Minitab 22 - Split Plot Designs via GLM

• Überarbeitet am 5.4.2024
• Software: Minitab 22, 21, 20, 19, 18, 17

Das Erstellen und Analysieren zweistufiger Split-Plot-Designs ist in Minitab seit Release 16 über das Werkzeug Statistik: Versuchsplanung (DOE): Faktoriell möglich. Der Artikel Minitab - Versuchspläne mit schwer veränderlichen Faktoren (Split-Plot-Designs) beschreibt die Hintergründe und die Analyse eines Split-Plot-Designs im Vergleich zu einem vollständig randomisierten faktoriellen Design.

Dieser Artikel zeigt die Möglichkeit auf, ein Split-Plot-Design direkt mit Hilfe des Werkzeugs Statistik: ANOVA: Allgemeines Lineares Modell (englisch General linear Model, kurz GLM) zu analysieren. Minitab 15 bot an sich noch nicht die ganze Funktionalität der Split-Plot-Designs (Einrichten, Analysieren) abzubilden, kann allerdings ein bereits bestehendes und einfaches Design über die Funktionalität des Allgemeinen Linearen Modells in analoger Weise berechnen.

Erläuterung

Blockvariablen können Sie als Störvariablen auffassen. Deren Effekt ist für gewöhnlich nicht von Interesse. Jedoch ist es wichtig, dass die Variabilität anhand der Blöcke vom Fehlerterm abgezogen wird ("Block what you can, randomize what you cannot"). Blockvariablen sind typischerweise Zufallsfaktoren (nicht feste Faktoren), wohingegen schwer veränderliche Faktoren (englisch: Hard To Change, kurz HTC), die charakteristisch für Split Plot Designs sind, fest in das allgemeine lineare Modell eingehen.

Das nachfolgende Beispiel ist aus dem englischen Artikel von Potcner, und Kowalski entnommen: How To Analyse A Split Plot Experiment", Quality Progress, December 2004. Die unabhängigen Variablen sind Pretreat und Stain, und die abhängige Variable heißt Resistance. Hier wird die Widerstandsfähigkeit von Holz anhand verschiedener Farben und Vorbehandlungen gemessen. Hier wird die Widerstandsfähigkeit von Holz anhand verschiedener Farben und Vorbehandlungen gemessen. Richtigerweise würde hier Pretreat als HTC-Faktor behandelt. Hier sind die Ergebnisse, wenn Sie im Allgemeinen linearen Modell Pretreat als HTC-Faktor behandeln, und wenn Sie dies nicht tun, gegenübergestellt.

↓
C1
C2
C3
C4




 
Pretreat
Stain
WPerror
Resistance




1
2
2
4
53,5




2
2
4
4
32,5




3
2
1
4
46,6




4
2
3
4
35,4




5
2
4
5
44,6




6
2
1
5
52,2




7
2
3
5
45,9




8
2
2
5
48,3




9
1
3
1
40,8




10
1
1
1
43,0




11
1
2
1
51,8




12
1
4
1
45,5




13
1
2
2
60,9




14
1
4
2
55,3




15
1
3
2
51,1




16
1
1
2
57,4




17
2
1
6
32,1




18
2
4
6
30,1




19
2
2
6
34,4




20
2
3
6
32,2




21
1
1
3
52,8




22
1
3
3
51,7




23
1
4
3
55,3




24
1
2
3
59,2

1.1 Analyse via GLM, kein HTC- Faktor

1.2 Analyse via GLM, Ein HTC-Faktor