Deneme planlarında eksik verilerin kovaryans analizi metodu ile tahmini
Ana faktörlerin etkisi ve araştırıcının kontrolü dışında, verilerde meydana gelen boş deneme ünitelerine eksik gözlem denilmektedir. Herhangi bir deneme planmda eksik değerin bulunması planlı bir denemenin dengeli yapısını bozacağından normal varyans analizi yapılamayacaktır. Böyle bu¬dununda ya en küçük kareler metodu uygulanır, veya eksik değerin bulunduğu ünitedeki gözlem değeri bulunup yerine yazıldıktan sonra varyans analizi yapılır. Pratikte kompleks dengesiz deneme plahlannda en küçük kareler metodunu uygulamak oldukça zor olduğundan genellikle araştırıcı tarafından tercih edilmemektedir. Eksik gözlemlerin bulunduğu denemede varyans analizi birkaç farklı yöntemle yapılmaktadır. Bu çalışmada, eksik gözlemlerin tahmininde kovaryans analizi metodunun nasıl kullanılacağı gösterilmiştir. Bu metot Latin kare deneme planmda elde edilen verilere uygulanmıştır. Basit ve kompleks deneme planlan için, eksik gözlemlerin ve sapmasiz kareler ortalamalarının tahmininde kovaryans analizi metodunun uygulanması oldukça kolaydır.
Esimation of the missing data by using covariance method in the experimental designs
An empty experimental unit which occur in the data without effect of main factor and control of researcher is called missing observation. To make a normal analysis of variance is impossible when enough missing observation is exist in the data due to the unbalance structure of planned experiment. In this case, either we have to use special least square methods, or normal analysis of variance after estimation of missing observation. In the complex experimental design, it is very difficult to apply least square estimation methods. Therefore least square method has not usually been preferred by experimenters. Analysis of variance can be run by using some kind of methods on data with missing observation in the planing experiments. In this study, we show that how we estimate the missing data by using covariance analysis method. This method have been applied to the missing data from latin square design. Estimation of missing data and unbiased mean squares by covariance analysis methods with computer is very easy for both simple and complex experimental designs.