Hallo!
Ich bin gerade etwas verzweifelt und bräuchte Hilfe bei der Wahl einer Methode. Bin leider kein Statistiker und hoffe, dass ich keinen absoluten Schwachsinn gestartet habe bisher. Der Versuchsaufbau lag schon vor - ich bin nur mit der Auswertung betraut (hätte ihn sonst anders gemacht....). Folgender Versuchsaufbau liegt der Auswertung zugrunde:
In vier Jahren (2008,2009,2011,2012) wurden an verschiedenen Orten (nicht in allen Jahren die gleichen Orte) 13 unterschiedliche Sorten (auch nicht in allen Jahren bzw. an allen Standorten die gleichen) einer Ackerbaukultur geerntet. Proben dieser Sorten wurden auf verschiedene Inhaltsstoffe hin analysiert. Die Inhaltsstoffe sind normalverteilt über die gesamten Proben, aber nicht varianzgleich.
Ich möchte den Einfluss von Sorte, Jahr und Ort sowie Sorte+Jahr, Sorte+Ort und Jahr+Ort auf die Inhaltsstoffe ermitteln. Würde jetzt auf Anhieb entweder so rangehen:
> ANOVAmodell<-lm(Inhaltsstoff~Harvest.Year+Cultivar+Location+Harvest.Year:Cultivar+Harvest.Year:Location+Cultivar:Location, data)
> fitted.values<-fitted(object=ANOVAmodell)
> resid.values<-resid(object=ANOVAmodell)
> plot(x=fitted.values, y=resid.values) #Varianzen ungleich
> abline(h=0)
> anova(object=ANOVAmodell)
> nparcomp(Lys~Cultivar, data=FEASpred, type=c("Tukey"), rounds=2, asy.method=c("probit"), alternative=c("two.sided"),conf.level=0.95, plot.simci=TRUE, info=TRUE)
oder so:
> kruskal.test(data$Inhaltsstoff~data$Cultivar)
> kruskalmc(Inhaltsstoff~Cultivar, data)
und dann für jede Kombination.
Zudem würde ich noch nach möglichen Korrelationen gucken, die ich vermute:
> cor.test(~Inhaltsstoff1+Inhaltsstoff2, data, method="spearman",alternative="greater")
> cor(data, use="pairwise.complete.obs", method=c("spearman"))
Über Anregungen freue ich mich sehr!
Viele Grüße
Steph