MerQuR+Başvuru Kitabı

11. Lokasyon × yıl birleşik tesadüf blokları (TDÖ / VCU birleşik varyans analizi)

Şablon kimliği: lokasyon_yil_tbd · Kategori: deney_tasarimi · Dil: R · Dosya: pro/sablonlar/deney_tasarimi/lokasyon_yil_tbd.R (satır 1–482; üstbilgi 1–94) · Örnek veri: _ornek/lokasyon_yil_tbd.csv · Paketler: lme4, lmerTest, emmeans, pbkrtest (Kenward-Roger seçiliyse), stats, graphics

11.1 Ne işe yarar

Çeşit tescili için yürütülen tarımsal değerleri ölçme (TDÖ; İngilizce value for cultivation and use, VCU) denemelerinde aday çeşitler, standart çeşitlerle birlikte birden çok lokasyonda ve birden çok yılda denenir. Her lokasyonda deneme tesadüf blokları deseninde kurulur. Şablon bu denemelerin lokasyon ve yıllar üzerinden birleşik varyans analizini yapar ve Tohumluk Tescil ve Sertifikasyon Merkez Müdürlüğü (TTSM) teknik talimatlarının istediği iki tabloyu üretir. Cevapladığı soru şudur: "Çeşitler arasındaki farklar, lokasyondan lokasyona ve yıldan yıla değişen çevre koşullarının üstünde, güvenilir biçimde gösterilebiliyor mu?"

y_{ijkm}=\mu+L_i+R_{k(i)}+Y_j+(LY)_{ij}+(RY)_{jk(i)}+C_m+(LC)_{im}+(YC)_{jm}+(LYC)_{ijm}+e_{ijkm}
  • i=1,\dots,l lokasyon; j=1,\dots,y yıl; k=1,\dots,t lokasyon içindeki tekrar (blok); m=1,\dots,ç çeşit.
  • L_i: lokasyon; Y_j: yıl; C_m: çeşit; (LY), (LC), (YC), (LYC): etkileşimler.
  • R_{k(i)}: i. lokasyonun k. tekrarı; (RY)_{jk(i)}: o tekrarın j. yıldaki sapması. İkisi de her zaman rastgeledir.
  • C_m her zaman sabittir. Lokasyon ve yıl sabit ya da rastgele seçilir; rastgele bir etmeni içeren bütün etkileşimler de rastgele olur.
  • e_{ijkm}\sim N(0,\sigma^2_e): parsel hatası.

Ne zaman kullanılır? Aynı çeşit kümesi en az iki lokasyonda ve en az iki yılda, her lokasyonda en az iki tekrarlı tesadüf bloklarıyla denenmişse; tekrarlar lokasyon içinde tanımlıysa; TTSM biçiminde varyans analizi ve ortalama verim tablosu gerekiyorsa.

Ne zaman kullanılmaz?

  • Yalnız lokasyonlar (ya da yalnız yıllar) üzerinden birleştirme yapılacaksa: şablon en az iki lokasyon ve iki yıl ister; temel programdaki Çok Lokasyonlu Tesadüf Blokları (Birleştirilmiş Varyans Analizi).
  • Lokasyonlarda tamamlanmamış bloklar (alfa, kafes) kullanılmışsa: her deneme alfa_kafes şablonuyla (Bölüm 2) çözümlenir; birleşik çözümleme için fa_karma_model şablonu.
  • Çeşit × çevre etkileşiminin yapısı (hangi çeşit hangi çevrede öne çıkıyor) modellenecekse: fa_karma_model şablonu.
  • Lokasyonların hata varyansları çok farklıysa ve bu modellenecekse: lme_varyans_yapilari şablonu.
  • Lokasyonlar ya da yıllar arasında çeşit kümesi değişiyorsa (boş hücreler): tip III hipotezleri kestirilebilir kısımla sınırlanır; karma model yaklaşımı için temel programdaki Çapraz LMM (Çapraz Rastgele Etkili Karma Model).
  • Özel karşıtlıklar (adaylar standartların ortalamasına karşı) gerekiyorsa: r_emmeans_kontrast şablonu.

Temel programla ilişki. Temel programdaki Çok Lokasyonlu Tesadüf Blokları analizi çevreyi tek bir etmen (lokasyon) olarak alır. Bu şablon lokasyon ve yılı ayrı etmenler olarak, tekrarları lokasyon içinde ve yıllarla çapraz alır; her etki için paydayı beklenen kareler ortalamasından kendisi kurar; lokasyon ve yılın sabit ya da rastgele oluşunun dört bileşimini, REML karşılığını ve TTSM tablolarını verir.

11.2 Şablonun girdileri

Form, üstbilgideki on üç [[param]] bloğundan kurulur (lokasyon_yil_tbd.R:10–93).

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Yanıt (ör. verim, kg/da) · y sayısal sütun · Değişkenler ilk sayısal sütun sayısal sütun y (105–108).
Lokasyon · lokasyon kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun L (109).
Yıl · yil kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun Y (109).
Tekrar (blok; lokasyon içinde, yıllar boyunca aynı) · tekrar kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun R; lokasyonla birleştirilir (119–121).
Çeşit / aday · cesit kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun C (109).
Lokasyon etkisi · lok_etkisi seçim · Model rastgele rastgele, sabit L ve onu içeren etkileşimlerin türü (126, 157–175, 258–260).
Yıl etkisi · yil_etkisi seçim · Model rastgele rastgele, sabit Y ve onu içeren etkileşimlerin türü (126).
Çeşit testi, ortalamalar ve AÖF için yöntem · payda_yontemi seçim · Model anova anova, reml_satterthwaite, reml_kr Ortalamalar ve karşılaştırmalar hangi yoldan (266–269, 349–379).
Çoklu karşılaştırma yöntemi · coklu_karsilastirma seçim · Seçenekler aof aof, tukey, bonferroni Kritik değer ve p (384–391).
Önem düzeyi α · alfa ondalık · Seçenekler 0,05 0,001–0,2 Kritik değerler, harf grupları (103–104).
Harf gruplarını ver · harf_gruplari onay · Çıktı açık açık / kapalı harf sütunu ve şekildeki harfler (413, 457, 476).
AÖF ve ikili karşılaştırma tablosunu ver · aof_goster onay · Çıktı açık açık / kapalı SED, AÖF satırları ve ikili tablo (426–434, 462).
Varyans analizi tablosu biçimi · tablo_bicimi seçim · Çıktı ikisi ikisi, ttsm, ayrintili TTSM tabloları ve/ya da ayrıntılı tablolar (292–293).

Örnek ayar (satır 9) varsayılanlarla aynıdır: y = verim, lokasyon = lokasyon, yil = yil, tekrar = tekrar, cesit = cesit; lokasyon ve yıl rastgele, ANOVA yolu, AÖF, α = 0,05.

Şablonun kendi denetimleri.

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde deneme verisini açın." 97
Beş sütundan biri seçilmemiş "Yanıt, lokasyon, yıl, tekrar ve çeşit sütunlarını seçin." 99–100
Aynı sütun iki role verilmiş "…farklı sütunlar olmalı." 102
α, 0 ile 0,5 arasında değil "α 0 ile 0,5 arasında olmalı." 104
12'den az tam gözlem "En az 12 tam gözlem gerekli." 110
Yanıt sabit "Yanıt sabit." 111
2'den az lokasyon / yıl / çeşit "En az 2 lokasyon gerekli…" / "En az 2 yıl gerekli…" / "En az 2 çeşit gerekli." 112–114
Bir lokasyonda 2'den az tekrar "Her lokasyonda en az 2 tekrar gerekli." 115–116
Aynı lokasyon × yıl × tekrar × çeşit iki kez "…her parsel tek satır olmalı." 117–118
Karma model uydurulamadı "Karma model kurulamadı: …" 264
Kenward-Roger seçili, pbkrtest yok "Kenward-Roger için pbkrtest paketi gerekli…" 267–268

Eksik ya da sayıya çevrilemeyen yanıtlı satırlar atılır (satır 107–108). Durdurmayan uyarılar çıktının sonunda "Uyarılar:" satırında toplanır: boş hücre (242); dengesiz veri ve eksik parsel sayısı (243); REML'de sınırda kestirilen bileşen (279); negatif moment kestirimi (335–336); dörtten az düzeyli rastgele lokasyon ya da yıl (479–480).

11.3 Örnek veri

Dosya: _ornek/lokasyon_yil_tbd.csv. Şablon için benzetimle üretilmiştir; gerçek bir deneme değildir. 3 lokasyon × 2 yıl × 4 tekrar × 8 çeşit = 192 parsel; dengeli, eksik değer yok.

Değişken Rol Tür Özet
lokasyon Lokasyon kategorik Ankara, Eskisehir, Konya; her biri 64 parsel.
yil Yıl ikili 2024, 2025; her biri 96 parsel.
tekrar Tekrar sayısal 1–4; her lokasyonda aynı numaralar.
cesit Çeşit kategorik C1 … C8; her biri 24 parsel.
verim Yanıt sayısal 325,7–563,2; ortalama 443,83; standart sapma 55,90.

Lokasyon × yıl ortalamaları:

2024 2025 Lokasyon ort.
Ankara 370,99 432,05 401,52
Eskisehir 423,14 446,29 434,71
Konya 498,47 492,07 495,27

Yıl farkı Ankara'da 61, Konya'da −6 birimdir: belirgin bir lokasyon × yıl etkileşimi vardır.

Düzey sırası. Dört etmen de metne çevrilip factor() ile kurulur (satır 109); düzeyler alfabetiktir. Sıra hiçbir sonucu değiştirmez: kareler toplamları toplam-sıfır kodlamayla hesaplanır, çeşit ortalamaları büyükten küçüğe sıralanır, ikili karşılaştırmalar çeşit adlarıyla yazılır. Tekrar numaraları lokasyon adıyla birleştirilir ("Ankara:1"; satır 119): farklı lokasyonlardaki aynı numaralı tekrarlar ayrı bloklardır. Aynı lokasyonda aynı numaralı tekrar ise yıllar boyunca aynı blok sayılır (11.8).

Bu bölümde kullanılan çalıştırmalar: (1) örnek ayar; (2) lokasyon ve yıl sabit; (3) lokasyon sabit, yıl rastgele; (4) lokasyon rastgele, yıl sabit; (5) örnek ayar + REML, Satterthwaite; (6) örnek ayar + REML, Kenward-Roger; (7) örnek ayar + Tukey.

11.4 Yöntem: formüller ve hesap adımları

Hesap sırası: (1) etmenleri ve birleşik etiketleri kur; (2) tip III kareler toplamlarını hesapla; (3) her kaynağın beklenen kareler ortalamasını sentezle; (4) her etki için paydayı kareler ortalamalarının doğrusal bileşimi olarak kur, Satterthwaite sd'siyle F testini yap; (5) moment varyans bileşenlerini çöz; (6) aynı modeli REML ile uydur; (7) çeşit ortalamalarını, SED'i, AÖF'yi ve harf gruplarını seçilen yoldan hesapla; (8) her lokasyonu yıllar üzerinden ayrıca çözümleyip Form 5 tablosunu kur.

11.4.1 Varyans analizi tablosu ve serbestlik dereceleri

Model, TTSM'nin Lokasyon-Yıl Birleşik Varyans Analiz Tablosu'ndaki kaynaklarla birebir aynıdır. Dengeli veride serbestlik dereceleri:

Varyasyon kaynağı Serbestlik derecesi Örnek (l=3, y=2, t=4, ç=8)
Genel g-1 191
Lokasyon l-1 2
Tekrar(Lok) l(t-1) 9
Yıl y-1 1
Lok*Yıl (l-1)(y-1) 2
Tekrar*Yıl(Lok) l(t-1)(y-1) 9
Çeşit ç-1 7
Lok*Çeşit (l-1)(ç-1) 14
Yıl*Çeşit (y-1)(ç-1) 7
Lok*Yıl*Çeşit (l-1)(y-1)(ç-1) 14
Hata ly(t-1)(ç-1) 126

Tablonun üst yarısı (Lokasyon … Tekrar*Yıl(Lok)) bloklar arası tabakadır: l\,t\,y=24 blok-yıl biriminin 23 serbestlik derecesini paylaşır. Alt yarısı parsel tabakasıdır. Hata, çeşit × tekrar(lokasyon × yıl) etkileşimidir.

11.4.2 Tip III kareler toplamları

Her terim toplam-sıfır karşıtlıklarıyla kodlanır ve terimin kareler toplamı, o terimin sütunları modelden çıkarıldığında artık kareler toplamındaki artış olarak hesaplanır (satır 178–204):

\mathrm{KT}_i=\mathrm{AKT}(\mathbf X_{-i})-\mathrm{AKT}(\mathbf X),\qquad \mathrm{sd}_i=\operatorname{rank}(\mathbf X)-\operatorname{rank}(\mathbf X_{-i}),\qquad \mathrm{KO}_i=\frac{\mathrm{KT}_i}{\mathrm{sd}_i}
  • \mathbf X: bütün terimlerin (rastgele olanlar dahil) toplam-sıfır kodlu tasarım matrisi; \mathbf X_{-i}: i. terimin sütunları çıkarılmış matris.
  • \mathrm{AKT}(\cdot): o matrisle yapılan en küçük kareler uyumunun artık kareler toplamı.
  • İç içe terimler (Tekrar(Lok), Tekrar*Yıl(Lok)) her lokasyonun içinde ayrı ayrı toplam-sıfır kodlanır (ic_ice, satır 142–153).

Neden tip III ve toplam-sıfır kodlama?

Dengeli veride bütün kareler toplamı tanımları (ardışık, kısmi, tip III) aynı sayıyı verir ve klasik el hesabıyla örtüşür (11.6, Adım 1). Eksik parsel olduğunda terimler dik olmaktan çıkar; ardışık kareler toplamı terimlerin yazılış sırasına bağlı olur. Tip III tanımı her terimi, öteki bütün terimler modeldeyken sınar ve sıradan bağımsızdır. Toplam-sıfır kodlama, bir ana etkinin sütunlarını çıkarmanın "etkileşimler üzerinden ortalaması alınmış ana etki sıfırdır" hipotezine karşılık gelmesini sağlar; köşe kodlamasında aynı işlem başka bir hipotezi sınardı.

11.4.3 Beklenen kareler ortalaması

Rastgele etkiler varken \mathrm{KO}_i'nin beklenen değeri, hata varyansına ek olarak bazı varyans bileşenlerini de içerir. Şablon katsayıları Hartley'in (1967) sentez yöntemiyle hesaplar (satır 195–199):

E(\mathrm{KO}_i)=\sigma^2_e+\sum_{j\in\text{rastgele}}c_{ij}\,\sigma^2_j\;(+\,Q_i),\qquad c_{ij}=\frac{\operatorname{iz}\!\big(\mathbf Z_j^{\top}\mathbf A_i\mathbf Z_j\big)}{\mathrm{sd}_i},\qquad \mathbf A_i=\mathbf H(\mathbf X)-\mathbf H(\mathbf X_{-i})
  • \mathbf Z_j: j. rastgele terimin gösterge matrisi (her düzeye bir sütun).
  • \mathbf H(\cdot): o matrisin sütun uzayına izdüşüm; \mathbf A_i, \mathrm{KT}_i=\mathbf y^{\top}\mathbf A_i\mathbf y'yi veren matristir.
  • Q_i: i. terim sabitse, etkilerinin karesel biçimi (tabloda "Q(…)"); H_0 altında sıfırdır.
  • Mutlak değeri 10^{-10}'dan küçük katsayılar sıfır sayılır (satır 205).

Dengeli veride katsayı bir kuralla bulunur: j. terim i. terimin bütün etmenlerini içeriyorsa c_{ij}=N/(j\text{. terimin düzey sayısı}), içermiyorsa 0. Örnek veride (N=192) lokasyon ve yıl rastgeleyken:

Kaynak Beklenen kareler ortalaması
Lokasyon \sigma^2_e+4\sigma^2_{LYC}+8\sigma^2_{LC}+8\sigma^2_{RY(L)}+32\sigma^2_{LY}+16\sigma^2_{R(L)}+64\sigma^2_{L}
Tekrar(Lok) \sigma^2_e+8\sigma^2_{RY(L)}+16\sigma^2_{R(L)}
Yıl \sigma^2_e+4\sigma^2_{LYC}+12\sigma^2_{YC}+8\sigma^2_{RY(L)}+32\sigma^2_{LY}+96\sigma^2_{Y}
Lok*Yıl \sigma^2_e+4\sigma^2_{LYC}+8\sigma^2_{RY(L)}+32\sigma^2_{LY}
Tekrar*Yıl(Lok) \sigma^2_e+8\sigma^2_{RY(L)}
Çeşit \sigma^2_e+4\sigma^2_{LYC}+12\sigma^2_{YC}+8\sigma^2_{LC}+Q(C)
Lok*Çeşit \sigma^2_e+4\sigma^2_{LYC}+8\sigma^2_{LC}
Yıl*Çeşit \sigma^2_e+4\sigma^2_{LYC}+12\sigma^2_{YC}
Lok*Yıl*Çeşit \sigma^2_e+4\sigma^2_{LYC}
Hata \sigma^2_e

Koddaki tercih

Sentez sınırsız (unrestricted) model içindir: sabit × rastgele bir etkileşimin etkilerine "sabit etmen üzerinden toplamı sıfır" kısıtı konmaz. Sonuç olarak rastgele bir ana etkinin beklenen kareler ortalaması, onu içeren sabit × rastgele etkileşimin bileşenini de içerir. Örneğin lokasyon sabit, yıl rastgeleyken E(\mathrm{KO}_{Y})'de 32\sigma^2_{LY} ve 12\sigma^2_{YC} bulunur ve yıl, \mathrm{KO}_{LY}+\mathrm{KO}_{YC}-\mathrm{KO}_{LYC} bileşimine karşı sınanır. Kısıtlı modelde bu terimler düşer. Karma model yazılımlarının (REML) kurduğu model de sınırsız modeldir; iki yol bu yüzden aynı hipotezleri sınar.

11.4.4 Payda bileşimi ve Satterthwaite serbestlik derecesi

Bir etkinin F testinde payda, beklenen değeri H_0 altında payın beklenen değerine eşit olan bir büyüklük olmalıdır. Şablon her etki için, öteki rastgele terimlerin ve hatanın kareler ortalamalarından böyle bir doğrusal bileşim arar (satır 207–221):

\mathrm{KO}_{payda}=\sum_k c_k\,\mathrm{KO}_k,\qquad \sum_k c_k\,E(\mathrm{KO}_k)=E(\mathrm{KO}_i)-(\text{terimin kendi bileşeni ya da }Q_i)
F=\frac{\mathrm{KO}_i}{\mathrm{KO}_{payda}},\qquad \mathrm{sd}_{payda}=\frac{\big(\sum_k c_k\mathrm{KO}_k\big)^2}{\sum_k\dfrac{(c_k\mathrm{KO}_k)^2}{\mathrm{sd}_k}}
  • c_k: bileşim katsayıları; dengeli veride +1 ve -1'dir. Payda tek bir kareler ortalamasıysa sd o kaynağın sd'sidir (satır 227).
  • \mathrm{sd}_{payda}: Satterthwaite'in (1946) yaklaşık serbestlik derecesi; kesirli olabilir.
  • p=P(F_{\mathrm{sd}_i,\ \mathrm{sd}_{payda}}>F). \mathrm{KO}_{payda}\le0 çıkarsa F ve p boş bırakılır (228).

Çeşit için, lokasyon ve yıl rastgeleyken:

E(\mathrm{KO}_{LC})+E(\mathrm{KO}_{YC})-E(\mathrm{KO}_{LYC})=\sigma^2_e+4\sigma^2_{LYC}+12\sigma^2_{YC}+8\sigma^2_{LC}

Bu, E(\mathrm{KO}_C)'nin Q(C) dışındaki kısmıdır; çeşit, \mathrm{KO}_{LC}+\mathrm{KO}_{YC}-\mathrm{KO}_{LYC}'ye karşı sınanır. Lokasyon ve yılın türüne göre çeşit paydası değişir (McIntosh, 1983):

Lokasyon Yıl Çeşit paydası Payda sd Çeşit F p AÖF (%5)
rastgele rastgele \mathrm{KO}_{LC}+\mathrm{KO}_{YC}-\mathrm{KO}_{LYC} 7,49 6,58 0,0099 31,80
rastgele sabit \mathrm{KO}_{LC} 14 5,96 0,0023 30,72
sabit rastgele \mathrm{KO}_{YC} 7 15,41 0,0009 21,06
sabit sabit \mathrm{KO}_{Hata} 126 37,18 <0{,}0001 11,35

Neden lokasyon ve yıl varsayılan olarak rastgele?

Tescil kararı, çeşidin denendiği üç lokasyon ve iki yıl için değil, önerileceği bölgenin bütün tarlaları ve gelecek yılları için verilir. Denenen çevreler bu kitlenin bir örneğidir. Çevreler rastgele alındığında çeşit farkı, çeşit × çevre etkileşimlerine karşı sınanır: bir çeşidin üstünlüğü ancak çevreden çevreye tutarlıysa anlamlı çıkar. Çevreler sabit alınırsa sonuç yalnız o lokasyon ve yıllar için geçerlidir; test parsel hatasına karşı yapılır ve çok daha kolay anlamlı çıkar (örnekte F 6,58 yerine 37,18; AÖF 31,80 yerine 11,35). İki sonucun farkı bir hesap ayrıntısı değil, sorulan sorunun farkıdır.

Eksi işaretli bileşimde Satterthwaite yaklaşımı

Satterthwaite formülü, bileşimdeki katsayıların hepsi pozitifken iyi çalışır. Eksi işaretli terim varsa bileşim negatif bile çıkabilir ve yaklaşık sd güvenilirliğini yitirir; Gaylor ve Hopper (1969) eksi terimin katkısı küçük kaldıkça yaklaşımın kullanılabileceğini göstermiştir. Örnekte çeşit paydasında eksi terimin payı büyüktür (1186/2228) ve sd 7,49'a düşer. Az sayıda lokasyon ve yılda bu kaçınılmazdır; şablon dörtten az düzeyli rastgele etmen için ayrıca uyarı yazar.

11.4.5 Moment varyans bileşenleri

Beklenen kareler ortalaması tablosu, varyans bileşenleri için bir doğrusal denklem sistemidir. Gözlenen kareler ortalamaları beklenen değerlerinin yerine konup sistem çözülür (satır 234–235):

\mathbf E\,\hat{\boldsymbol\sigma}^2=\mathbf{KO}\quad\Rightarrow\quad \hat{\boldsymbol\sigma}^2=\mathbf E^{-1}\,\mathbf{KO}
  • \mathbf E: rastgele terimlerin ve hatanın beklenen kareler ortalaması katsayılarından oluşan kare matris.
  • Dengeli veride sistem üçgendir; örneğin \hat\sigma^2_{LYC}=(\mathrm{KO}_{LYC}-\mathrm{KO}_{Hata})/4.
  • Kestirimler negatif çıkabilir: bir etkileşimin kareler ortalaması, altındaki terimin kareler ortalamasından küçükse (Searle, Casella ve McCulloch, 1992).

11.4.6 REML yolu

Aynı model doğrusal karma model olarak REML ile (Patterson ve Thompson, 1971) uydurulur (satır 257–265); tarla denemelerinde karma modelin kuruluşu için Piepho, Büchse ve Emrich (2003) temel başvurudur. Rastgele terimler seçime göre kurulur: tekrar(lokasyon) ve tekrar × yıl(lokasyon) her zaman; lokasyon rastgeleyse lokasyon, lokasyon × çeşit; yıl rastgeleyse yıl, yıl × çeşit; ikisinden biri rastgeleyse lokasyon × yıl ve lokasyon × yıl × çeşit. Rastgele olmayanlar sabit etkilere girer.

Koddaki tercih

Model lmerTest::lmer(…, REML = TRUE) ile, bobyqa eniyileyicisi ve sıkı durma ölçütüyle (rhoend = 1e-12) uydurulur (satır 263). Sınırda (0) kestirilen bir bileşen varsa (ölçeklenmiş parametre <10^{-6}; satır 271), o bileşen modelden çıkarılarak model yeniden uydurulur ve F testleri ile ortalama karşılaştırmaları bu ikinci modelden alınır (273–281); varyans bileşenleri tablosu ilk modelden yazılır (284). Sabit etki testleri anova(type = 3, ddf =) ile, Satterthwaite (Kuznetsova, Brockhoff ve Christensen, 2017) ya da Kenward-Roger (Kenward ve Roger, 1997; Halekoh ve Højsgaard, 2014) sd'siyle verilir (282). lme4 için Bates ve ark. (2015). Bütün model toplam-sıfır karşıtlıklarıyla kurulur (262).

Neden sınırdaki bileşen çıkarılıyor?

Sıfır kestirilen bir bileşen olabilirliği ve sabit etki kestirimlerini değiştirmez; ama payda serbestlik derecesinin yaklaşık hesabı, modelde hangi bileşenlerin bulunduğuna bağlıdır. Bileşen modelde kalırsa Kenward-Roger ve Satterthwaite hesapları, bilgi taşımayan bir parametrenin belirsizliğini de hesaba katar ve sd değişir. Bileşeni çıkarmak, sd'yi gerçekten kestirilen bileşenlere dayandırır. Dengeli veride bu, sıfır çıkan etkileşimin kareler toplamının bir üst etkileşimle havuzlanmasına denktir (11.6, Adım 6).

Dengeli veride ve bütün moment kestirimleri pozitifken REML ile moment yöntemi aynı bileşenleri, aynı F ve sd değerlerini verir. Ayrışma, bir moment kestirimi negatif olduğunda başlar: REML o bileşeni sıfırda tutar ve geri kalanları yeniden dengeler.

11.4.7 Çeşit ortalamaları, SED, AÖF ve harf grupları

Çeşit ortalamaları kestirilmiş marjinal ortalamalardır (EMM): her çeşidin, lokasyon, yıl ve tekrarlar üzerinden eşit ağırlıkla dengelenmiş ortalaması. Dengeli veride ham ortalamayla aynıdır. ANOVA yolunda (satır 349–363):

\operatorname{SH}(\hat\mu_m)=\sqrt{v_{mm}\,\mathrm{KO}_{payda}},\qquad \operatorname{SED}_{mm'}=\sqrt{(v_{mm}+v_{m'm'}-2v_{mm'})\,\mathrm{KO}_{payda}},\qquad \mathbf V_0=\mathbf L(\mathbf X^{\top}\mathbf X)^{-1}\mathbf L^{\top}
  • \mathbf L: çeşit ortalamalarını katsayılardan üreten matris (kesişim + çeşidin toplam-sıfır kodu).
  • \mathrm{KO}_{payda} ve sd: çeşit F testinin paydası ve Satterthwaite sd'si; bütün ikili karşılaştırmalarda aynı sd kullanılır (362).
  • Dengeli veride v_{mm}=1/(l\,y\,t) ve v_{mm'}=0: \operatorname{SH}=\sqrt{\mathrm{KO}_{payda}/(lyt)}, \operatorname{SED}=\sqrt{2\,\mathrm{KO}_{payda}/(lyt)}.

ANOVA yolunun SH'si karşılaştırma içindir

ANOVA yolundaki SH, \operatorname{SED}/\sqrt2'dir: iki çeşidin farkına giren belirsizliğin bir çeşide düşen payıdır. Lokasyon ve yıl rastgeleyken bir çeşit ortalamasının kendi belirsizliği lokasyon, yıl ve blok bileşenlerini de içerir; bunlar farkta sadeleşir ama tek ortalamada kalır. Örnekte ANOVA yolunun SH'si 9,64, REML yolunun (bütün bileşenleri içeren) SH'si 30,26'dır. Bir çeşidin verimi için güven aralığı kurulacaksa REML yolunun SH'si kullanılır; çeşitler karşılaştırılacaksa SED ve AÖF.

REML yolunda ortalamalar, SH'ler ve her ikili farkın SED'i ile sd'si emmeans'ten (Lenth ve Piaskowski, 2026) alınır (satır 365–378); karşılaştırma sd'si ikili farkların sd'lerinin ortalamasıdır.

Karşılaştırma ölçütü, ortalama SED ile kritik değerin çarpımıdır (satır 384–394):

\text{AÖF}=t_{1-\alpha/2,\ \mathrm{sd}}\cdot\overline{\operatorname{SED}},\qquad \text{Tukey}=\frac{q_{1-\alpha;\ k,\ \mathrm{sd}}}{\sqrt2}\cdot\overline{\operatorname{SED}},\qquad \text{Bonferroni}=t_{1-\alpha/[k(k-1)],\ \mathrm{sd}}\cdot\overline{\operatorname{SED}}
  • \overline{\operatorname{SED}}=\sqrt{\operatorname{ort}(\operatorname{SED}^2)}: ikili SED'lerin karesel ortalaması; dengeli veride hepsi eşittir.
  • q: öğrencileştirilmiş açıklık dağılımının çeyreği; k: çeşit sayısı. Bonferroni'de k(k-1)/2 karşılaştırmanın her biri \alpha/[k(k-1)/2] düzeyinde, iki yönlü sınanır.
  • İkili p değerleri aynı tanımlarla hesaplanır (388–391); Bonferroni p'si 1'i aşamaz.

Harf grupları (satır 395–410): çeşitler büyükten küçüğe sıralanır. Her çeşitten başlayarak, içindeki bütün çiftlerin farkı önemsiz (p>\alpha) kalacak biçimde aşağı doğru en uzun dizi bulunur; daha önce bulunan bir dizinin içinde kalmayan her dizi yeni bir harf alır. Aynı harfi paylaşan çeşitler arasındaki fark önemsizdir.

Neden AÖF varsayılan?

TTSM tabloları AÖF (asgari önemli fark) ister ve çeşit denemelerinde yerleşik ölçüt odur. AÖF yalnız tek bir karşılaştırmanın hata olasılığını denetler: sekiz çeşitte 28 ikili karşılaştırma vardır ve hiçbir gerçek fark yokken en az birinin anlamlı çıkma olasılığı \alpha'nın çok üstündedir. Çok sayıda aday varsa ve yanlış üstünlük savının bedeli yüksekse Tukey seçilir; örnekte ölçüt 31,80'den 54,92'ye çıkar.

11.4.8 Form 5: ortalama verim tablosu

TTSM'nin buğday ve arpa talimatlarındaki Form 5, çeşit × lokasyon ortalamalarını ve her lokasyonun kendi istatistiklerini tek tabloda verir. Şablon her lokasyonu yıllar üzerinden ayrıca çözümler (satır 441–455): model tekrar, yıl, tekrar × yıl, çeşit ve yıl × çeşit terimlerinden oluşur; yıl formdaki seçimle aynı türdedir.

  • Lokasyon sütunları: o lokasyonda çeşidin yıllar ve tekrarlar üzerinden ortalaması.
  • F satırı: o lokasyondaki çeşit F'si. Yıl rastgeleyse payda \mathrm{KO}_{YC} ((y-1)(ç-1) sd), sabitse \mathrm{KO}_{Hata}.
  • DK (%): 100\sqrt{\mathrm{KO}_{Hata}}/\bar y, o lokasyonun kendi hatası ve ortalamasıyla.
  • AÖF satırı: \text{kritik değer}\times\sqrt{2\,\mathrm{KO}_{payda}/n_ç}; n_ç o lokasyonda çeşit başına parsel sayısı (451).
  • Ortalama sütunu ve son sütundaki F, DK, AÖF: birleşik çözümlemenin değerleri.

11.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
1–94 Üstbilgi: açıklama, örnek veri ve ayar, on üç parametre. Form ve varsayılanlar (Bölüm 1.2).
95–131 Sütun denetimleri, eksik satırların atılması, etmenler, birleşik etiketler, denge denetimi. dengeli: eksik parsel yok ve her lokasyonda aynı tekrar sayısı (130).
132–175 Kodlama yardımcıları (cs, kat, ic_ice, gosterge) ve terim_kur(). Her terim: kodlu sütunlar, rastgele mi, gösterge matrisi.
177–238 birlesik_anova(): tip III KT, sentezlenmiş beklenen KO, payda bileşimi, Satterthwaite, moment bileşenleri. Payda katsayıları tamsayıya yakınsa yuvarlanır (219).
240–254 Birleşik çözümleme; boş hücre ve dengesizlik uyarıları; kaynak adları; özet satırı. Dengesiz veride sd'ler TTSM formüllerinden sapar (243).
256–285 REML: model formülü, lmer, sınırdaki bileşenin çıkarılması, tip III F testleri. İkinci uyum yalnız test ve karşılaştırmalar içindir (273–281).
287–344 TTSM varyans analizi tablosu; ayrıntılı tablo; beklenen KO tablosu; varyans bileşenleri; REML F tablosu. TTSM tablosunda olasılık yüzde olarak yazılır (296).
346–434 Çeşit ortalamaları (ANOVA ya da REML yolu), SED, kritik değerler, ikili p'ler, harf grupları, özet ve ikili tablolar. Kritik değer seçilen yönteme göre (384–387).
436–467 Form 5: lokasyon başına çözümleme ve tablonun kurulması. Lokasyon çözümlemeleri her zaman ANOVA yolundandır (446–451).
469–482 Şekil (ortalamalar ± AÖF/2, harfler); az düzey uyarısı; uyarıların yazılması. Çubuklar üst üste binmiyorsa fark AÖF'den büyüktür.

11.6 Elle hesap: örnek veride bağımsız yeniden hesap

Ara değerler dogrulama/lokasyon_yil_tbd/elle_hesap.py ile hesaplanmıştır. Betik şablonun yolunu (model karşılaştırması, QR ayrışımı, lme4) izlemez: dengeli tasarımın klasik el hesabını uygular. Kareler toplamları hücre ortalamalarından, beklenen kareler ortalaması katsayıları 11.4.3'teki kuraldan, REML değerleri havuzlamalı kapalı biçimden gelir. R tarafında kareler toplamları stats::aov ile, REML denklemleri Fisher puanlama yinelemesiyle (skor ve beklenen bilgi matrisi; lme4 kullanılmadan) çözülmüştür (r_dogrulama.R).

Adım 1 — Düzeltilmemiş kareler toplamları ve KT. Bir etmen kümesi S için R(S)=\sum_{\text{hücre}}n\,\bar y^2; R(\varnothing)=N\bar y^2 düzeltme terimidir.

S R(S) S R(S)
\varnothing 37821701,3333 L,C 38248062,8375
L 38110925,4241 Y,C 37963322,4367
Y 37853998,7085 L,R 38134405,2700
C 37924362,4458 L,R,Y 38208395,2925
L,Y 38179815,2819 L,Y,C 38340222,3700
\sum y^2 38418500,0800

Kareler toplamları içerme-dışlama ile bulunur; örneğin:

\mathrm{KT}_C=R(C)-R(\varnothing)=102661{,}1125,\qquad \mathrm{KT}_{LC}=R(L,C)-R(L)-R(C)+R(\varnothing)=34476{,}3009
\mathrm{KT}_{R(L)}=R(L,R)-R(L)=23479{,}8459,\qquad \mathrm{KT}_{Hata}=\textstyle\sum y^2-R(L,R,Y)-R(L,Y,C)+R(L,Y)=49697{,}6994

Adım 2 — Kareler ortalamaları.

Kaynak sd KT KO
Lokasyon 2 289224,0907 144612,0454
Tekrar(Lok) 9 23479,8459 2608,8718
Yıl 1 32297,3752 32297,3752
Lok*Yıl 2 36592,4826 18296,2413
Tekrar*Yıl(Lok) 9 5100,1647 566,6850
Çeşit 7 102661,1125 14665,8732
Lok*Çeşit 14 34476,3009 2462,5929
Yıl*Çeşit 7 6662,6156 951,8022
Lok*Yıl*Çeşit 14 16607,0591 1186,2185
Hata 126 49697,6994 394,4262
Genel 191 596798,7467

Adım 3 — Çeşit ve lokasyon testleri (lokasyon ve yıl rastgele).

\mathrm{KO}_{payda}(C)=2462{,}5929+951{,}8022-1186{,}2185=2228{,}1767,\qquad F=\frac{14665{,}8732}{2228{,}1767}=6{,}5820
\mathrm{sd}_{payda}=\frac{2228{,}1767^2}{\dfrac{2462{,}5929^2}{14}+\dfrac{951{,}8022^2}{7}+\dfrac{1186{,}2185^2}{14}}=7{,}4873,\qquad p=P(F_{7;\,7{,}4873}>6{,}5820)=0{,}009880

Lokasyon için payda beş kareler ortalamasının bileşimidir:

2608{,}8718+18296{,}2413-566{,}6850+2462{,}5929-1186{,}2185=21614{,}8025,\qquad F=6{,}6904,\quad \mathrm{sd}_{payda}=2{,}7694,\quad p=0{,}0870

Lokasyon ortalamaları 401,5 ile 495,3 arasında değiştiği hâlde test anlamlı değildir: payda sd'si 2,77'dir, çünkü lokasyon farkı yalnız üç lokasyon ve iki yılın oluşturduğu çevre değişkenliğine karşı ölçülebilir.

Adım 4 — Moment varyans bileşenleri. Tablonun altından yukarıya:

\hat\sigma^2_{LYC}=\frac{1186{,}2185-394{,}4262}{4}=197{,}9481,\qquad \hat\sigma^2_{YC}=\frac{951{,}8022-1186{,}2185}{12}=-19{,}5347
\hat\sigma^2_{LC}=\frac{2462{,}5929-1186{,}2185}{8}=159{,}5468

Öteki bileşenler: \hat\sigma^2_{RY(L)}=21{,}5323; \hat\sigma^2_{R(L)}=127{,}6367; \hat\sigma^2_{LY}=529{,}3051; \hat\sigma^2_{Y}=148{,}2870; \hat\sigma^2_{L}=1921{,}8319. Yıl × çeşit bileşeni negatiftir: bu etkileşimin kareler ortalaması (951,8) üç yönlü etkileşiminkinden (1186,2) küçüktür.

Adım 5 — Ortalamalar ve karşılaştırma ölçütleri (ANOVA yolu). Her çeşit l\,y\,t=24 parselin ortalamasıdır.

\operatorname{SH}=\sqrt{\frac{2228{,}1767}{24}}=9{,}6354,\qquad \operatorname{SED}=\sqrt{\frac{2\cdot2228{,}1767}{24}}=13{,}6265

t_{0{,}975;\,7{,}4873}=2{,}333783 ile \text{AÖF}=2{,}333783\cdot13{,}6265=31{,}8013. Tukey için q_{0{,}95;\,8;\,7{,}4873}=5{,}700084 ve ölçüt 5{,}700084/\sqrt2\cdot13{,}6265=54{,}9225. En büyük fark C7 − C8 =76{,}1625 (p=0{,}000653; Tukey p=0{,}008528); C1 − C7 =-46{,}2750 AÖF ile önemli (p=0{,}010395), Tukey ile önemsizdir (p=0{,}108507).

Adım 6 — REML (lokasyon ve yıl rastgele). Yıl × çeşit bileşeni sıfırda tutulur; bu etkileşimin kareler toplamı üç yönlü etkileşimle havuzlanır:

\mathrm{KO}_{havuz}=\frac{6662{,}6156+16607{,}0591}{7+14}=1108{,}0797
\hat\sigma^2_{LYC}=\frac{1108{,}0797-394{,}4262}{4}=178{,}4134,\qquad \hat\sigma^2_{LC}=\frac{2462{,}5929-1108{,}0797}{8}=169{,}3141
\hat\sigma^2_{LY}=\frac{18296{,}2413-566{,}6850-1108{,}0797+394{,}4262}{32}=531{,}7470,\qquad \hat\sigma^2_{Y}=\frac{32297{,}3752-18296{,}2413}{96}=145{,}8451

\hat\sigma^2_{L}=1920{,}6110; blok bileşenleri ve hata moment değerleriyle aynıdır. Yıl × çeşit modelden çıkınca çeşit paydası \mathrm{KO}_{LC}'ye iner:

F=\frac{14665{,}8732}{2462{,}5929}=5{,}9555\ (\mathrm{sd}\ 7;\ 14),\qquad p=0{,}002313
\operatorname{SED}=\sqrt{\frac{2\cdot2462{,}5929}{24}}=14{,}3254,\qquad \text{AÖF}=2{,}144787\cdot14{,}3254=30{,}7249

Bir çeşit ortalamasının REML standart hatası bütün bileşenleri içerir:

\operatorname{Var}(\hat\mu_m)=\frac{\hat\sigma^2_L}{l}+\frac{\hat\sigma^2_Y}{y}+\frac{\hat\sigma^2_{LY}}{ly}+\frac{\hat\sigma^2_{R(L)}}{lt}+\frac{\hat\sigma^2_{RY(L)}}{lty}+\frac{\hat\sigma^2_{LC}}{l}+\frac{\hat\sigma^2_{LYC}}{ly}+\frac{\hat\sigma^2_e}{lty}
=640{,}2037+72{,}9226+88{,}6245+10{,}6364+0{,}8972+56{,}4380+29{,}7356+16{,}4344=915{,}8923,\qquad \operatorname{SH}=30{,}2637

Adım 7 — Form 5, Ankara. Lokasyon içi çözümlemede \mathrm{KO}_C=3250{,}5079, \mathrm{KO}_{YC}=1733{,}8086, \mathrm{KO}_{Hata}=382{,}1680; lokasyon ortalaması 401,5188.

F=\frac{3250{,}5079}{1733{,}8086}=1{,}8748,\qquad \mathrm{DK}=\frac{100\sqrt{382{,}1680}}{401{,}5188}=4{,}8688,\qquad \text{AÖF}=2{,}364624\sqrt{\frac{2\cdot1733{,}8086}{8}}=49{,}2303

Yıl sabit alınsaydı aynı lokasyonda F=3250{,}5079/382{,}1680=8{,}5054 ve AÖF 19,7259 olurdu.

Adım 8 — İkisi de sabit. Çeşit hataya karşı sınanır: F=14665{,}8732/394{,}4262=37{,}1828 (sd 7; 126); \operatorname{SED}=\sqrt{2\cdot394{,}4262/24}=5{,}7331; \text{AÖF}=1{,}978971\cdot5{,}7331=11{,}3457. Lokasyon \mathrm{KO}_{R(L)}'ye karşı (F=55{,}4309), yıl ve lokasyon × yıl \mathrm{KO}_{RY(L)}'ye karşı sınanır (F=56{,}9935 ve 32,2864).

11.6.1 Doğrulama: MerQuR+, Python ve R

MerQuR+ sütunu şablonun tablolarından tam hassasiyetle alınmıştır (çalıştırmalar 1–3 ve 5–7).

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
KT Lokasyon 2,892241·105 2,892241·105 2,892241·105 1,2e−14 ✓
KT Tekrar(Lok) 23479,8459375 23479,84593751 23479,8459375 2,3e−13 ✓
KT Yıl 32297,37520833 32297,37520833 32297,37520833 5,1e−15 ✓
KT Lok×Yıl 36592,48260417 36592,48260417 36592,48260417 4,8e−14 ✓
KT Tekrar×Yıl(Lok) 5100,1646875 5100,16468749 5100,1646875 1,6e−12 ✓
KT Çeşit 1,026611·105 1,026611·105 1,026611·105 4,4e−14 ✓
KT Lok×Çeşit 34476,3009375 34476,3009375 34476,3009375 1,0e−13 ✓
KT Yıl×Çeşit 6662,615625 6662,61562501 6662,615625 1,3e−12 ✓
KT Lok×Yıl×Çeşit 16607,0590625 16607,05906248 16607,0590625 1,1e−12 ✓
KT Hata 49697,699375 49697,699375 49697,699375 7,4e−14 ✓
F Lokasyon 6,69041714 6,69041714 6,69041714 1,7e−13 ✓
Payda KO Lokasyon 21614,80252728 21614,80252729 21614,80252728 1,8e−13 ✓
Payda sd Lokasyon (Satterthwaite) 2,76938132 2,76938132 2,76938132 2,7e−13 ✓
p Lokasyon 0,08701819 0,08701819 0,08701819 1,3e−14 ✓
F Tekrar(Lok) 4,6037427 4,6037427 4,6037427 1,8e−12 ✓
p Tekrar(Lok) 0,01640165 0,01640165 0,01640165 9,5e−14 ✓
F Yıl 1,7881568 1,7881568 1,7881568 2,0e−13 ✓
Payda KO Yıl 18061,82502976 18061,82502977 18061,82502976 1,9e−13 ✓
Payda sd Yıl (Satterthwaite) 1,94640546 1,94640546 1,94640546 2,9e−13 ✓
p Yıl 0,31602022 0,31602022 0,31602022 2,4e−15 ✓
F Lok×Yıl 13,46819819 13,46819819 13,46819819 1,7e−12 ✓
Payda KO Lok×Yıl 1358,47728423 1358,47728422 1358,47728423 1,7e−12 ✓
Payda sd Lok×Yıl (Satterthwaite) 13,42893587 13,42893587 13,42893587 8,6e−13 ✓
p Lok×Yıl 6,175987·10−4 6,175987·10−4 6,175987·10−4 3,2e−15 ✓
F Tekrar×Yıl(Lok) 1,43673262 1,43673262 1,43673262 1,6e−12 ✓
p Tekrar×Yıl(Lok) 0,17929015 0,17929015 0,17929015 9,7e−13 ✓
F Çeşit 6,5820065 6,5820065 6,5820065 1,2e−12 ✓
Payda KO Çeşit 2228,17665179 2228,17665179 2228,17665179 1,3e−12 ✓
Payda sd Çeşit (Satterthwaite) 7,48726723 7,48726723 7,48726723 2,3e−12 ✓
p Çeşit 0,00987997 0,00987997 0,00987997 2,5e−14 ✓
F Lok×Çeşit 2,07600279 2,07600279 2,07600279 1,2e−12 ✓
p Lok×Çeşit 0,09206466 0,09206466 0,09206466 3,7e−13 ✓
F Yıl×Çeşit 0,80238356 0,80238356 0,80238356 2,0e−12 ✓
p Yıl×Çeşit 0,59875393 0,59875393 0,59875393 1,4e−12 ✓
F Lok×Yıl×Çeşit 3,00745373 3,00745373 3,00745373 1,2e−12 ✓
p Lok×Yıl×Çeşit 5,202060·10−4 5,202060·10−4 5,202060·10−4 7,4e−15 ✓
Moment bileşeni \hat\sigma^2(Lokasyon) 1921,83191933 1921,83191933 1921,83191933 2,2e−14 ✓
Moment bileşeni \hat\sigma^2(Tekrar(Lok)) 127,63667535 127,63667535 127,63667535 7,3e−13 ✓
Moment bileşeni \hat\sigma^2(Yıl) 148,28698103 148,28698103 148,28698103 2,6e−13 ✓
Moment bileşeni \hat\sigma^2(Lok×Yıl) 529,30512556 529,30512556 529,30512556 1,9e−13 ✓
Moment bileşeni \hat\sigma^2(Tekrar×Yıl(Lok)) 21,53234747 21,53234747 21,53234747 5,3e−12 ✓
Moment bileşeni \hat\sigma^2(Lok×Çeşit) 159,54680246 159,54680246 159,54680246 1,3e−12 ✓
Moment bileşeni \hat\sigma^2(Yıl×Çeşit) −19,53468936 −19,53468936 −19,53468936 1,1e−11 ✓
Moment bileşeni \hat\sigma^2(Lok×Yıl×Çeşit) 197,94807974 197,94807974 197,94807974 1,8e−12 ✓
Moment bileşeni \hat\sigma^2(Hata) 394,42618552 394,42618552 394,42618552 7,5e−14 ✓
REML bileşeni \hat\sigma^2(Lokasyon) 1920,61703466 1920,61100125 1920,61100125 3,1e−6 ✗
REML bileşeni \hat\sigma^2(Tekrar(Lok)) 127,63667458 127,63667535 127,63667535 6,0e−9 ✓
REML bileşeni \hat\sigma^2(Yıl) 145,84458333 145,84514486 145,84514486 3,9e−6 ✗
REML bileşeni \hat\sigma^2(Lok×Yıl) 531,7461212 531,74696173 531,74696173 1,6e−6 ✗
REML bileşeni \hat\sigma^2(Tekrar×Yıl(Lok)) 21,53234083 21,53234747 21,53234747 3,1e−7 ✓
REML bileşeni \hat\sigma^2(Lok×Çeşit) 169,31409565 169,31414714 169,31414714 3,0e−7 ✓
REML bileşeni \hat\sigma^2(Yıl×Çeşit) 0 0 0 0 ✓
REML bileşeni \hat\sigma^2(Lok×Yıl×Çeşit) 178,4134068 178,41339038 178,41339038 9,2e−8 ✓
REML bileşeni \hat\sigma^2(Hata) 394,42619176 394,42618552 394,42618552 1,6e−8 ✓
Genel ortalama 443,83333333 443,83333333 — 7,7e−16 ✓
DK (%) 4,47469 4,47469 — 3,8e−14 ✓
EMM SH (ANOVA yolu) 9,63538758 9,63538758 9,63538758 6,5e−13 ✓
SED (ANOVA yolu) 13,62649579 13,62649579 13,62649579 6,4e−13 ✓
AÖF %5 (ANOVA yolu) 31,80128454 31,80128454 31,80128454 2,2e−13 ✓
Tukey HSD %5 (ANOVA yolu) 54,92252162 54,92252162 54,92252162 9,0e−11 ✓
C1 − C7: p (AÖF) 0,01039481 0,01039481 0,01039481 3,2e−15 ✓
C1 − C7: p (Tukey) 0,10850733 0,10850733 0,10850733 1,8e−11 ✓
C7 − C8: p (AÖF) 6,526667·10−4 6,526667·10−4 6,526667·10−4 2,6e−15 ✓
C7 − C8: p (Tukey) 0,00852843 0,00852843 0,00852843 3,0e−10 ✓
C1 − C2: p (AÖF) 0,54844338 0,54844338 0,54844338 2,1e−13 ✓
C1 − C2: p (Tukey) 0,99697738 0,99697738 0,99697738 1,9e−11 ✓
REML: çeşit F 5,95545935 5,95545982 5,95545982 7,8e−8 ✓
REML: payda sd (Satterthwaite) 13,99999879 14 — 8,6e−8 ✓
REML: çeşit p 0,00231307 0,00231307 0,00231307 1,5e−9 ✓
REML: EMM SH 30,26370114 30,26371329 30,26371329 4,0e−7 ✓
REML: SED 14,32536537 14,32536481 14,32536481 3,9e−8 ✓
REML: AÖF %5 30,7248532 30,72485175 30,72485175 4,7e−8 ✓
REML (Kenward–Roger): AÖF %5 30,72485295 30,72485175 30,72485175 3,9e−8 ✓
İkisi sabit: çeşit F 37,18280822 37,18280822 37,18280822 3,1e−14 ✓
İkisi sabit: lokasyon F 55,43087513 55,43087513 55,43087513 2,2e−13 ✓
İkisi sabit: yıl F 56,9935276 56,9935276 56,9935276 1,6e−12 ✓
İkisi sabit: SED 5,73313603 5,73313603 5,73313603 3,7e−14 ✓
İkisi sabit: AÖF %5 11,34570767 11,34570767 11,34570767 1,2e−11 ✓
Lokasyon sabit, yıl rastgele: çeşit F 15,40852996 15,40852996 — 1,3e−12 ✓
Lokasyon sabit, yıl rastgele: AÖF %5 21,0593458 21,0593458 — 6,7e−13 ✓
Form 5 Ankara: F 1,87477898 1,87477898 1,87477898 1,3e−13 ✓
Form 5 Ankara: DK (%) 4,86879344 4,86879344 4,86879344 3,1e−14 ✓
Form 5 Ankara: AÖF 49,23032656 49,23032656 49,23032656 7,1e−14 ✓
Form 5 Ankara: AÖF (yıl sabit) 19,72585922 19,72585922 19,72585922 3,2e−14 ✓
Form 5 Ankara: C7 ortalaması 424,0125 424,0125 — 0 ✓
Form 5 Eskisehir: F 14,73983663 14,73983663 14,73983663 2,4e−14 ✓
Form 5 Eskisehir: DK (%) 4,10527954 4,10527954 4,10527954 2,6e−14 ✓
Form 5 Eskisehir: AÖF 33,66414812 33,66414812 33,66414812 6,1e−15 ✓
Form 5 Eskisehir: AÖF (yıl sabit) 18,00757256 18,00757256 18,00757256 2,7e−14 ✓
Form 5 Eskisehir: C7 ortalaması 491,5625 491,5625 — 0 ✓
Form 5 Konya: F 5,63115217 5,63115217 5,63115217 5,6e−13 ✓
Form 5 Konya: DK (%) 4,4357219 4,4357219 4,4357219 3,6e−14 ✓
Form 5 Konya: AÖF 33,01405259 33,01405259 33,01405259 2,5e−13 ✓
Form 5 Konya: AÖF (yıl sabit) 22,16729064 22,16729064 22,16729064 3,4e−14 ✓
Form 5 Konya: C7 ortalaması 526,7625 526,7625 — 0 ✓

Ölçütü karşılayan: 92/95. Python: hücre ortalamalarından düzeltilmemiş kareler toplamları ve içerme-dışlama (model karşılaştırması ve QR kullanılmadan), dengeli tasarım kuralıyla beklenen KO; REML için havuzlamalı kapalı biçim. R: stats::aov kareler toplamları, elle yazılan payda bileşimleri, qtukey/ptukey ve REML denklemlerinin Fisher puanlama ile çözümü (lme4, lmerTest ve emmeans kullanılmadan). REML satırlarındaki fark, şablondaki lmer eniyileyicisinin durma toleransından gelir.

ANOVA yolundaki bütün büyüklükler (kareler toplamları, paydalar, Satterthwaite sd'leri, F, p, moment bileşenleri, ortalamalar, SED, AÖF, Tukey, Form 5) üç yöntemde örtüşür; en büyük fark 10^{-11} düzeyindedir. REML yolunda F, sd, SED ve AÖF ölçüt içindedir. Üç REML bileşeni (lokasyon, yıl, lokasyon × yıl) kapalı biçimden göreli 1{,}6\times10^{-6} ile 3{,}9\times10^{-6} kadar ayrılır: bu bileşenler yalnız üç lokasyon ve iki yıla dayanır, REML yüzeyi bu yönlerde çok yassıdır ve yinelemeli eniyileyici en büyük noktaya altıncı basamakta ulaşır. Bağımsız Python (kapalı biçim) ve R (Fisher puanlama) çözümleri birbirleriyle 10^{-9} içinde aynıdır.

11.7 Çıktıyı okuma

Çalıştırma 1'in (örnek ayar) metin çıktısı (satırlar sayfaya sığacak biçimde bölünmüş, uyarı satırı kısaltılmıştır):

n = 192 parsel; 3 lokasyon, 2 yıl, 4 tekrar, 8 çeşit; lokasyon rastgele, yıl rastgele;
tekrarlar rastgele.
Uyarılar: REML: Yıl*Çeşit varyansı sınırda (0) kestirildi; REML F testlerinde ve ortalama
karşılaştırmalarında bu bileşen modelden çıkarıldı […] | Tip III moment kestirimlerinden
en az biri negatif; REML bu bileşeni sınırda (0) kestirir ve iki yolun F/sd'leri ayrışabilir.
| Rastgele etkili lokasyon ya da yıl 4'ten az düzeyde: varyans bileşenleri ve Satterthwaite
sd'leri az bilgiye dayanır.

"TTSM Lokasyon × Yıl varyans analizi tablosu":

varyasyon_kaynagi serbestlik_derecesi kareler_ortalamasi F_degeri olasilik_yuzde
Genel 191
Lokasyon 2 144612,0454 6,6904 8,7018
Tekrar(Lok) 9 2608,8718 4,6037 1,6402
Yıl 1 32297,3752 1,7882 31,6020
Lok*Yıl 2 18296,2413 13,4682 0,0618
Tekrar*Yıl(Lok) 9 566,6850 1,4367 17,9290
Çeşit 7 14665,8732 6,5820 0,9880
Lok*Çeşit 14 2462,5929 2,0760 9,2065
Yıl*Çeşit 7 951,8022 0,8024 59,8754
Lok*Yıl*Çeşit 14 1186,2185 3,0075 0,0520
Hata 126 394,4262

"Ayrıntılı varyans analizi" tablosu aynı satırlara kareler toplamını, paydanın yazılı bileşimini (ör. KO(Lok*Çeşit) + KO(Yıl*Çeşit) − KO(Lok*Yıl*Çeşit)), payda kareler ortalamasını, payda sd'sini ve p'yi (olasılık olarak) ekler. "Beklenen kareler ortalaması" tablosu 11.4.3'teki satırları metin olarak verir. "Varyans bileşenleri" tablosu:

bilesen ANOVA_tip3 REML
Lokasyon 1921,8319 1920,6170
Tekrar(Lok) 127,6367 127,6367
Yıl 148,2870 145,8446
Lok*Yıl 529,3051 531,7461
Tekrar*Yıl(Lok) 21,5323 21,5323
Lok*Çeşit 159,5468 169,3141
Yıl*Çeşit −19,5347 0,0000
Lok*Yıl*Çeşit 197,9481 178,4134
Hata 394,4262 394,4262

"REML sabit etki F testleri": Çeşit, pay sd 7, payda sd 14,0000, F=5{,}9555, p=0{,}0023. "Çeşit ortalamaları (EMM)" ve "Çeşit testi ve karşılaştırma ölçütleri":

cesit EMM SH harf olcut deger
C7 480,7792 9,6354 a genel ortalama 443,8333
C6 462,5792 9,6354 ab değişim katsayısı DK (%) 4,4747
C5 461,9708 9,6354 ab çeşit F 6,5820
C4 443,9458 9,6354 bc çeşit F payda sd 7,4873
C2 443,0667 9,6354 bc çeşit p 0,0099
C1 434,5042 9,6354 bcd SED 13,6265
C3 419,2042 9,6354 cd AÖF (Fisher LSD) (α = 0,050) 31,8013
C8 404,6167 9,6354 d karşılaştırma sd 7,4873

"İkili çeşit karşılaştırmaları" tablosu 28 çiftin her biri için farkı, SED'i, sd'yi, p'yi ve önemliyse * işaretini verir. "Form 5: ortalama verim sonuçları":

Çeşitler Ankara Eskisehir Konya Ortalama harf
C7 424,01 491,56 526,76 480,78 a
C6 408,24 471,46 508,04 462,58 ab
C5 415,91 454,75 515,25 461,97 ab
C4 417,86 426,33 487,65 443,95 bc
C2 389,84 448,56 490,80 443,07 bc
C1 408,83 412,59 482,10 434,50 bcd
C3 367,23 389,36 501,03 419,20 cd
C8 380,24 383,10 450,51 404,62 d
F 1,87 14,74 5,63 6,58
DK (%) 4,87 4,11 4,44 4,47
AÖF (Fisher LSD) 49,23 33,66 33,01 31,80
Lokasyon Ort. 401,52 434,71 495,27 443,83
Öğe Ne yazar Nasıl yorumlanır
İlk satır Parsel, lokasyon, yıl, tekrar, çeşit sayıları; etkilerin türü Tekrar sayısı lokasyonlar arasında farklıysa "4/3" gibi yazılır.
TTSM tablosu Kaynak, sd, KO, F, olasılık (%) olasilik_yuzde =100p: 0,9880 değeri p=0{,}0099 demektir, %5'in altındadır.
Ayrıntılı tablo KT, payda bileşimi, payda KO ve sd, p Her F'nin neye bölündüğünü gösterir; kesirli payda sd'si sentezlenmiş paydadır.
Beklenen KO Her kaynağın içerdiği bileşenler Payda seçiminin gerekçesi; sabit etkilerde Q(…).
Varyans bileşenleri Moment ve REML kestirimleri Negatif moment değeri ve sıfır REML değeri aynı şeyi söyler: o etkileşim, altındakinden ayırt edilemiyor.
Çeşit*çevre bileşenleri \hat\sigma^2_{LC}, \hat\sigma^2_{YC}, \hat\sigma^2_{LYC} Büyüklükleri çeşit sıralamasının çevreye ne kadar bağlı olduğunu gösterir.
EMM, SH, harf Çeşit ortalaması, karşılaştırma SH'si, grup Harf paylaşan çeşitler ayırt edilemez. SH için 11.4.7'deki uyarı.
SED, AÖF Fark standart hatası ve asgari önemli fark İki ortalamanın farkı AÖF'den büyükse \alpha düzeyinde önemlidir.
Form 5 Çeşit × lokasyon ortalamaları ve lokasyon istatistikleri Lokasyon F ve AÖF'si o lokasyonun yıllara göre birleşik çözümlemesindendir.

Şekil 11.1. Şablonun çizdiği çeşit ortalamaları (örnek veri; büyükten küçüğe). Çubuklar ± AÖF/2'dir (±15,90): iki çeşidin çubukları üst üste binmiyorsa farkları AÖF'den büyüktür. Üstteki harfler AÖF gruplarıdır.

Form 5'te Ankara'nın F'si 1,87'dir ve AÖF'si (49,23) lokasyondaki bütün çeşit farklarından büyüktür: Ankara'da çeşit sıralaması iki yıl arasında değişmiş, yıl × çeşit kareler ortalaması (1733,8) büyük çıkmıştır. Eskisehir'de ise sıralama tutarlıdır (F=14{,}74). Birleşik çözümlemedeki önemli lokasyon × yıl × çeşit etkileşimi (p=0{,}0005) bu farkı yansıtır.

Rapor cümlesi:

Sekiz çeşit, üç lokasyonda ve iki yılda, dört tekrarlı tesadüf blokları deseninde denendi (192 parsel). Lokasyon ve yılın rastgele alındığı birleşik varyans analizinde çeşit etkisi önemli bulundu (F_{7;\,7{,}49} = 6,58; p = 0,010; payda: KO(Lok×Çeşit) + KO(Yıl×Çeşit) − KO(Lok×Yıl×Çeşit), Satterthwaite serbestlik derecesi). Lokasyon × yıl (p < 0,001) ve lokasyon × yıl × çeşit (p < 0,001) etkileşimleri önemli, lokasyon × çeşit (p = 0,092) ve yıl × çeşit (p = 0,599) etkileşimleri önemsizdi. Genel ortalama 443,8 kg/da, değişim katsayısı %4,5, asgari önemli fark (%5) 31,8 kg/da idi. En yüksek verim C7'de (480,8 kg/da) elde edildi; C6 ve C5 onunla aynı grupta, C8 (404,6 kg/da) en düşük gruptaydı. REML çözümlemesinde yıl × çeşit varyansı sıfır kestirildi ve çeşit etkisi yine önemliydi (F_{7;\,14} = 5,96; p = 0,002).

11.8 Sık hatalar ve tuzaklar

  • Sabit ve rastgele seçimini sonuca göre yapmak. Aynı veride çeşit F'si 6,58 (ikisi rastgele) ile 37,18 (ikisi sabit), AÖF 31,80 ile 11,35 arasında değişir. Seçim, sonucun hangi çevrelere genelleneceğine göre ve çözümlemeden önce yapılır; tescil denemelerinde çevreler rastgeledir.
  • Olasılık sütununu olasılık sanmak. TTSM tablosundaki olasilik_yuzde yüzdedir. Çeşit satırındaki 0,9880, p=0{,}99 değil p=0{,}0099'dur. Ayrıntılı tablodaki p sütunu olasılıktır.
  • Her yıl yeniden kurulan blokları "aynı tekrar" saymak. Model, aynı lokasyondaki aynı numaralı tekrarın yıllar boyunca aynı parsel düzenini koruduğunu varsayar (çok yıllık bitkiler, sabit deneme alanı). Tek yıllık bitkilerde deneme her yıl yeni bir tarlada ve yeni rastgeleleştirmeyle kurulur; o durumda tekrarlar lokasyon × yıl içinde iç içedir ve Tekrar(Lok) ile Tekrar*Yıl(Lok) tek bir kaynakta (ly(t-1) sd) birleşir. Çeşit testi ve AÖF bundan etkilenmez; lokasyon, yıl ve lokasyon × yıl testlerinin paydaları değişir.
  • ANOVA yolunun SH'sini çeşit ortalamasının güven aralığı için kullanmak. Bu SH (9,64) yalnız karşılaştırma içindir; çevreler rastgeleyken bir çeşit ortalamasının standart hatası 30,26'dır (REML yolu).
  • Az sayıda çevrede önemsiz sonucu "fark yok" diye okumak. Üç lokasyon ve iki yılda çeşit paydasının sd'si 7,49, lokasyon paydasınınki 2,77'dir. Testin gücü çevre sayısıyla belirlenir; tekrar sayısını artırmak bu sd'leri değiştirmez.
  • Negatif varyans bileşenini hata saymak. Negatif moment kestirimi, gerçek değeri sıfır ya da sıfıra yakın bir bileşenin örnekleme oynaklığıdır. Şablon bunu uyarır; REML sütunu aynı bileşeni sıfır verir. İki yolun çeşit F'si ayrışır (6,58 ve 5,96); ikisi birlikte raporlanır.
  • Form 5'teki lokasyon AÖF'sini tek yıllık deneme AÖF'si sanmak. Lokasyon sütunları iki yılın ortalamasıdır ve AÖF, yıl rastgeleyken yıl × çeşit etkileşimine dayanır (7 sd). Tek bir yılın tek bir lokasyondaki denemesi ayrıca çözümlenir.
  • Önemli etkileşimi görmezden gelip yalnız genel ortalamaları raporlamak. Lokasyon × yıl × çeşit önemliyse çeşit sıralaması çevreden çevreye değişiyordur; Form 5'in lokasyon sütunları ve çevre bazında ortalamalar birlikte değerlendirilir.
  • Eksik parselli veride TTSM serbestlik derecelerini beklemek. Dengesiz veride sd'ler formüllerden sapar, beklenen kareler ortalaması katsayıları kesirli olur ve paydalar tamsayı olmayan katsayılarla kurulur; şablon bunu uyarır ve REML yolunu önerir.
  • AÖF'yi çok sayıda çeşitte tek ölçüt almak. 28 karşılaştırmada AÖF aile düzeyinde hata olasılığını denetlemez; C1 − C7 farkı AÖF ile önemli, Tukey ile önemsizdir.

11.9 Uzman soruları

S1. Çeşit paydası neden üç kareler ortalamasının bileşimi?

Lokasyon ve yıl rastgeleyken çeşit kareler ortalamasının beklenen değeri üç etkileşim bileşenini içerir: 4\sigma^2_{LYC}+12\sigma^2_{YC}+8\sigma^2_{LC}. Tek başına hiçbir kareler ortalaması bu üçünü aynı katsayılarla içermez: \mathrm{KO}_{LC}'de \sigma^2_{YC}, \mathrm{KO}_{YC}'de \sigma^2_{LC} yoktur. İkisinin toplamı gerekenleri verir ama \sigma^2_e+4\sigma^2_{LYC}'yi iki kez sayar; \mathrm{KO}_{LYC} çıkarılarak fazlalık giderilir. Böyle kurulan teste yaklaşık (quasi) F testi denir ve sd'si Satterthwaite formülüyle bulunur.

S2. Payda negatif çıkarsa ne olur?

Eksi işaretli bileşimlerde bu olabilir: \mathrm{KO}_{LYC}, \mathrm{KO}_{LC}+\mathrm{KO}_{YC}'den büyükse. Şablon o durumda F ve p'yi boş bırakır (satır 228). Bu, modelin veriye uymadığını değil, çevre sayısının bileşenleri ayırmaya yetmediğini gösterir. REML yolu seçilir: negatif olacak bileşenler sıfıra çekilir ve payda her zaman pozitif kalır.

S3. REML'de çeşit F'si neden tam olarak KO(Çeşit)/KO(Lok×Çeşit)?

Yıl × çeşit bileşeni sıfır kestirildiği için model, o terimin bulunmadığı modelle aynıdır. Dengeli veride o modelin çeşit tabakası üç kaynaktan oluşur: çeşit, lokasyon × çeşit ve (yıl × çeşit ile havuzlanmış) artık etkileşim. Çeşidin beklenen kareler ortalaması \sigma^2_e+4\sigma^2_{LYC}+8\sigma^2_{LC}+Q(C) olur ve bu, Q dışında E(\mathrm{KO}_{LC})'dir. Payda tek bir kareler ortalamasıdır; sd'si 14 ve tamdır. Elle hesap (5,95546) ile şablonun REML F'si (5,95546) yedi basamakta örtüşür.

S4. ANOVA ve REML yolundan hangisi raporlanmalı?

Dengeli veride ve bütün moment kestirimleri pozitifken ikisi aynıdır; hangisinin yazıldığı fark etmez. Negatif moment kestirimi varsa iki yol ayrışır. ANOVA yolu TTSM tablosuyla ve klasik yayınlarla birebir tutarlıdır ve yansız F paydası kullanır; REML yolu varyans bileşenlerini parametre uzayının içinde tutar ve daha yüksek sd verir. Dengesiz veride (eksik parsel) REML yolu tercih edilir: her ikili fark için ayrı SED ve sd verir. Şablon iki yolun sonuçlarını her çalıştırmada birlikte yazar; raporda TTSM tablosu ANOVA yolundan, varyans bileşenleri iki sütunla verilir.

S5. Kenward-Roger ile Satterthwaite bu örnekte fark eder mi?

Hayır. Dengeli veride ve tek kareler ortalamalı paydada ikisi de sd = 14 verir (şablonun Satterthwaite sd'si 13,999999, Kenward-Roger 14,000000); AÖF iki seçenekte de 30,7249'dur. Fark, dengesiz veride ortaya çıkar: Kenward-Roger sabit etkilerin kovaryans matrisini de düzeltir ve küçük denemelerde daha tutucudur.

S6. Sınırsız model yerine kısıtlı model kullanılsaydı ne değişirdi?

Yalnız rastgele ana etkilerin (lokasyon, yıl) testleri değişirdi. Kısıtlı modelde, rastgele bir etmenin sabit bir etmenle etkileşimi o rastgele etmenin beklenen kareler ortalamasına girmez. Lokasyon sabit, yıl rastgeleyken sınırsız modelde yıl, \mathrm{KO}_{LY}+\mathrm{KO}_{YC}-\mathrm{KO}_{LYC}'ye karşı sınanır (F=1{,}79; sd 1,95); kısıtlı modelde lokasyon × yıl ve yıl × çeşit bileşenleri (ikisi de sabit bir etmenle etkileşim) yılın beklenen kareler ortalamasından düşer ve yıl, \mathrm{KO}_{RY(L)}'ye karşı sınanır. Çeşit sabit olduğundan çeşit testi iki modelde aynıdır; tescil kararını taşıyan satırlar model seçiminden etkilenmez. Lokasyon ve yıl ikisi de sabitken iki model arasında fark yoktur.

S7. Tekrar × yıl(lokasyon) terimi ne işe yarar?

Aynı blok iki yıl gözlendiğinde, bloğun yıldan yıla sapması parsellerin ortak bir bileşenidir. Bu terim olmasaydı o değişkenlik hataya karışır; lokasyon × yıl ve yıl, gerçekte 24 blok-yıl biriminden gelen bilgiyle değil 192 parselle sınanıyormuş gibi görünürdü. Terim, bloklar arası tabakayı parsel tabakasından ayırır. Örnekte bileşeni küçüktür (21,5) ve testi önemsizdir (p=0{,}18); yine de modelde kalır, çünkü tasarımın rastgeleleştirme yapısının parçasıdır.

S8. Harf grupları geçişli olmayan sonuç verebilir mi?

Dengeli veride ve tek bir ölçütle (AÖF ya da Tukey) vermez: sıralı ortalamalarda "a ile c farksızsa a ile b de farksızdır" kuralı geçerlidir ve algoritmanın bulduğu diziler bütün önemsiz çiftleri kapsar. Dengesiz veride ya da REML yolunda SED'ler çiftten çifte değişir; uzak iki ortalama farksız, yakın iki ortalama farklı çıkabilir. Algoritma ardışık dizilerle çalıştığı için böyle bir durumda harfler her önemsiz çifti göstermeyebilir; o zaman ikili karşılaştırma tablosu esas alınır.

S9. Lokasyon etkisi neden önemsiz, oysa lokasyon ortalamaları çok farklı?

Lokasyon ortalamaları 401,5, 434,7 ve 495,3'tür; lokasyon varyans bileşeni en büyük bileşendir (1921,8). Ama lokasyon rastgeleyken test "bu üç lokasyon farklı mı" değil, "lokasyonlar kitlesinde varyans sıfırdan büyük mü" sorusunu sorar ve bunu yalnız üç lokasyonla, lokasyon × yıl değişkenliğine (yalnız iki yıl) karşı yapar. Payda sd'si 2,77'dir ve F=6{,}69 bu sd ile p=0{,}087 verir. Lokasyon sabit alındığında aynı ortalamalar F=55{,}4, p<0{,}0001 verir. Lokasyon testi çeşit önerisi için belirleyici değildir; önemli olan çeşit ve çeşit × çevre satırlarıdır.

11.10 Kaynaklar

  • Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1–48. https://doi.org/10.18637/jss.v067.i01
  • Gaylor, D. W., & Hopper, F. N. (1969). Estimating the degrees of freedom for linear combinations of mean squares by Satterthwaite's formula. Technometrics, 11(4), 691–706. https://doi.org/10.1080/00401706.1969.10490732
  • Halekoh, U., & Højsgaard, S. (2014). A Kenward-Roger approximation and parametric bootstrap methods for tests in linear mixed models: The R package pbkrtest. Journal of Statistical Software, 59(9), 1–32. https://doi.org/10.18637/jss.v059.i09
  • Hartley, H. O. (1967). Expectations, variances and covariances of ANOVA mean squares by "synthesis". Biometrics, 23(1), 105–114. https://doi.org/10.2307/2528284
  • Kenward, M. G., & Roger, J. H. (1997). Small sample inference for fixed effects from restricted maximum likelihood. Biometrics, 53(3), 983–997. https://doi.org/10.2307/2533558
  • Kuznetsova, A., Brockhoff, P. B., & Christensen, R. H. B. (2017). lmerTest package: Tests in linear mixed effects models. Journal of Statistical Software, 82(13), 1–26. https://doi.org/10.18637/jss.v082.i13
  • Lenth, R., & Piaskowski, J. (2026). emmeans: Estimated marginal means, aka least-squares means (R paketi, sürüm 2.0.4). https://doi.org/10.32614/CRAN.package.emmeans
  • McIntosh, M. S. (1983). Analysis of combined experiments. Agronomy Journal, 75(1), 153–155. https://doi.org/10.2134/agronj1983.00021962007500010041x
  • Patterson, H. D., & Thompson, R. (1971). Recovery of inter-block information when block sizes are unequal. Biometrika, 58(3), 545–554. https://doi.org/10.1093/biomet/58.3.545
  • Piepho, H.-P., Büchse, A., & Emrich, K. (2003). A hitchhiker's guide to mixed models for randomized experiments. Journal of Agronomy and Crop Science, 189(5), 310–322. https://doi.org/10.1046/j.1439-037X.2003.00049.x
  • Satterthwaite, F. E. (1946). An approximate distribution of estimates of variance components. Biometrics Bulletin, 2(6), 110–114. https://doi.org/10.2307/3002019
  • Searle, S. R., Casella, G., & McCulloch, C. E. (1992). Variance components. Wiley. https://doi.org/10.1002/9780470316856
  • Tohumluk Tescil ve Sertifikasyon Merkez Müdürlüğü. (t.y.). Tarımsal değerleri ölçme denemeleri teknik talimatları (baklagil yem bitkileri; buğday; arpa). T.C. Tarım ve Orman Bakanlığı.