Improving causal inference from unreplicated on‐farm strip trials with propensity score matching: Application to plant growth regulator effects in wheat
Notice bibliographique
Résumé
Abstract Farmers often conduct unreplicated on‐farm experiments (OFE) to evaluate management practices such as the application of plant growth regulators (PGR) in winter wheat ( Triticum aestivum L.). Traditional methods of comparing strip average yields, such as using weigh wagons or yield monitors, lack error estimates and are causally confounded by field variability. Prescription (Rx) maps with randomization and replication may reduce causal confounding but are not always feasible. We propose a methodology to improve causal inference from unreplicated strip trials using propensity score matching (PSM). PGR strip trials were implemented using growers’ fields and equipment at two sites. Yield data, topographic covariates, and soil properties were collected. Propensity scores were calculated and used to create weights for covariate balancing. Next, treatment effect estimates and 95% confidence intervals were calculated for each site using G‐computation. Various benchmark models were included to compare the results of commonly implemented spatial models to the results from PSM. Spatial benchmark models showed evidence of spatial confounding, a purely statistical artifact rather than a causal effect. This artifact may alter treatment estimates and test statistics in strip trials where experimental units are not randomized throughout the field. PSM has potential to address the lack of replication and randomization in simple two‐treatment strip trials. PSM can potentially increase accessibility to rigorous OFE and improve decision‐making in agricultural practices, particularly in contexts where traditional experimental designs present barriers to participation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
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 | 0,184 | 0,366 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».