Discussion :

[sesenuccia]

Bonjour,

Étant novice pour l'utilisation du logiciel R, je poste cette discussion pour trouver de l'aide pour l'analyse de mon dispositif en split-plot.
Je vous détaille un peu ce dispositif :

Deux facteurs :
- Fertilisation : 3 modalités --> Facteur 1 'sacrifié'
- Variété : 9 modalités --> Facteur 2

Le dispositif est composé de deux blocs :
- 54 plants par bloc : 2 plants de chaque variété à chaque niveau de fertilisation.


Je dois analyser l'effet de ces deux facteurs sur plusieurs variables quantitatives.

Après quelques recherches, j'ai réussi à réaliser une ANOVA pour mon dispositif :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
> aov1=aov(log(Flav)~Variete*Ferti+Error(Ferti))
> summary(aov1)
 
Error: Ferti
               Df Sum Sq Mean Sq
VarietePloidie  2 0.0974  0.0487
 
Error: Within
                     Df Sum Sq Mean Sq F value Pr(>F)    
Variete           8 21.680  2.7100  53.181 <2e-16 ***
Variete:Ferti  16  1.483  0.0927   1.819 0.0304 *  
Residuals           211 10.752  0.0510                   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

J'obtiens donc un effet significatif de l'interaction entre mes deux facteurs étudiés sur ma variable Flav. Or, lorsque j'ai voulu faire une analyse posthoc avec le test TukeyHSD, cela n'a pas fonctionné. Idem pour le test de Scheffe... Donc voici mes questions :


1/ Tout d'abord, j'aimerais qu'on me renseigne sur le terme 'Error(facteur)' que l'on renseigne dans le code de l'ANOVA. On m'a conseillée de mettre le facteur de 1er ordre mais je ne sais pas pourquoi... Quelqu'un pourrait il m'expliquer à quoi correspond ce terme et comment choisir ce que l'on doit y renseigner ?

2/ Après avoir réalisé mon analyse de variances, est-il possible de faire un test posthoc comparant les modalités 2 à 2 et calculant les p-values y étant associées ? Si oui, pouvez vous m'expliquer comment procéder ?

3/ Enfin, dans le cas où je n'arrive pas à normaliser mes individus ou dans le cas où je n'ai pas d'homoscédasticité des variances, comment procéder à l'analyse d'un dispositif en split-plot avec du non-paramétrique ?


Merci

[InVivo]

Bonjour,

je me permets de me greffer à cette discussion qui n'a pas eu de réponse car j'essaye aussi de réaliser un split plot avec R.

Je me suis largement inspiré de la publication de Dagnelie (2012) dont un exemple est disponible sur internet : http://www.dagnelie.be/docexr/exp074/exp074.htm.

Pour vous resituer le sujet : nous regardons les performances d'animaux ayant reçu un premier traitement (TRT.CR à 2 modalité : HAUT et BAS) puis un second traitement (TRT.FIN avec les deux même modalités). On se retrouve donc avec des animaux ayant reçu : HAUT - HAUT / HAUT - BAS / BAS - HAUT / BAS - BAS. Notre étude comprend aussi des blocs dans lesquels tous les traitements sont représentés.

Le but est d'étudier l'effet du deuxième traitement administré (TRT.FIN) mais aussi l'arrière effet du premier traitement donné (TRT.CR) sur les performances des animaux (ici le poids)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
> model3 <- aov(Poids~TRT.CR + TRT.FIN + Error(Bloc + Bloc:TRT.CR), data=D4)
> summary(model3)
 
Error: Bloc
          Df Sum Sq Mean Sq F value Pr(>F)
Residuals  4  91.35   22.84               
 
Error: Bloc:TRT.CR
          Df Sum Sq Mean Sq F value Pr(>F)
TRT.CR     1  17.29   17.29   2.009  0.229
Residuals  4  34.44    8.61               
 
Error: Within
          Df Sum Sq Mean Sq F value Pr(>F)
TRT.FIN    1   9.47   9.467   0.727  0.416
Residuals  9 117.13  13.015

Il me semble que l'arrière effet s'étudie via un test H mais je ne sais pas si je peux directement récupérer la p-value qui est écrite dans le paragraphe error : Bloc:TRT.CR (égale à 0.229) ou si je dois passer par le code suivant (en mettant en error Bloc:TRT.FIN et non plus Bloc:TRT.CR)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
> model3 <- aov(Poids~TRT.CR + TRT.FIN + Error(Bloc + Bloc:TRT.FIN), data=D4)
> summary(model3)
 
Error: Bloc
          Df Sum Sq Mean Sq F value Pr(>F)
Residuals  4  91.35   22.84               
 
Error: Bloc:TRT.FIN
          Df Sum Sq Mean Sq F value Pr(>F)
TRT.FIN    1  9.467   9.467   1.222  0.331
Residuals  4 31.002   7.750               
 
Error: Within
          Df Sum Sq Mean Sq F value Pr(>F)
TRT.CR     1  17.29   17.29   1.291  0.285
Residuals  9 120.57   13.40

Autre idée (mais alors là, je ne suis pas sure du tout de moi) : utiliser des lme et faire le test H en inversant les éléments dans la partie random et dans les facteurs :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
> model4<-lme(Poids~TRT.FIN, random=~1|Bloc/TRT.CR, data=D4)
> anova(model4)
            numDF denDF   F-value p-value
(Intercept)     1     9 103852.18  <.0001
TRT.FIN         1     9      0.78  0.3987
> 
> 
> model4<-lme(Poids~TRT.CR, random=~1|Bloc/TRT.FIN, data=D4)
> anova(model4)
            numDF denDF  F-value p-value
(Intercept)     1     9 103852.2  <.0001
TRT.CR          1     9      1.5  0.2513
>

Auquel cas, j'ai une p-value pour le TRT.FIN et une pour le TRT.CR mais est-ce bon ?


Merci d'avance pour vos avis et conseils sur ce type d'analyse.


Cléo