Cómo montar un experimento de laboratorio en Investigación Ecológica bajo alta variabilidad natural

Question

Me dispongo a realizar un experimento de laboratorio en el campo científico de la ecología e hidrología del suelo. De antemano quiero asegurarme de no cometer ningún error crucial y, por lo tanto, agradecería cualquier pista y comentario por vuestra parte. El problema principal es cómo tratar la alta variabilidad natural (~25%) y un tamaño de muestra bastante pequeño (total máximo=20).

Breve descripción del experimento:

Pondremos núcleos de suelo en cilindros y los mantendremos bajo diferentes escenarios de humedad. Se medirán tres tipos diferentes de formas de carbono durante aproximadamente un mes.
Queremos saber si las variables cambian dentro de los grupos y entre ellos.

El diseño experimental que se propuso fue el siguiente:
Habrá 2 tipos de suelo diferentes, 2 tratamientos diferentes + un control, y cada tratamiento deberá repetirse tres veces. El número total de cilindros es, pues, de 18 cilindros.

La variabilidad en las mediciones sobre el terreno puede llegar a ser del 25% dentro de un mismo grupo. Por razones prácticas, no puede haber más de 20 cilindros en total.

Mis preguntas:

1. ¿Tendría más sentido tener sólo un tratamiento y un control, pero cada uno de ellos replicado cinco veces?
2. ¿Podré sacar alguna conclusión fiable de este tipo de experimento en estas condiciones?
3. Cómo debo configurar los parámetros para realizar algunos cálculos de potencia utilizando, por ejemplo G*Power 3 ? ¿Qué prueba debo elegir? ¿A qué tamaño del efecto debo ajustarlo y cuáles deben ser los números de df?
4. ¿Cómo debo analizar los datos una vez realizado el experimento? ¿Debo utilizar el ANOVA? ¿Puedo utilizar un modelo de efectos mixtos?

Answer 1

Que tenga una posibilidad razonable de obtener (es decir, poder para obtener) conclusiones fiables depende de la magnitud de los efectos que desea poder detectar. Con números tan pequeños tendrán que ser muy grandes. Está claro que tener menos tratamientos y más réplicas por tratamiento le dará al menos un poco más de potencia, o lo que es lo mismo, la posibilidad de detectar efectos algo menores con la misma potencia.

Para poner algunos números aproximados, ignoremos los tipos de suelo para simplificar (incluirlos hará que las cosas sean más sombrías) y hagamos algunos cálculos de potencia estándar de dos muestras para pruebas t de 2 muestras. Si se compara un tratamiento frente al control con 10 personas en cada grupo (es decir, 20 en total), se tendrá un 80% de potencia para detectar una diferencia entre el tratamiento y el control de 1,25 desviaciones estándar (DE). Con dos tratamientos + el control, 6 en cada grupo (18 en total), tendrá una potencia del 80% para detectar una diferencia de 1,4 DE entre ambos tratamientos combinado y el control, o 1,6 DE entre o bien tratamiento por sí mismo y el control (o entre los dos tratamientos). Puede ser sensato utilizar una transformación logarítmica (o quizás alguna otra transformación) de sus datos antes del análisis, en cuyo caso las DE son las DE de las variables transformadas.

En el social ciencias, un efecto de alrededor de 0,8 DE o más suele considerarse "grande" Y el diseño de un estudio para detectar tener una potencia decente sólo para detectar un efecto mayor que esto podría ser descrito educadamente como "optimista". Pero recuerde que la DE aquí es la DE del residual, inexplicable variación. Puede reducirla (1) haciendo que sus unidades experimentales sean más uniformes o (2) explicando más de la variación por otros medios.

1. Cuanto menor sea la variabilidad no controlada, mayor será la potencia para detectar efectos debido a los factores abiertos a la manipulación experimental. Usted dice que "la variabilidad en campo Las mediciones pueden llegar al 25% dentro de un mismo grupo". Pero esto es un laboratorio experimento; ¿hay alguna razón para que la variabilidad sea tan alta en el laboratorio? ¿Puede homogeneizar el suelo antes de iniciar el experimento? Supongo que esto puede destruir la estructura del suelo.

2. ¿Puede tomar línea de base ¿medidas antes de aplicar los tratamientos? Utilizarlas para explicar parte de la variabilidad interna entre unidades, ya sea analizando el cambio desde la línea de base o (mejor) añadiéndolas al modelo como covariables (por ejemplo, ANCOVA) puede ayudar a un lote .

Siento no haber mencionado el G*Power 3 pero nunca he oído hablar de él y por un vistazo rápido al enlace que has dado parece bastante más sofisticado, y por tanto complicado, de lo que es necesario aquí.