Desain split-split-plot dan lme

Saya sedang mengerjakan kumpulan data untuk mengevaluasi dampak pengeringan pada aktivitas mikroba sedimen. Tujuannya adalah untuk menentukan apakah dampak pengeringan bervariasi di antara jenis sedimen dan / atau kedalaman sedimen.

Desain eksperimental adalah sebagai berikut:
Faktor Sedimen pertama sesuai dengan tiga jenis sedimen (kode Sed1 , Sed2 , Sed3 ).
Untuk setiap jenis Sedimen, pengambilan sampel dilakukan pada tiga lokasi (3 situs untuk Sed1, 3 situs untuk Sed2, 3 situs untuk Sed3). Situs dikodekan: Site1 , Site2 , ..., Site9 .
Faktor berikutnya adalah Hidrologi : di setiap lokasi, pengambilan sampel dilakukan di plot kering dan plot basah (berkode Kering / Basah ).
Dalam masing-masing plot sebelumnya, pengambilan sampel dilakukan di dua Kedalaman( D1 , D2 ) rangkap tiga.

Ada total n = 108 sampel = 3 Sedimen * 3 Situs * 2 Hidrologi * 2 Kedalaman * 3 Replikasi.

Saya menggunakan fungsi lme di R (paket lnme) sebagai berikut:

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)

Saya menemukan contoh desain petak-petak-komparatif yang sebanding dan analisisnya di: http://www3.imperial.ac.uk/portal/pls/portallive/docs/1/1171923.PDF

Bisakah seseorang mengonfirmasi bahwa ini adalah cara yang tepat untuk menganalisis data ini?
Apakah Anda berpikir bahwa struktur acak ditentukan dengan benar sesuai dengan desain eksperimental saya?

Ini agak terlambat, tapi saya pikir analisis Anda secara umum benar, dengan 3 komentar:

1. Pastikan tidak apa-apa untuk memperlakukan kedalaman sebagai acak daripada tetap. Saya kira ini tergantung pada definisi kedalaman Anda. Apakah itu hanya 'lapisan tanah atas' dan 'lapisan tanah' atau beberapa level kontrol seperti A1, B2, C2, dll ....
2. Seorang kolega saya selalu merekomendasikan orang membuat variabel lain sehingga tidak membingungkan orang ketika efek tetap dan acak memiliki nama yang sama. Sesuatu seperti lme(Variable~Sediment_ef*Hydrology_ef*Depth_ef, data=mydata, random=~1|Site/Hydrology/Depth), bahkan jika X_efdan Xmerupakan kolom yang identik.
3. Ini jelas model lengkap, di mana Anda mungkin (atau mungkin tidak) ingin menguranginya untuk mencapai kekikiran.