Denne artikkelen presenterer et helhetlig konsept for statistisk analyse av designede eksperimenter. Flere av elementene er beskrevet i tidligere Matforsk-artikler. Velkjente statistiske analysemetoder har der blitt videreutviklet - hovedsakelig for å håndtere multivariable målinger.
Artikkelen starter med å diskutere analyse av én responsvariabel. Ubalanserte design håndteres ved hjelp av type II kvadratsummer. Denne filosofien benyttes for både kategoriske og kontinuerlige designvariabler. Dermed sikrer man at vanlige fallgruver unngås.
Samlet analyse av flere responsvariabler baseres på 50-50 MANOVA som er en modifisert variant av klassisk multivariabel variansanalyse. Resultattabellen inneholder også forklarte varianser som sier noe om designvariablenes totale påvirkning på den multivariable responsprofilen.
Vanlige enkeltrespons p-verdier kan beregnes, men for å holde feilraten under kontroll bør disse justeres. Ved bruk av rotasjonstesting kan p-verdiene justeres slik at den eksperimentvise feilraten kontrolleres. P-verdiene kan også justeres i henhold til et false-discovery-rates-kriterium. Dette er svært anvendbart innenfor genomics og proteomics der man leter etter påvirkede gener eller proteiner.
Det beskrives også hvordan multivariable effekter kan illustreres som (justerte) gjennomsnittskurver eller som punkter i et PCA plot.
Metodikken illustreres ved å analysere data fra forsøk med fiskepudding og ost.
De multivariable responsene er hentet fra sensorikk og FT-IR-spektere.
Denne artikkelen vil fungere som en nøkkelreferanse for dataprogrammene som finnes på www.matforsk.no/ola/program.htm.
