Möglichkeiten der statistischen Analyse der beobachteten Bonituren AG-Sitzung Mainz 16. -17.3.1998 Ag-Sitzung Mainz 16. - 17.3.1998 Vergleich europäischer Boniturmethoden Teil b Möglichkeiten der statistischen Analyse der beobachteten Bonituren Erich Schumacher Universität Hohenheim
Befall Mehltau an Getreide AG-Sitzung Mainz 16. -17.3.1998 Zielvariable „BONITUR“ bedeutet hier BEFALLSGRAD (zwischen 0 und 100 %) Befall Mehltau an Getreide „Schilli“- Daten (Anderl, Broschewitz, Jende, Seifert, Nau)
b) „Schwellenwertmodell“ 4 Methoden 1. Vereinfachte BBA Einzelbonitur 2. BBA 2 Einzelbonituren Fahnenblatt und 2. Etage 3. CEB 25 Bonituren je Etage a) Einzelbonituren b) „Schwellenwertmodell“ 4. EPPO 30 Bonituren a) Einzelbonitur
Stetige Einzelbonitur pro Parzelle logit(y) = log(y/(100-y)) Permutationstests Varianzanalyse (mit Vorbehalten) auf Logit-Transformierte Bonituren logit(y) = log(y/(100-y)) praktisch: logit(y) = log((y+a)/(100+a-y)) mit a = 0.1 bis 0.25
Gegenwärtige Empfehlung bei stetigen Einzelbonituren -CRD und Block-Designs: Permutationstests auf logit-transformierte Daten Alle paarweisen Vergleiche: Tukey-Type Tests Durchführung: SAS-MACRO ribdperm.mac (Frisch/Schumacher) Spezielle Dosis-Wirkungs- Untersuchungen (Hothorn, Seidel)
CEB- und EPPO-Methoden Durch Angabe von Boniturklassen Erzeugung einer Häufigkeitsverteilung Analyse mittels Schwellenwertmodells Basis: Generalisiertes Lineares Modell mit zufälligen Effekten (Engel, Keen, Piepho) Durchführung: SAS-MACRO irreml612.mac (Piepho) Ferner: Pseudo F-Tests SAS-Macro block.mac (Thöni, Schumacher) Alle Analysen: Nur approximative Tests
Ci_z31 Vergleiche (0.05) Global Paarvergleich Permutationstest 0.007 14 ANOVA 0.0064 14, 34 MIXED PROC 0.0054 12,14, 34 LOGISTIC PROC 0.0044 12,14
Ci_f41 Vergleiche (0.05) Global Paarvergleich Permutationstest 0.015 34 ANOVA 0.039 34 MIXED PROC 0.0146 34 LOGISTIC PROC 0.01 34
Ci_z41 Vergleiche (0.05) Global Paarvergleich Permutationstest 0.0062 14 ANOVA 0.0007 14, 34 MIXED PROC 0.0025 14, 34 LOGISTIC PROC 0.0021 12, 14, 34