende zu Colors, aber nicht zu Shapes
theme_classic() + theme(legend.position = "top")</code></pre>
<p><img src="1f_augmented_blockfixorrandom_files/figure-html/unnamed-chunk-6-1.png" width="672" /></p>
<p>Was wir an diesem Plot auch erkennen können ist, dass Block V anscheinend generell schlechtere Wachstumsbedingungen für die Sorten geboten hat. Man könnte auf den ersten Blick vermuten, dass die Sorten <em>02, 08, 10, 16</em> und <em>21</em> schlichtweg nicht so hohe Erträge liefern, jedoch liefern auch die drei Standards deutlich schlechtere Erträge in Block V verglichen mit den anderen Blöcken. Gemessen an den Standards wirkt speziell Sorte <em>21</em> also doch vielversprechend - auch wenn wir dieser Vermutung nur eine einzige Beobachtung zugrunde legen.</p>
</div>
<div id="schließende-statistik" class="section level1">
<h1>Schließende Statistik</h1>
<p>Das Modell für die Daten lautet</p>
<p><span class="math display">\[ yield_{ij} = \mu + gen_i + block_j + e_{ij} \]</span></p>
<p>Da wir die Sorten miteinander vergleichen wollen, nehmen wir sie als festen Effekt. Bei den Blöcken ist die Entscheidung nicht ganz so schnell gefällt: Zum Einen kann es bei unvollständigen Blöcken von Vorteil sein sie als zufällig ins Modell zu nehmen, zum Anderen gibt es aber auch die Faustregel, dass man Blockeffekte erst ab 8 Blöcken als zufällig nehmen sollte. Wir wollen in diesem Beispiel beide Modelle anpassen und dann entscheiden welches Modell wir nehmen sollten. Dies können wir davon abhängig machen in welchem der Modelle der mittlere <em>s.e.d.</em> (standard error of a difference) der Differenzen zwischen den adjustierten Sortenmittelwerten kleiner ist. Je kleiner dieser s.e.d., desto präziser können wir nämlich die Sortenunterschiede schätzen - und das ist was uns in diesem Versuch interessiert: Ein Vergleich der Sorten. Zur Klarstellung: Es gibt Standardfehler für jeden der adjustierten Mittelwerte selbst (standard error of a mean), aber wir möchten hier die Standardfehler der Differenzen zwischen den adjustierten Mittelwerten betrachten!</p>
<div id="vergleich-beider-modelle" class="section level2">
<h2>Vergleich beider Modelle</h2>
<div class="row">
<div class="col-md-6">
<pre class="r"><code># Fester Blockeffekt
mod.fixBl <- lm(yield ~ gen + block,
data=patt)</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>library(lme4) # Zufälliger Blockeffekt
mod.ranBl <- lmer(yield ~ gen + (1|block),
data=patt)</code></pre>
</div>
</div>
<p>Wir überspringen hier also mal die ANOVA und ermitteln direkt die mittleren s.e.d. der beiden Modelle. Dazu berechnen wir voererstwie gehabt die adjustierten Mittelwerte und alle Kontraste zwischen ihnen mit dem <code>emmeans</code> package. Im Anschluss ziehen wir uns aber nur die Spalte mit allen s.e.d. raus und berechnen jeweils den Mittelwert.</p>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>emm.fixBl <- emmeans(mod.fixBl, pairwise~"gen")
print(as.data.table(emm.fixBl$emmeans)[,1:3], nrows=10)</code></pre>
<pre><code>## gen emmean SE
## 1: 01 2260.222 341.1876
## 2: 02 2329.889 341.1876
## 3: 03 2901.889 341.1876
## 4: 04 2864.889 341.1876
## 5: 05 2024.222 341.1876
## ---
## 29: 29 2162.222 341.1876
## 30: 30 2801.889 341.1876
## 31: ci 2725.667 123.2225
## 32: st 2759.167 123.2225
## 33: wa 2677.833 123.2225</code></pre>
<pre class="r"><code>dif.fixBl <- as.data.table(emm.fixBl$contrasts)
print(dif.fixBl[,1:3], nrows=10)</code></pre>
<pre><code>## contrast estimate SE
## 1: 01 - 02 -69.66667 492.8899
## 2: 01 - 03 -641.66667 492.8899
## 3: 01 - 04 -604.66667 492.8899
## 4: 01 - 05 236.00000 492.8899
## 5: 01 - 06 437.33333 492.8899
## ---
## 524: 30 - st 42.72222 362.7571
## 525: 30 - wa 124.05556 362.7571
## 526: ci - st -33.50000 174.2629
## 527: ci - wa 47.83333 174.2629
## 528: st - wa 81.33333 174.2629</code></pre>
<pre class="r"><code>mean(dif.fixBl$SE)</code></pre>
<pre><code>## [1] 461.3938</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>emm.ranBl <- emmeans(mod.ranBl, pairwise~"gen")
print(as.data.table(emm.ranBl$emmeans)[,1:3], nrows=10)</code></pre>
<pre><code>## gen emmean SE
## 1: 01 2309.430 434.8634
## 2: 02 2246.552 434.8634
## 3: 03 2911.897 434.8634
## 4: 04 2874.897 434.8634
## 5: 05 2026.888 434.8634
## ---
## 29: 29 2211.430 434.8634
## 30: 30 2811.897 434.8634
## 31: ci 2725.667 295.8887
## 32: st 2759.167 295.8887
## 33: wa 2677.833 295.8887</code></pre>
<pre class="r"><code>dif.ranBl <- as.data.table(emm.ranBl$contrasts)
dif.ranBl[,1:3]</code></pre>
<pre><code>## contrast estimate SE
## 1: 01 - 02 62.87705 493.6947
## 2: 01 - 03 -602.46789 493.6947
## 3: 01 - 04 -565.46789 493.6947
## 4: 01 - 05 282.54174 493.6947
## 5: 01 - 06 465.28888 493.6947
## ---
## 524: 30 - st 52.73073 363.2128
## 525: 30 - wa 134.06406 363.2128
## 526: ci - st -33.50000 174.2629
## 527: ci - wa 47.83333 174.2629
## 528: st - wa 81.33333 174.2629</code></pre>
<pre class="r"><code>mean(dif.ranBl$SE)</code></pre>
<pre><code>## [1] 462.0431</code></pre>
</div>
</div>
<p>Schließlich sehen wir, dass der mittlere s.e.d. im Modell mit festem Blockeffekt ein wenig kleiner ist, sodass wir uns für dieses Modell entscheiden würden um möglichst präzise die Sorten miteinander vergleichen zu können. <strong>Wichtig bei diesem Vergleich ist</strong>, dass die s.e.d. der adjustierten Mittelwertdifferenzen für das gemischte Modelle unbedingt mit einer Approximation wie z.B. der Kenward-Roger-Methode oder Satterthwaite-Methode berechnet werden sollten - dies wird von der <code>emmeans()</code> Funktion allerdings standardmäßig getan. Mehr zu dem Thema im <a href="stat_gemischtemodelle.html">Kapitel zu gemischten Modellen</a>.</p>
<p>Demnach würden wir ab hier wie in den vorangegangenen Beispielen (eine ANOVA durchführen um zu prüfen ob der Sorteneffekt signifikant ist und) post-hoc-Tests für die Sortenmittelwertvergleiche durchführen.</p>
</div>
</div>
<hr />
<p style="text-align: center;">Bei Fragen kannst du mir gerne schreiben!</p>
<p style="text-align: center;"><span style="color: #808080;"><em>[email protected]</em></span></p>
<!-- Add icon library -->
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.min.css">
<!-- Add font awesome icons -->
<p style="text-align: center;">
<a href="https://www.researchgate.net/profile/Paul_Schmidt17/research" class="fa fa-pencil"></a>
<a href="https://www.linkedin.com/in/schmidtpaul1989/" class="fa fa-linkedin"></a>
<a href="https://www.xing.com/profile/Paul_Schmidt203/cv/" class="fa fa-xing"></a>
<a href="https://github.com/SchmidtPaul/" class="fa fa-github"></a>
</p>
<a href="https://hits.seeyoufarm.com"><img src="https://hits.seeyoufarm.com/api/count/incr/badge.svg?url=https%3A%2F%2Fschmidtpaul.github.io%2FcrashcouRse%2F&count_bg=%23003F75&title_bg=%23555555&icon=&icon_color=%23E7E7E7&title=hits&edge_flat=false" class="center"/></a>
</div>
</div>
</div>
<script>
// add bootstrap table styles to pandoc tables
function bootstrapStylePandocTables() {
$('tr.header').parent('thead').parent('table').addClass('table table-condensed');
}
$(document).ready(function () {
bootstrapStylePandocTables();
});
</script>
<!-- tabsets -->
<script>
$(document).ready(function () {
window.buildTabsets("TOC");
});
$(document).ready(function () {
$('.tabset-dropdown > .nav-tabs > li').click(function () {
$(this).parent().toggleClass('nav-tabs-open')
});
});
</script>
<!-- code folding -->
<script>
$(document).ready(function () {
// move toc-ignore selectors from section div to header
$('div.section.toc-ignore')
.removeClass('toc-ignore')
.children('h1,h2,h3,h4,h5').addClass('toc-ignore');
// establish options
var options = {
selectors: "h1,h2,h3",
theme: "bootstrap3",
context: '.toc-content',
hashGenerator: function (text) {
return text.replace(/[.\\/?&!#<>]/g, '').replace(/\s/g, '_');
},
ignoreSelector: ".toc-ignore",
scrollTo: 0
};
options.showAndHide = true;
options.smoothScroll = true;
// tocify
var toc = $("#TOC").tocify(options).data("toc-tocify");
});
</script>
<!-- dynamically load mathjax for compatibility with self-contained -->
<script>
(function () {
var script = document.createElement("script");
script.type = "text/javascript";
script.src = "https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML";
document.getElementsByTagName("head")[0].appendChild(script);
})();
</script>
</body>
</html>