Split-Split-Plot-Design und lme

Ich arbeite an einem Datensatz, um die Auswirkungen des Trocknens auf die mikrobiellen Aktivitäten von Sedimenten zu bewerten. Ziel ist es festzustellen, ob die Auswirkungen des Trocknens zwischen den Sedimenttypen und / oder der Tiefe innerhalb des Sediments variieren.

Der Versuchsaufbau ist wie folgt:
Der erste Faktor Sediment entspricht drei Arten von Sedimenten (codiert Sed1 , Sed2 , Sed3 ).
Für jeden Sedimenttyp wurde eine Probenahme an drei Standorten durchgeführt (3 Standorte für Sed1, 3 Standorte für Sed2, 3 Standorte für Sed3). Site ist codiert: Site1 , Site2 , ..., Site9 .
Der nächste Faktor ist die Hydrologie : Innerhalb jedes Standorts wird die Probenahme in einer trockenen Parzelle und in einer nassen Parzelle (codiert trocken / nass ) durchgeführt.
Innerhalb jedes der vorherigen Diagramme wird die Probenahme in zwei Tiefen durchgeführt( D1 , D2 ) dreifach.

Es gibt insgesamt n = 108 Proben = 3 Sedimente * 3 Stellen * 2 Hydrologie * 2 Tiefen * 3 Wiederholungen.

Ich benutze die lme-Funktion in R (lnme-Paket) wie folgt:

Sediment<-as.factor(rep(c("Sed1","Sed2","Sed3"),each=36))
Site<-as.factor(rep(c("Site1","Site2","Site3","Site4","Site5","Site6","Site7","Site8","Site9"),each=12))
Hydrology<-as.factor(rep(rep(c("Dry","Wet"),each=6),9))
Depth<-as.factor(rep(rep(c("D1","D2"),each=3),18))
Variable<-rnorm(108)

mydata<-data.frame(Sediment,Site,Hydrology,Depth,Variable)

mod1<-lme(Variable~Sediment*Hydrology*Depth, data=mydata, random=~1|Site/Hydrology/Depth)

Ein Beispiel für ein vergleichbares Split-Split-Plot-Design und seine Analyse fand ich unter: http://www3.imperial.ac.uk/portal/pls/portallive/docs/1/1171923.PDF

Könnte jemand bestätigen, dass dies der richtige Weg ist, um diese Daten zu analysieren?
Denken Sie, dass die Zufallsstruktur gemäß meinem experimentellen Design korrekt spezifiziert ist?

Dies kommt ziemlich spät, aber ich denke, Ihre Analyse ist im Allgemeinen korrekt, mit 3 Kommentaren:

1. Stellen Sie sicher, dass es in Ordnung ist, die Tiefe eher als zufällig als als fest zu behandeln. Ich denke, das hängt von Ihrer Definition der Tiefe ab. Ist es nur "Oberboden" und "Untergrund" oder einige Kontrollstufen wie A1, B2, C2 usw.
2. Ein Kollege von mir empfiehlt immer, eine andere Variable zu erstellen, damit die Leute nicht verwirrt werden, wenn die festen und zufälligen Effekte denselben Namen haben. So etwas wie lme(Variable~Sediment_ef*Hydrology_ef*Depth_ef, data=mydata, random=~1|Site/Hydrology/Depth), auch wenn X_efund Xidentische Spalten sind.
3. Dies ist offensichtlich das vollständige Modell, bei dem Sie es möglicherweise reduzieren möchten (oder auch nicht), um Sparsamkeit zu erreichen.