MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → İç İçe Karma Model

İç İçe Karma Modelanaliz

Alt grupların yalnız bir üst grubun içinde yer aldığı hiyerarşik denemelerde (bölge içinde çiftlik, yer içinde blok) sonuçtaki değişkenliği her düzeye ayırıp etkileri doğru hata terimleriyle sınayan karma model.

Kavram

Birçok denemede gruplar iç içedir: her bölgede birkaç çiftlik, her yerde birkaç blok, her okulda birkaç sınıf bulunur ve bir alt grup yalnız tek bir üst gruba aittir. Birinci bölgedeki '1. çiftlik' ile ikinci bölgedeki '1. çiftlik' aynı birim değildir. Bu yapı yok sayılırsa üst grup etkisi (ör. bölge farkı) gerçekte birkaç alt grup üzerinden ölçüldüğü hâlde yüzlerce bitki üzerinden ölçülmüş gibi sınanır ve anlamlılık abartılır.

Model, bir faktörü (R; ör. çeşit ya da aile) üst grup (P), üst grup içindeki alt grup F(P) ve bunların etkileşimleriyle birlikte ele alır: y = R + P + R×P + F(P) + R×F(P) + e. Beklenen kareler ortalaması (EMS) her etkinin hangi terime karşı sınanacağını belirler; örneğin üst grup etkisi bireysel hatayla değil, alt gruplar arasındaki değişkenlikle karşılaştırılır. REML ile her düzeyin varyans bileşeni de kestirilir ve toplam değişkenliğin ne kadarının hangi düzeyden geldiği görülür.

Bir faktörün sabit mi rastgele mi sayılacağı hem testleri hem yorumu değiştirir: sabit faktörde sonuç yalnız denemedeki düzeyler için geçerlidir, rastgele faktörde düzeyler daha geniş bir evrenden örnek kabul edilir. Üst grup sayısı azsa (ör. yalnız 2-3 yer) üst grup testinin serbestlik derecesi çok küçük kalır ve gücü düşer. Dengesiz verilerde EMS tabanlı F testleri yaklaşıktır; REML sonuçları esas alınmalıdır.

Ne zaman kullanılır?

  • Deneme birimleri hiyerarşik olarak düzenlenmişse ve her düzeyin katkısı ayrı ayrı incelenmek isteniyorsa (yer içinde blok, bölge içinde çiftlik, okul içinde sınıf; orman ıslahında yer, blok ve aile etkileri).
  • Gruplama faktörleri iç içe değil de birbiriyle çaprazlanmışsa (her işçi her makinede çalışıyorsa) çapraz karma model kullanılır.
  • Daha esnek bir yapı, sürekli kovaryatlar ya da tekrarlı ölçümler söz konusuysa genel doğrusal karma model; sonuç ikili ya da sayımsa genelleştirilmiş doğrusal karma model tercih edilir.

Gündelik bir örnek

Bir tohum firması dört buğday çeşidini üç bölgede deniyor. Her bölgede dört çiftlik seçilmiş ve her çiftlikte dört çeşit de ekilmiş; çiftlikler bölge içinde iç içedir. İç içe karma model, verimdeki farkları çeşit, bölge, bölge içindeki çiftlik ve bunların etkileşimlerine ayırır. Bölge farkını, bölge içindeki çiftliklerin birbirinden ne kadar farklı olduğuna göre sınar; örneğin varyansın %10'unun çiftlikler arasından, %60'ının ise aynı çiftlik içindeki parseller arasından geldiğini gösterebilir.

MerQur'da parametreler

Değişken seçimi: Bağımlı değişken (DV), Replikasyon (R), Üst seviye grup (P), Alt seviye grup (F, P içinde)

Kavram: Modelin yapısını tanımlar: incelenen faktör (R), üst grup (P) ve yalnız bir üst grubun içinde bulunan alt grup F(P). Alt grubun kimliği üst grupla birlikte belirlenir; farklı üst gruplardaki aynı etiketli alt gruplar ayrı birimlerdir.

Gündelik örnek: Buğday örneğinde R çeşit, P bölge, F(P) bölge içindeki çiftliktir. Her bölgede çiftlikler 1-4 diye numaralandırılmış olsa da 'Bölge 1, çiftlik 1' ile 'Bölge 2, çiftlik 1' farklı çiftliklerdir ve model bunu böyle ele alır.

Ne işe yarar: Modeli kurar. F'nin kimliği (P, F) çiftidir; blok etiketleri iki yerde tekrar etse de iç içe doğru kodlanır.

Sonuca etkisi: Tüm tabloları belirler; seçenek karşılaştırması değil, model tanımıdır.

Doğrulama verisinde: Kareler toplamları Jayaraman Tablo 6.3 ile ondalık ikinci basamakta aynıdır (aile 80533.37, yer 48900.46, aile×yer 35349.37, ağaç 188799.67).

SS yöntemi (Type I (sequential) / Type III (partial - dengesiz tasarım için))

Kavram: Kareler toplamının nasıl bölüneceğini belirler. Tip I terimleri sırayla ekler; Tip III her terimin diğer tüm terimler modeldeyken yaptığı katkıyı ölçer. Dengeli verilerde ikisi aynıdır, dengesiz verilerde farklılaşır.

Gündelik örnek: Her çiftlikte her çeşitten aynı sayıda parsel varsa iki yöntem aynı sonucu verir. Bazı çiftliklerde parseller dolu, bazılarında hasar görmüşse sonuçlar ayrışır ve Tip III dengesiz tasarım için daha uygun bir seçimdir.

Ne işe yarar: Tip I ardışık, Tip III kısmi (diğer tüm terimler modeldeyken katkı) kareler toplamıdır.

Sonuca etkisi: Yalnızca dengesiz veride SS, MS ve F değerlerini değiştirir; REML bölümünü değiştirmez. Dengesiz veride "EMS F testleri yaklaşıktır, REML testlerini esas alın" uyarısı verilir.

Doğrulama verisinde: Tasarım dengeli olduğundan Tip I ile Tip III aynıdır (aile F 7.129, yer F 21.128). Dengesiz türev veride aile F 6.989 -> 6.902.

→ Kareler toplamı tipleri (Tip I, II, III)

Üst grup (P) tipi (Sabit (varsayılan) / Rastgele (R×P de rastgele))

Kavram: Üst grubun sabit mi rastgele mi sayılacağını belirler. Sabit faktörde yalnız denemedeki düzeyler ilgi konusudur; rastgele faktörde düzeyler daha geniş bir evrenden örnek sayılır ve sonuç o evrene genellenir. Bu seçim hangi etkinin hangi hata terimine karşı sınanacağını değiştirir.

Gündelik örnek: Firma yalnız bu üç bölgeyle ilgileniyorsa bölge sabittir. Bölgeler ülkedeki birçok bölgeden rastgele seçildiyse ve sonuç tüm ülkeye genellenecekse bölge rastgeledir; bu durumda çeşit farkları da bölgeden bölgeye değişkenlik hesaba katılarak daha temkinli sınanır.

Ne işe yarar: P'nin yalnızca bu düzeyler (sabit) ya da bir evrenden örnek (rastgele) sayılmasını belirler; EMS'e göre hata terimleri değişir.

Sonuca etkisi: P rastgeleyken R için payda MS_R×P, P için MS_F(P) + MS_R×P - MS_R×F(P) olur (Satterthwaite sd). REML modeline (1|P) ve (1|R:P) eklenir.

Doğrulama verisinde: Aile F 7.129 (p = 0.00056) -> 2.278 (p = 0.194); yer F 21.128 (sd 1 ve 4) -> 6.863 (sd 1 ve 4.38; p = 0.0537); sentetik MS 7125.213.

→ Sabit ve rastgele etkiler

Kovaryat / ek sabit faktör

Kavram: Varyans bileşenlerini kestiren REML modeline ek bir sabit terim (kovaryat ya da faktör) ekler; sonuca etki eden ama ilgi konusu olmayan bir değişkenin etkisini ayıklar.

Gündelik örnek: Parsellerin eğimi verimi etkiliyorsa eğim kovaryat olarak eklenir. Böylece eğimden kaynaklanan farklar artık varyanstan çıkarılır ve çiftlikler arası varyans daha doğru kestirilir.

Ne işe yarar: Yalnızca REML karma modele sabit terim ekler; EMS tablosu kovaryatsız kalır.

Sonuca etkisi: REML varyans bileşenlerini ve sabit etki testlerini değiştirir; EMS tablosunu değiştirmez.

Doğrulama verisinde: Ağaç sırası (kategorik) eklenince σ²(aile × blok) 201.72 -> 200.48, σ²(e) 1048.89 -> 1056.32; ağaç F(4, 176) = 0.683, p = 0.604.

→ Kovaryat (ortak değişken)

Üst grup karşılaştırmaları ((yok) / Tukey HSD / Bonferroni / Šidák / Düzeltmesiz (LSD))

Kavram: Üst grup sabitken üst grup ortalamalarını ikişer ikişer karşılaştırır. Karşılaştırma sayısı arttıkça yanlış alarm riski büyüdüğünden Tukey, Bonferroni ya da Šidák düzeltmeleri kullanılır.

Gündelik örnek: Üç bölge için üç ikili karşılaştırma yapılır: 1-2, 1-3, 2-3. Bu testler bireysel parsel hatasına değil bölge içindeki çiftlikler arası farklara dayandığı için, çiftlik sayısı azsa yalnız büyük farklar anlamlı çıkar.

Ne işe yarar: P sabitken üst grup ortalamalarının ikili farkını MS_F(P) hata terimi ve sd_F(P) ile sınar; harf grupları üretir.

Sonuca etkisi: Yalnızca karşılaştırma tablosunu değiştirir. P rastgeleyken karşılaştırma atlanır ve uyarı verilir.

Doğrulama verisinde: Tek karşılaştırma: fark -30.093, SE 6.547, t(4) = -4.596, p = 0.01006; dört düzeltme de aynı p'yi verir.

→ Post hoc testler (ikili karşılaştırmalar)

Artık normalliği ve varyans homojenliği

Kavram: Model artıklarının normal dağılıp dağılmadığını (Shapiro-Wilk) ve üst grupların varyanslarının eşit olup olmadığını (Levene, Brown-Forsythe) sınar; F testlerinin varsayımlarını denetler.

Gündelik örnek: Bir bölgede verimler dar bir aralıkta, başka bir bölgede çok geniş bir aralıkta dağılıyorsa Levene testi bunu gösterir. Bu durumda bölge karşılaştırmaları dikkatle yorumlanmalıdır.

Ne işe yarar: Tam OLS modeli artıklarında Shapiro-Wilk; P düzeylerine göre Levene (ortalama merkezli) ve Brown-Forsythe (medyan merkezli) testleri.

Sonuca etkisi: Yalnızca tanı çıktısını ekler.

Doğrulama verisinde: Shapiro-Wilk W = 0.98568, p = 0.0282; Levene F(1, 214) = 11.402, p = 0.00087; Brown-Forsythe F = 11.745, p = 0.00073.

→ Normallik varsayımı

Güven Düzeyi (%90 / %95 / %99 / Diğer (özel))

Kavram: Üst grup ortalamaları ve varyans bileşenleri için verilen aralıkların güven düzeyini belirler; güven düzeyi arttıkça aralık genişler.

Gündelik örnek: Birinci bölgenin ortalama verimi %95 güvenle dekarda 410 ile 470 kg arasında bulunabilir; %99 güven istenirse aralık genişler.

Ne işe yarar: Üst grup ortalamalarının t güven aralığını ve REML varyans bileşeninin log-Wald güven aralığını belirler.

Sonuca etkisi: Yalnız aralık uçlarını değiştirir; F testleri değişmez.

Doğrulama verisinde: Vellanikkara ortalamasının aralığı %95 [76.810, 96.042]; %90 [78.378, 94.474]; %99 [73.705, 99.147].

→ Güven düzeyi ve güven aralığı

REML bölümü ve h² (her koşuda)

Kavram: REML ile her düzeyin varyans bileşenini ve bunların belirsizliğini verir. Alt grup bir genetik aile ise (yarım kardeşler) aile varyansından kalıtım derecesi (h²), yani gözlenen farklılığın ne kadarının kalıtsal farklardan geldiği kestirilebilir; alt grup blok ya da çiftlikse h² genetik anlam taşımaz.

Gündelik örnek: Varyans bileşenleri, verimdeki farklılığın ne kadarının çiftlikler arasından, ne kadarının aynı çiftlikteki parseller arasından geldiğini gösterir. Bir orman ıslah denemesinde alt grup ağaç aileleri olsaydı h², boy farklarının ne kadarının ıslahla aktarılabilir kalıtsal farklardan kaynaklandığını gösterirdi.

Ne işe yarar: σ² bileşenleri, standart hata (analitik bilgi matrisi), Wald Z, log-Wald aralığı, Tip III F (Satterthwaite) ve h² üretir: h²_i = 4σ²_F / (σ²_F + σ²_RF + σ²_e).

Sonuca etkisi: Her koşuda EMS tablosunun yanında verilir; seçenekten bağımsızdır.

Doğrulama verisinde: h² 0.00491 ve 0.02391; bu eşlemede F blok olduğundan h² genetik anlam taşımaz. σ²(blok[yer]) SE 49.604; yer payda sd'si 4.0000.

→ Varyans bileşenleri

EMMEANS faktörü ((yok) / Üst grup (P) / Replikasyon (R)) ve EMMEANS p düzeltmesi (Bonferroni / Šidák / Tukey / Düzeltme yok)

Kavram: Kestirilmiş marjinal ortalamalar, modelden hesaplanan ve diğer etkiler dengelenmiş düzey ortalamalarıdır; dengesiz veride ham ortalamalardan daha adildir. İkili karşılaştırmalar çoklu karşılaştırma düzeltmesiyle verilir.

Gündelik örnek: Bir bölgede bazı parseller kaybolduysa o bölgenin ham ortalaması hangi parsellerin kaldığına bağlı olarak sapabilir. Kestirilmiş marjinal ortalama bu dengesizliği düzelterek bölgeleri adil biçimde karşılaştırır.

Ne işe yarar: Seçilen sabit faktörün kestirilmiş marjinal ortalamalarını ve ikili karşılaştırmalarını REML karma modelinden Satterthwaite sd ile hesaplar; dengesiz veride de geçerlidir. P rastgeleyse P için EMM verilmez ve uyarı yazılır.

Sonuca etkisi: Yalnız EMM ve ikili karşılaştırma tabloları eklenir; EMS tablosu, F testleri ve varyans bileşenleri değişmez. Düzeltme yalnız ikili p değerlerini değiştirir.

Doğrulama verisinde: Bağımsız iç içe deneme verisinde P1: EMM 10.976268, SE 0.33904, sd 8.884; çoklu karşılaştırmalar seçilen düzeltmeyle (ör. Tukey) verilir.

→ Tahmini marjinal ortalamalar (EMM)

Gerçek veride örnek

Veri: Jayaraman 1999 bambu döl denemesi, agridat jayaraman.bamboo

Değişkenler: bağımlı height (boy), replikasyon family, üst grup loc (yer), alt grup block (yer içinde)

  • Soru: Bambu fidanlarında boy (height), aile (6 yarım-kardeş aile), konum (2 konum) ve konum içine yuvalanmış bloklara göre nasıl değişir? Bloklar konum içinde rastgele kabul edildi.
  • Varsayım: Konum etkisi yalnız 4 serbestlik dereceli hata terimiyle sınanır; az sayıda blok nedeniyle güç düşüktür ve blok varyansı sınırda (≈ 0) olduğundan Wald testi güvenilmezdir.
  • Sonuç: EMS hata terimleriyle aile etkisi F(5, 20) = 7.13, p < .001; konum etkisi F(1, 4) = 21.13, p = .010; aile x konum etkileşimi F(5, 20) = 3.13, p = .030 anlamlıdır. Blok etkisi anlamsızdır (F(4, 20) = 1.02, p = .419), aile x blok etkileşimi anlamlıdır (F(20, 180) = 2.15, p = .004). Vellanikkara'da ortalama boy 86.43 (SD 50.41), Nailambur'da 56.33 (SD 28.55).
  • Etki büyüklüğü: σ² blok(konum) = 1.54 (%0.1), σ² aile x blok = 201.72 (%16.1), σ² hata = 1048.89 (%83.8). Bireysel dar anlamda h² = 0.005, aile ortalaması h² = 0.024 (yarım-kardeş varsayımı, σ²A = 4σ²F). Bu veri eşlemesinde F bloktur; h² yalnız F'nin yarım kardeş aile olduğu varsayımı altında anlam taşır, bu nedenle burada genetik kalıtım derecesi olarak yorumlanmamalıdır.
  • APA: Aile F(5, 20) = 7.13, p < .001; konum F(1, 4) = 21.13, p = .010; aile x konum F(5, 20) = 3.13, p = .030.

İlgili kavramlar

F testiBeklenen kareler ortalaması (EMS)Kısıtlı en çok olabilirlik (REML)Varyans bileşenleriKareler toplamı tipleri (Tip I, II, III)Tahmini marjinal ortalamalar (EMM)Sabit ve rastgele etkilerSatterthwaite ve Kenward-Roger serbestlik derecesi yaklaşımları

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.