جلد 10، شماره 2 - ( (پاییز و زمستان) 1403 )
سال1403، جلد10 شماره 2 صفحات 48-37 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghaderi-Far F, Azimmohseni M, Bagheri H. (2024). Evaluation of the generalized linear model to the germination percentage data and its comparison with the square root transformation. Iranian J. Seed Res.. 10(2), : 3 doi:10.61186/yujs.10.2.37
URL: http://yujs.yu.ac.ir/jisr/article-1-574-fa.html
URL: http://yujs.yu.ac.ir/jisr/article-1-574-fa.html
قادری فر فرشید، عظیم محسنی مجید، باقری حمیدرضا. ارزیابی مدل خطی تعمیم یافته به داده‌های درصد جوانه‌زنی و مقایسه آن با روش تبدیل جذری پژوهشهای بذر ایران 1403; 10 (2) :48-37 10.61186/yujs.10.2.37
دانشگاه گلستان ، m.azim@gu.ac.ir
چکیده: (1046 مشاهده)
چکیده مبسوط
مقدمه: در تحقیقات بذر، داده‌های درصد جوانه‌زنی حاصل از شمارش بوده و دارای توزیع دوجمله‌ای می‌باشد و از این رو، محققان بذر قبل از انجام تجزیه واریانس و مقایسه تیمارها، برای تثبیت واریانس و نرمال‌سازی داده‌ها از تبدیل داده‌ها به ویژه تبدیل جذری استفاده می‌‌کنند. با وجود استفاده از تبدیل داده‌ها، این روش ایرادات اساسی در ساختار دارد که نتایج آزمایش را خدشه‌دار می‌کند. از این رو معرفی و جایگزین کردن یک روش که بدون استفاده از تبدیل داده‌ها، فرضیات تحقیق را حفظ کند و نتایج قابل قبولی در اختیار محقق قرار دهد، حائز اهمیت است. استفاده از مدل خطی تعمیم‌یافته به عنوان یک روش جایگزین برای تجزیه و تحلیل داده‌های جوانه‌زنی با توزیع دو جمله‌ای می‌باشد. در این تحقیق، ابتدا مدل خطی تعمیم‌یافته معرفی و سپس بر اساس داده‌های شبیه سازی و داده‌های جوانه‌زنی، به بررسی کارایی آن پرداخته می‌شود.
مواد و روش‌ها: در این پژوهش، ابتدا داده‌های شبیه‌سازی شده با روش مونت کارلو تولید شد. با کمک داده‌های شبیه‌سازی شده، سطح معنی‌داری و توان آزمون برای روش مدل خطی تعمیم‌یافته در حالت‌های مختلف محاسبه شد. سپس از داده‌های واقعی مربوط به 3 آزمایش شامل اثر اسیدیته بر جوانه‌زنی ارقام گندم، اثر تنش آبی و شوری بر جوانه‌زنی بذرهای شاه افسر و اثر دمای متناوب بر جوانه‌زنی سه جمعیت اسطوخودوس استفاده گردید و نتایج مدل خطی تعمیم‌یافته و روش تبدیل جذری با داده‌های سه آزمایش مورد مقایسه قرار گرفت.
یافته‌ها: نتایج شبیه سازی نشان داد که مدل خطی تعمیم‌یافته کارایی بالایی در حفظ سطح معنی‌داری از پیش تعیین‌شده و توان بالایی در تشخیص اختلافات معنی‌دار جوانه‌زنی بین تیمارها دارد. همچنین نتایج مقایسه مدل خطی تعمیم‌یافته با روش تبدیل جذری بیانگر این مطلب بود که مدل خطی تعمیم‌یافته توان بالاتری در تشخیص اختلاف معنی‌داری بین تیمارهای مختلف به ویژه در تیمارهای با بذرهای نابرابر در پتری داشت و در تیمارهایی که روش تبدیل جذری عدم اختلاف معنی‌دار بین تیمارها را نشان می‌داد، روش خطی تعمیم‌یافته اختلاف معنی‌دار بین تیمارها را نشان داد.
نتیجه‌گیری: به طور کلی، نتایج این تحقیق نشان داد که مدل خطی تعمیم‌یافته می‌تواند به عنوان یک مدل جایگزین با تبدیل جذری در مطالعات مربوط به درصد جوانه‌زنی بذرها که دارای توزیع دوجمله‌ای می‌باشند به کار گرفته شود، بدون اینکه مشکلات مربوط به روش تبدیل جذری را داشته باشد. همچنین، این مدل توانایی و دقت بالاتری نسبت به روش تبدیل جذری در تشخیص اختلافات جوانه‌زنی بین تیمارهای مختلف با بذرهای ثابت و متفاوت دارد.
جنبه‌های نوآوری:
مقدمه: در تحقیقات بذر، داده‌های درصد جوانه‌زنی حاصل از شمارش بوده و دارای توزیع دوجمله‌ای می‌باشد و از این رو، محققان بذر قبل از انجام تجزیه واریانس و مقایسه تیمارها، برای تثبیت واریانس و نرمال‌سازی داده‌ها از تبدیل داده‌ها به ویژه تبدیل جذری استفاده می‌‌کنند. با وجود استفاده از تبدیل داده‌ها، این روش ایرادات اساسی در ساختار دارد که نتایج آزمایش را خدشه‌دار می‌کند. از این رو معرفی و جایگزین کردن یک روش که بدون استفاده از تبدیل داده‌ها، فرضیات تحقیق را حفظ کند و نتایج قابل قبولی در اختیار محقق قرار دهد، حائز اهمیت است. استفاده از مدل خطی تعمیم‌یافته به عنوان یک روش جایگزین برای تجزیه و تحلیل داده‌های جوانه‌زنی با توزیع دو جمله‌ای می‌باشد. در این تحقیق، ابتدا مدل خطی تعمیم‌یافته معرفی و سپس بر اساس داده‌های شبیه سازی و داده‌های جوانه‌زنی، به بررسی کارایی آن پرداخته می‌شود.
مواد و روش‌ها: در این پژوهش، ابتدا داده‌های شبیه‌سازی شده با روش مونت کارلو تولید شد. با کمک داده‌های شبیه‌سازی شده، سطح معنی‌داری و توان آزمون برای روش مدل خطی تعمیم‌یافته در حالت‌های مختلف محاسبه شد. سپس از داده‌های واقعی مربوط به 3 آزمایش شامل اثر اسیدیته بر جوانه‌زنی ارقام گندم، اثر تنش آبی و شوری بر جوانه‌زنی بذرهای شاه افسر و اثر دمای متناوب بر جوانه‌زنی سه جمعیت اسطوخودوس استفاده گردید و نتایج مدل خطی تعمیم‌یافته و روش تبدیل جذری با داده‌های سه آزمایش مورد مقایسه قرار گرفت.
یافته‌ها: نتایج شبیه سازی نشان داد که مدل خطی تعمیم‌یافته کارایی بالایی در حفظ سطح معنی‌داری از پیش تعیین‌شده و توان بالایی در تشخیص اختلافات معنی‌دار جوانه‌زنی بین تیمارها دارد. همچنین نتایج مقایسه مدل خطی تعمیم‌یافته با روش تبدیل جذری بیانگر این مطلب بود که مدل خطی تعمیم‌یافته توان بالاتری در تشخیص اختلاف معنی‌داری بین تیمارهای مختلف به ویژه در تیمارهای با بذرهای نابرابر در پتری داشت و در تیمارهایی که روش تبدیل جذری عدم اختلاف معنی‌دار بین تیمارها را نشان می‌داد، روش خطی تعمیم‌یافته اختلاف معنی‌دار بین تیمارها را نشان داد.
نتیجه‌گیری: به طور کلی، نتایج این تحقیق نشان داد که مدل خطی تعمیم‌یافته می‌تواند به عنوان یک مدل جایگزین با تبدیل جذری در مطالعات مربوط به درصد جوانه‌زنی بذرها که دارای توزیع دوجمله‌ای می‌باشند به کار گرفته شود، بدون اینکه مشکلات مربوط به روش تبدیل جذری را داشته باشد. همچنین، این مدل توانایی و دقت بالاتری نسبت به روش تبدیل جذری در تشخیص اختلافات جوانه‌زنی بین تیمارهای مختلف با بذرهای ثابت و متفاوت دارد.
جنبه‌های نوآوری:
- از مدل خطی تعمیم‌یافته در تجزیه و تحلیل داده‌های درصد جوانه‌زنی استفاده شد.
- از داده‌های شبیه‌سازی شده با روش مونت کارلو برای بررسی سطح معنی‌داری و توان آزمون مدل خطی تعمیم‌یافته استفاده گردید.
- مدل خطی تعمیم‌یافته با روش تبدیل جذری در آزمایش‌های مختلف جوانه‌زنی با بذرهای ثابت و متفاوت در پتری مقایسه شد.
شماره‌ی مقاله: 3
نوع مطالعه: پژوهشي |
موضوع مقاله:
سایر موضوعات
دریافت: 1401/11/13 | ویرایش نهایی: 1403/3/20 | پذیرش: 1402/5/14 | انتشار الکترونیک: 1403/3/20
دریافت: 1401/11/13 | ویرایش نهایی: 1403/3/20 | پذیرش: 1402/5/14 | انتشار الکترونیک: 1403/3/20
فهرست منابع
1. Ahrens, W.H., Cox, D.J. and Budhwar, G. 1990. Use of the arcsine and square root transformations for subjectively determined percentage data. Weed Science, 38(4-5): 452-458.
https://doi.org/10.1017/S0043174500056824 [DOI:10.1017/S0043174500056824.]
2. Amorim, D.J., dos Santos, A.R.P., da Piedade, G.N., de Faria, R.Q., da Silva, E.A.A. and Sartori, M.M.P. 2021. The Use of the Generalized Linear Model to Assess the Speed and Uniformity of Germination of Corn and Soybean Seeds. Agronomy, 11(3): 588.
https://doi.org/10.3390/agronomy11030588 [DOI:10.3390/agronomy11030588.]
3. Bolker, B.M., Brooks, M.E., Clark, C.J., Geange, S.W., Poulsen, J.R., Stevens, M.H.H. and White, J.S.S. 2009. Generalized linear mixed models: a practical guide for ecology and evolution. Trends in ecology and evolution, 24(3):127-135.
https://doi.org/10.1016/j.tree.2008.10.008 [DOI:10.1016/j.tree.2008.10.008.] [PMID]
4. Carvalho, F.J., Santana, D.G.D. and Araújo, L.B.D. 2018. Why analyze germination experiments using Generalized Linear Models. Journal of Seed Science, 40: 281-287. http://dx.doi.org/10.1590/2317-1545v40n3185259. [DOI:10.1590/2317-1545v40n3185259]
5. Dey, P. and Pandit, P. 2020. Relevance of data transformation techniques in weed science. Journal of Research in Weed Science, 3(1): 81-89.
https://doi.org/10.26655/JRWEEDSCI.2020.1.8 [DOI:10.26655/JRWEEDSCI.2020.1.8.]
6. Dobson, A.J. and Barnett, A.G. 2018. An introduction to generalized linear models. Chapman and Hall/CRC.
7. Greenland, S., Senn, S.J., Rothman, K.J., Carlin, J.B., Poole, C., Goodman, S.N. and Altman, D.G. 2016. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. European Journal of Epidemiology, 31: 337-350.
https://doi.org/10.1007/s10654-016-0149-3 [DOI:10.1007/s10654-016-0149-3.] [PMID] [PMCID]
8. Jaeger, T.F. 2008. Categorical data analysis: Away from ANOVAs (transformation or not) and towards logit mixed models. Journal of Memory and Language, 59(4): 434-446.
https://doi.org/10.1016/j.jml.2007.11.007 [DOI:10.1016/j.jml.2007.11.007.] [PMID] [PMCID]
9. Johnston, G. 1993. SAS software to fit the generalized linear model. In SUGI Proceedings (pp. 1-8). SAS Institute Inc., Cary, NC.
10. Moder, K. 2007. How to keep the type I error rate in ANOVA if variances are heteroscedastic. Austrian Journal of Statistics, 36(3): 179-188.
https://doi.org/10.17713/ajs.v36i3.329 [DOI:10.17713/ajs.v36i3.329.]
11. Moder, K. 2010. Alternatives to F-test in one-way ANOVA in case of heterogeneity of variances (a simulation study). Psychological Test and Assessment Modeling, 52(4): 343.
12. Osborne, J. 2010. Improving your data transformations: Applying the Box-Cox transformation. Practical Assessment, Research, and Evaluation, 15(1): 12. [DOI:10.7275/qbpc-gk17.]
13. Piepho, H.P. 2003. The folded exponential transformation for proportions. Journal of the Royal Statistical Society: Series D (The Statistician), 52(4): 575-589.
https://doi.org/10.1046/j.0039-0526.2003.00509.x [DOI:10.1046/j.0039-0526.2003.00509.x.]
14. Ribeiro-Oliveira, J.P. and Ranal, M.A. 2016. Sample size in studies on the germination process. Botany, 94(2): 103-115.
https://doi.org/10.1139/cjb-2015-0161 [DOI:10.1139/cjb-2015-0161.]
15. Ribeiro-Oliveira, J.P., Santana, D.G.D., Pereira, V.J. and Santos, C.M.D. 2018. Data transformation: an underestimated tool by inappropriate use. Acta Scientiarum. Agronomy, 40. http://dx.doi.org/10.4025/actasciagron.v40i1.35300. [DOI:10.4025/actasciagron.v40i1.35300]
16. Rizzardi, D.A., Contreras-Soto, R.I., Figueiredo, A.S.T., Andrade, C.A.D.B., Santana, R.G. and Scapim, C.A., 2017. Generalized mixed linear modeling approach to analyze nodulation in common bean inbred lines. Pesquisa Agropecuária Brasileira, 52: 1178-1184. [DOI:10.1590/s0100-204x2017001200006]
17. Robert, C.P., Casella, G. and Casella, G. 2010. Introducing Monte Carlo methods with R (Vol. 18). New York: Springer. [DOI:10.1007/978-1-4419-1576-4]
18. Sileshi, G.W., 2012. A critique of current trends in the statistical analysis of seed germination and viability data. Seed Science Research, 22(3): 145-159. [DOI:10.1017/S0960258512000025]
19. Stroup, W.W. 2013. Generalized linear mixed models. CRC Press, Boca Raton, FL.
20. Stroup, W.W. 2015. Rethinking the analysis of non-normal data in plant and soil science. Agronomy Journal, 107(2): 811-827.
https://doi.org/10.2134/agronj2013.0342 [DOI:10.2134/agronj2013.0342.]
21. Warton, D.I. and Hui, F.K. 2011. The arcsine is asinine: the analysis of proportions in ecology. Ecology, 92(1): 3-10.
https://doi.org/10.1890/10-0340.1 [DOI:10.1890/10-0340.1.] [PMID]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
کلیه حقوق این وب سایت متعلق به مجله پژوهشهای بذر ایران می باشد.
طراحی و برنامه نویسی : یکتاوب افزار شرق
© 2024 CC BY-NC 4.0 | Iranian Journal of Seed Research
Designed & Developed by : Yektaweb
This work is licensed under a Creative Commons Attribution 4.0 International License.