Thiết kế chia nhỏ và chia nhỏ

Tôi đang làm việc trên một bộ dữ liệu để đánh giá tác động của việc làm khô đối với các hoạt động của vi sinh vật trầm tích. Mục tiêu là để xác định xem tác động của quá trình sấy có khác nhau giữa các loại trầm tích và / hoặc độ sâu trong trầm tích hay không.

Thiết kế thí nghiệm như sau:
Yếu tố đầu tiên Trầm tích tương ứng với ba loại trầm tích (mã hóa là Sed1 , Sed2 , Sed3 ).
Đối với mỗi loại Trầm tích, việc lấy mẫu được thực hiện trên ba địa điểm (3 địa điểm đối với Sed1, 3 địa điểm đối với Sed2, 3 địa điểm đối với Sed3). Trang web được mã hóa: Site1 , Site2 , ..., Site9 .
Yếu tố tiếp theo là Thủy văn : trong mỗi địa điểm, việc lấy mẫu được thực hiện trong một ô khô và trong một ô ướt (được mã hóa là Khô / Ướt ).
Trong mỗi ô trước đó, việc lấy mẫu được thực hiện ở hai Độ sâu( D1 , D2 ) trong ba lần.

Có tổng cộng n = 108 mẫu = 3 Trầm tích * 3 Trang web * 2 Thủy văn * 2 Độ sâu * 3 Bản sao.

Tôi sử dụng hàm lme trong R (gói lnme) như sau:

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)

Tôi đã tìm thấy một ví dụ về thiết kế chia tách có thể so sánh và phân tích của nó trong: http://www3.imperial.ac.uk/portal/pls/portallive/docs/1/1171923.PDF

Ai đó có thể xác nhận rằng đây là cách đúng để phân tích những dữ liệu này?
Bạn có nghĩ rằng cấu trúc ngẫu nhiên được chỉ định chính xác theo thiết kế thử nghiệm của tôi không?

Điều này đến khá muộn, nhưng tôi nghĩ rằng phân tích của bạn nói chung là chính xác, với 3 bình luận:

1. Hãy chắc chắn rằng nó ổn khi coi độ sâu là ngẫu nhiên thay vì cố định. Tôi đoán điều này phụ thuộc vào định nghĩa của bạn về độ sâu. Có phải chỉ là 'lớp đất mặt' và 'lớp đất mặt' hoặc một số cấp độ kiểm soát như A1, B2, C2, v.v ....
2. Một đồng nghiệp của tôi luôn khuyên mọi người tạo một biến khác để nó không gây nhầm lẫn cho mọi người khi các hiệu ứng cố định và ngẫu nhiên có cùng tên. Một cái gì đó như lme(Variable~Sediment_ef*Hydrology_ef*Depth_ef, data=mydata, random=~1|Site/Hydrology/Depth), ngay cả khi X_efvà Xlà cột giống hệt nhau.
3. Đây rõ ràng là mô hình đầy đủ, nơi bạn có thể (hoặc có thể không) muốn giảm nó để đạt được sự kỳ thị.