Broccoli Skåne 2023

Valet av metod för denna egenskap har inte varit helt lätt.

Förstahandsvalet vid statistiska jämförelser inom projektet är ANOVA. Det är en allmänt spridd och lättfattlig analysform, där nyttan av upprepningar tas tillvara fullt ut. ANOVA fungerar också bra ihop med ytterligare hjälpvariabler, t.ex. väderdata eller data från markanalyser. Tillsammans med Tukeys HSD (eller annat lämpligt post-hoc-test) produceras ett resultat som både är koncist och begripligt och väl underbyggt.

De ca 2000 enskilda kategoriseringarna av skördade huvud kan omvandlas till andel av huvud i respektive kategori per sort och upprepning, och detta kan jämföras med ANOVA. I det här fallet var data uppställd på det viset heteroskedastisk, vilket gör det olämpligt att tillämpa ANOVA. Det är inte ovanligt att kvoter av klassificeringar får en form som bryter mot antaganden om antingen normalitet eller homoskedaicitet. Det beror åtminstone ibland på att det finns gränser för möjliga värden vid 0 och 1.

Som andrahandsalternativ valdes Chitvå-metoden. Denna metod är också allmänt spridd och lättfattlig. Fördelarna är att data används i en råare form (antal klassificeringar) och att metodens antaganden är enkla att uppfylla (kvalitativa kategoriska variabler, oberoende observationer och tillräckligt stor data). Den stora nackdelen är att upprepningar och hjälpvariabler inte kan utnyttjas direkt i metoden.

För att tydliggöra resultatet kombinerades kategorierna några blad och många blad. Det är sorternas förmåga att producera huvud utan blad i som är önskvärd och ska jämföras.

Testet utfördes först på alla observationer i respektive upprepning. I alla tre fallen var resultatet att variabeln sort och variabeln förekomst/ej förekomst av blad i huvud inte var oberoende av varandra.

För att bena ut vilka sorter som skiljer sig från vilka utfördes sedan testet en gång per sortpar i varje upprepning. Justering av p-värden för att kontrollera risken för falskt signifikanta skillnader gjordes med Benjamini-Hochbergs korrektion på det totala antalet jämförelser i alla upprepningar. Detta eftersom jämförelserna presenteras samlat, och vägs samman av den som läser diagrammet.

Valet av metod för denna egenskap har inte varit helt lätt.

Förstahandsvalet vid statistiska jämförelser inom projektet är ANOVA. Det är en allmänt spridd och lättfattlig analysform, där nyttan av upprepningar tas tillvara fullt ut. ANOVA fungerar också bra ihop med ytterligare hjälpvariabler, t.ex. väderdata eller data från markanalyser. Tillsammans med Tukeys HSD (eller annat lämpligt post-hoc-test) produceras ett resultat som både är koncist och begripligt och väl underbyggt.

De ca 2000 enskilda kategoriseringarna av skördade huvud kan omvandlas till andel av huvud i respektive kategori per sort och upprepning, och detta kan jämföras med ANOVA. I det här fallet var data uppställd på det viset heteroskedastisk, vilket gör det olämpligt att tillämpa ANOVA. Det är inte ovanligt att kvoter av klassificeringar får en form som bryter mot antaganden om antingen normalitet eller homoskedaicitet. Det beror åtminstone ibland på att det finns gränser för möjliga värden vid 0 och 1.

Som andrahandsalternativ valdes Chitvå-metoden. Denna metod är också allmänt spridd och lättfattlig. Fördelarna är att data används i en råare form (antal klassificeringar) och att metodens antaganden är enkla att uppfylla (kvalitativa kategoriska variabler, oberoende observationer och tillräckligt stor data). Den stora nackdelen är att upprepningar och hjälpvariabler inte kan utnyttjas direkt i metoden.

Testet utfördes först på alla observationer i respektive upprepning. I alla tre fallen var resultatet att variabeln sort och variabeln solid stam/ihålig stam inte var oberoende av varandra.

För att bena ut vilka sorter som skiljer sig från vilka utfördes sedan testet en gång per sortpar i varje upprepning. Justering av p-värden för att kontrollera risken för falskt signifikanta skillnader gjordes med Benjamini-Hochbergs korrektion på det totala antalet jämförelser i alla upprepningar. Detta eftersom jämförelserna presenteras samlat, och vägs samman av den som läser diagrammet.

Sorterna jämfördes med Chitvå-metoden. Denna metod är allmänt spridd och lättfattlig och fungerar bra med relativt små underlag. Den stora nackdelen är att upprepningar och hjälpvariabler inte kan utnyttjas direkt i metoden.

Eftersom antalet bedömningar av skördens lätthet var få per upprepning gjordes ett kombinerat testet på alla observationer i alla upprepningar. Resultatet var att variabeln sort och variabeln lätthet att skörda inte var oberoende av varandra.

För att bena ut vilka sorter som skiljer sig från vilka utfördes sedan testet en gång per sortpar. Justering av p-värden för att kontrollera risken för falskt signifikanta skillnader gjordes med Benjamini-Hochbergs korrektion.

Jämförelsen gjordes på kvoter enligt:

92 alternativa modeller ställdes upp, som skiljde sig i vilka hjälpvariabler som ingick. 46 av dem uppfyllde grundläggande krav och när dessa ställdes mot varandra i en AIC-tabell visade sig en modell, där utfallet bestäms av Sort + Upprepning + K/Mg-kvot, hålla högst kvalitet.

Då denna ANOVA visade på sortskillnader med p≈0,0008 jämfördes materialet med Tukeys HSD test för att identifiera individuella skillnader.

Resultatet syns nedan. I många fall ligger medelskillnaden ganska nära 0, men en intressantare observation är att konfidensintervallens vidd är ca 56 procentenheter. Konfidensintervallet är det område där den äkta medelskillnaden med 95% säkerhet finns.