小木虫 --- 600万学术达人喜爱的学术科研平台

首页 >> 计算模拟 >>amos做path analysis 问题

amos做path analysis 问题

实验数据类型如下:
   有变量a, b, c, d……(12)
   四个实验处理 :   A 与A'   B 与 B' 其中A'与B'为对照
   每个处理三个重复
  
               
请问这样的数据类型可以做path analysis

今日热帖

用户评论

1.我不是搞农业研究的,我看不懂楼主提供的信息。

2.用AMOS來處理Path Analysis,器大用小

假想例子:研究目的是要证明新合成的化肥A能养成更好质量的玉米。

实验设计中化肥A,总得有对照组,肥料B丶C丶D吗?为確保化肥A是唯一引致更好质量玉米产出,前測B丶C丶D化肥結果,后測A丶B丶C丶D結果,严格控制等同化肥用量多少丶使用頻率。如果A真的有较好的結果,具体表現在更多玉米包成形丶玉米包直徑更粗丶玉米粒更大丶玉米甜度更高丶含澱粉成分更高。恭喜。进一步研究是說明一些关键环境条件:如水丶土质丶日照丶溫度等變量,他們到底如何引致较好的結果?按研究设计,研究結果可能是1.水+日照->溫度->较好质量玉米;2.(土质+水)+日照一>较好质量玉米…楼主在做這样的研究吗?

2楼: Originally posted by fongpl.2009 at 2017-09-13 19:38:04
1.我不是搞农业研究的,我看不懂楼主提供的信息。
:D

5楼: Originally posted by fongpl.2009 at 2017-09-13 20:20:07
实验设计中化肥A,总得有对照组,肥料B丶C丶D吗?为確保化肥A是唯一引致更好质量玉米产出,前測B丶C丶D化肥結果,后測A丶B丶C丶D結果,严格控制等同化肥用量多少丶使用頻率。如果A真的有较好的結果,具体表現在更多 ...
没有这么复杂 如果是从你的这个例子来讲
那么我的处理就是
处理1  生长前期加A化肥  
处理2  生长前期不加A化肥
处理3  生长后期加A
处理4  生长后期不加A
各个处理三个重复
类似于这种的简单处理
然后  从玉米指标 a   b  c  d e  f  ……(17)个指标 来看最后玉米的质量
其中 玉米指标 变量  可以分为4种类型   1(a c d) 2(b e  f)  …… 等 然后探究   4种类型之间的潜在关系
整个体系类似这种的,

5楼: Originally posted by fongpl.2009 at 2017-09-13 20:20:07
实验设计中化肥A,总得有对照组,肥料B丶C丶D吗?为確保化肥A是唯一引致更好质量玉米产出,前測B丶C丶D化肥結果,后測A丶B丶C丶D結果,严格控制等同化肥用量多少丶使用頻率。如果A真的有较好的結果,具体表現在更多 ...
那么这样  我后期的数据
比如 指标 a 的所有处理的数据 (12个)  应该就不能算是连续数据了??
比如 处理1中 a指标  在 70- 80之间
        处理2中a指标在 40-50 之间
       处理3中 a指标在  10-20
       处理4中 a指标在  0-5 之间
这样 指标的数据 呈现阶梯状  这种数据能算是连续数据吗?
(上述都是在理想情况下,加了化肥的应该玉米质量比较好。)

2楼: Originally posted by fongpl.2009 at 2017-09-13 19:38:04
1.我不是搞农业研究的,我看不懂楼主提供的信息。
:D下面有详细的 , 麻烦您再看下 ;)

这的确有趣。四个処理,质实可视为两个categorical factors,即生长(前期/后期)及化肥A(注入/不注入),资料取样的设计是3个重复观察。因而,数据分析的思路,可以看成是2*2*3的cross tabulation的分析。实务上,可採用的数据分析技术,至少有SEM丶HLM及Log-Linear Analysis。AMOS是SEM最简便操作的统计套裝软件。而LVPA潛变量路徑分析,或許更能切合楼主的研究。      但,要小心,SEM下的LVPA的研究目的,通常是用來检定理论的。

此外,指标変量的测量,必須合理。具体问题:如何确保処理1,三次重复观察時,a指标都在70-80的值阀。処理2、3、4的挑戰同上。

还得注意missing data及outlier的应对手段。

还有一点补充,得说明玉米指标变量四种类型分类的合理性。盡管楼主已有提及,可不能掉以轻心。

预祝研究成功及出成果,加油!

10楼: Originally posted by fongpl.2009 at 2017-09-14 01:16:32
这的确有趣。四个処理,质实可视为两个categorical factors,即生长(前期/后期)及化肥A(注入/不注入),资料取样的设计是3个重复观察。因而,数据分析的思路,可以看成是2*2*3的cross tabulation的分析。实务上, ...
多谢

10楼: Originally posted by fongpl.2009 at 2017-09-14 01:16:32
这的确有趣。四个処理,质实可视为两个categorical factors,即生长(前期/后期)及化肥A(注入/不注入),资料取样的设计是3个重复观察。因而,数据分析的思路,可以看成是2*2*3的cross tabulation的分析。实务上, ...
我本来是想做  潜在变量路径分析的,相结合逐步回归以及路径分析最终形成SEM图
但是  我的数据类型像上述一样,试了下,模型适合度指数方面都不满意, 有没有可能是这种 分类性质的数据(如 患者与正常人之间,加化肥与不加化肥,或者树剥皮或不剥皮……这类数据如果从数字本身看, 如 10 15  17,  20  24 25等等  似乎是连续数据,但实际上不是!? )并不适合做   SEM!??
同样的困惑也出现在 主成分分析中  之前也做过,效果不是很理想

12楼: Originally posted by fongpl.2009 at 2017-09-14 01:28:30
还得注意missing data及outlier的应对手段。
嗯  这些 当初实验时候 均作了至少5个的重复 ,所以不存在 missing 以及 outlier 的情况

11楼: Originally posted by fongpl.2009 at 2017-09-14 01:24:24
此外,指标変量的测量,必須合理。具体问题:如何确保処理1,三次重复观察時,a指标都在70-80的值阀。処理2、3、4的挑戰同上。
嗯  上述只是 理想情况

16楼: Originally posted by LY1199 at 2017-09-14 12:58:20
我本来是想做  潜在变量路径分析的,相结合逐步回归以及路径分析最终形成SEM图
但是  我的数据类型像上述一样,试了下,模型适合度指数方面都不满意, 有没有可能是这种 分类性质的数据(如 患者与正常人之间,加 ...
能否考慮用bootstrap的技术(这个我是门外汉,但听说学理上可行的),把4种类型処理的观察值,用resampling方法,生成标准化的常态分布。轉換后,就可以安心的用上SEM。
这也得找会编程的專家幫忙。
祝福!

19楼: Originally posted by fongpl.2009 at 2017-09-15 01:00:54
能否考慮用bootstrap的技术(这个我是门外汉,但听说学理上可行的),把4种类型処理的观察值,用resampling方法,生成标准化的常态分布。轉換后,就可以安心的用上SEM。
这也得找会编程的專家幫忙。
祝福!
...
哦 bootstrap原来是这个功能,我去查查看看
多谢虫友解惑

猜你喜欢

学术必备
与600万学术达人在线互动!


扫描下载送金币