Structural equation modeling in the plant sciences: An example using yield components in oat
Notice bibliographique
Résumé
Lamb, E. G., Shirtliffe, S. J. and May, W. E. 2011. Structural equation modeling in the plant sciences: An example using yield components in oat. Can. J. Plant Sci. 91: 603-619. Structural equation modeling (SEM) is a powerful statistical approach for the analysis of complex intercorrelated data with a wide range of potential applications in the plant sciences. In this paper we introduce plant scientists to the principles and practice of SEM using as an example an agronomic field trial. We briefly review the history of SEM and path analysis and introduce the statistical concepts underlying SEM. We demonstrate the use of observed and latent variable structural equation models using a multi-site multi-year field trial examining the effects of seed size and seeding density on the plant density and yield of oat in Saskatchewan. Using SEM allowed for insights that a standard univariate analysis would not have revealed. We show that seeding density has strong effects on plant and panicle density, but has very limited effects on final yield. Plant density has a consistent non-linear effect on panicle density across location that was not affected by precipitation. In contrast, the implicit effect of precipitation on seed number appears to be the main driver for final yield. Incorporating precipitation data into the model demonstrates how mechanistic models can be developed by including in the path diagram variables that would normally treated as random factors in a mixed model analysis. Finally, we provide a guideline to assist plant scientists in determining whether SEM is an appropriate method to be used for the analysis of their data.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →2 modèles sur 3 ont qualifié ce travail de métarecherche. Ce travail est contesté : il se situe à la frontière empirique du domaine, et son statut dépend du modèle interrogé. C'est l'un des 51 travaux du dossier des désaccords.
Tutorial introducing plant scientists to structural equation modeling, reviewing its principles and offering guidelines on when it is appropriate; the oat field trial is an illustrative vehicle and the object is statistical practice in a research community.
Structural equation modeling is used to analyze oat yield, so the method is not the object of study.
Primary aim is introducing SEM as statistical practice for plant scientists, with guidelines on when SEM is appropriate.
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».