|
Das Dokument ist frei verfügbar. |
|
| Nachweis | Kein Nachweis verfügbar |
|
Zähldaten; wiederholte Beobachtungen; generalisiertes lineares Modell; Simulation; landwirtschaftliches Versuchswesen | |
count data; repeated measurements; generalized linear model; simulation; agricultural science | |
Die Analyse von Zähldaten spielt im landwirtschaftlichen Versuchswesen eine wichtige Rolle. Bei wiederholten Beobachtungen pro Objekt müssen die Korrelationen zwischen den Beobachtungen bei der Auswertung beachtet werden. Im generalisierten linearen Modell berücksichtigen marginale oder subjektspezifische Modellansätze die Korrelationen unterschiedlich. Der Versuchsplan und die geschätzten Modellparameter zweier Praxisversuche wurden zur Simulation von Zähldaten genutzt wobei beide Modellansätze einbezogen wurden. Als Schätzverfahren für die Modellparameter dienten die Maximum-Likelihood Methode die Pseudo-Likelihood Methode und die generalized estimating equations. Die Modelle und Verfahren wurden mittels des Konvergenzverhaltens des Bias und der Einhaltung des nominalen Fehlers 1. Art für die Hypothesenprüfung verglichen. In Abhängigkeit der vorgegebenen Modellparameter zeigten der subjektspezifische Modellansatz und die Maximum-Likelihood Methode die besten Resultate. | |
The analysis of count data is important in agricultural science. If more than one observation per object exists then correlations of the observations must be taken into account. The correlations are considered differently by marginal or subject-specific models within the generalized linear model. The experimental design and the estimated model parameters based on two trials were used to simulate count data. Marginal as well as subject-specific models were included. The estimation methods for the model parameters were maximum likelihood pseudo-likelihood and generalized estimating equations. The models and estimation methods were evaluated by convergence properties Bias and realizing the nominal type one error of the statistical hypothesis testing. In comparison the subject-specific models and maximum likelihood showed the best results depending on the predetermined parameters. |
|
|