การวิเคราะห์ข้อมูลสูญหาย และข้อมูลที่มีซ้ำไม่เท่ากัน ด้วย GLM

1. การวิเคราะห์ข้อมูลสูญหายและข้อมูลที่มีซ้ำไม่เท่ากันด้วย GLM พีระพงษ์ แพงไพรี

2. ข้อมูลสูญหาย (missing data) T1 T2 T3 T4

3. Unbalanced data • Missing data • Random effect • Field experiment

4. การวิเคราะห์งานทดลองที่มีข้อมูลสูญหายการวิเคราะห์งานทดลองที่มีข้อมูลสูญหาย • ประเมินค่าสูญหาย • ใช้ general linear model (GLM)

5. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

6. สูตรการประเมินค่าสูญหายใน RCBD M = k1i + k2j – k3 • M = ค่าสูญหายจากทรีทเมนต์ที่ j บล็อกที่ I •  = ค่าเฉลี่ย • i = ค่าเฉลี่ยของบล็อกที่ i • j = ค่าเฉลี่ยของทรีทเมนต์ที่ j • k1 = t/(t-1) • k2 = r/(r-1) • k3 = (tr-1)/(t-1)(r-1)

7. 24.375 31.5 32.375 23.5 M = k1i + k2j– k3 = (4/3)(32.67) + (5/4)(21.5) – (19/(4*3))(24.0) = 31.5

8. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

10. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

11. สูตรการประเมินค่า SS(bias) ใน RCBD 31.5 SS(bias) = [(t-1)i – (t-1)M]2 / t(t-1) SS(bias) = [(3x32.67) – (3x31.5)]2 / 4(3) = 1.02

12. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

13. 141.6375 – 1.02 = 140.4375

14. การวิเคราะห์โดยใช้ GLM

19. Sum of Square Type I, II, III, IV

20. Dummy-Variable Model Yij =  + i + ij กำหนดให้ผู้วิจัยมี 3 ทรีทเมนต์ ดังนั้น general linear model Yij =  + 1 + 2 + 3 + ij กำหนดให้ผู้วิจัยมี 2 ซ้ำ ดังนั้น dummy-variable model  1 2 3 ij Y11 = 1 + 1 + 0 + 0 + 11 Y12 = 1 + 1 + 0 + 0 + 12

21. Dummy-Variable Model  1 2 3 ij Y11 = 1 + 1 + 0 + 0 + 11 Y12 = 1 + 1 + 0 + 0 + 12 Y21 = 1 + 0 + 1 + 0 + 21 Y22 = 1 + 0 + 1 + 0 + 22 Y31 = 1 + 0 + 0 + 1 + 31 Y32 = 1 + 0 + 0 + 1 + 32

22.  Y X 

23. Y = X +  X’Y = X’X  = (X’X)-1X’Y

24. X’Y = X’X  = (X’X)-1X’Y  = (X’X)- X’Y

27. X’X X’Y Y’Y Y’X (X’X)-  SSE ’

31. ค่าเฉลี่ย least square • ค่าเฉลี่ย least square หมายถึง ค่าเฉลี่ยที่ได้จากโมเดลของการทดลองโดยการประเมินค่าของอิทธิพลต่างๆ โดยวิธี minimize error sum square หรือ ordinary least square (OLS) Balance data ค่า mean กับ ls mean จะมีค่าเท่ากัน

32. Model : Yijk =  + i + j + ij + ijk

33. a1b1 =  + 1 + 1 + 11 = 34.5 – 2.17 – 5.0 + 1.0 = 28.33

34. a1b2 =  + 1 + 2 + 12 = 34.5 – 2.17 + 0.0 + 0.0 = 32.33

35. a2b1 =  + 2 + 1 + 21 = 34.5 + 0.0 – 5.0 + 0.0 = 29.5

36. a2b2 =  + 2 + 2 + 22 = 34.5 + 0.0 + 0.0 + 0.0 = 34.5

37. a1b1 = 28.33 a1b2 = 32.33 a2b1 = 29.5 a2b2 = 34.5 b1 = ½ (a1b1 + a2b1) = ½ (28.33 + 29.5) = 28.915 a1 = ½ (a1b1 + a1b2) = ½ (28.33 + 32.33) = 30.33 a2 = ½ (a1b2 + a2b2) = ½ (32.33 + 34.5) = 33.415 a2 = ½ (a2b1 + a2b2) = ½ (29.5 + 34.5) = 32.0

38. a1 = 30.33 a2 = 32.00 b1 = 28.915 b2 = 33.415 a1b1 = 28.33 a1b2 = 32.33 a2b1 = 29.50 a2b2 = 34.50

39. พักเที่ยงจ้า