Walmes e demais membros da R-br; Escrevo-lhes para esclarecer uma dúvida que estou tendo em relação aos modelos não lineares. Analisando a função que o Walmes fez para a obteção da ANOVA para modelos não lineares e que está disponível na página das "Rídiculas" fiquei em dúvida se posso comparar o resultado dessa análise com aqueles obtidos para modelos lineares. O modelo que estou testando é reduzível ao intercepto. Lendo a explicação do Walmes na página das "Rídiculas" percebi que ele fez um comentário a esse respeito: http://ridiculas.wordpress.com/2011/05/29/analise-de-residuos-em-regressao-n... Vejam abaixo a excelente função que o Walmes criou: A <- 6.25551 B <- -6.85223 # mudar até obter bons chutes C <- -0.24253 # mudar até obter bons chutes logCarbtotal=log(citriodora$Carbtotal) model8 <- nls(logCarbtotal~A+B*exp(C*Idade), data=citriodora, start=list(A=A, B=B, C=C)) ####função do Walmes: obtenção da ANOVA R2 <- function(nls.obj){ da <- eval(nls.obj$data) resp.name <- all.vars(summary(nls.obj)$formula)[1] form <- paste(resp.name, "~1", sep="") m0 <- lm(form, da) an <- anova(nls.obj, m0) sqn <- deviance(nls.obj) sqe <- deviance(m0) r2 <- 1-(sqn/sqe) aov <- data.frame(fv=c("regression","residuals"), gl=c(-an$Df[2],an$Res.Df[1]), sq=c(-an$Sum[2],an$Res.Sum[1])) aov$qm <- aov$sq/aov$gl aov$F <- c(aov$qm[1]/aov$qm[2], NA) aov$"Pr(>F)" <- c(1-pf(aov$F[1], df1=aov$gl[1], df2=aov$gl[2]), NA) names(aov) <- c(" ","Df", "Sum Sq", "Mean Sq", "F value", "Pr(>F)") return(list(anova=aov, R2=r2)) } R2(model8) #Retorno a ANOVA e o R^2 $anova Df Sum Sq Mean Sq F value Pr(>F) 1 regression 2 81.204480 40.60223996 502.8805 9.192647e-14 2 residuals 14 1.130351 0.08073934 NA NA $R2 [1] 0.9862713 Desde já agradeço a todos pelas valiosas contribuições! Att., -- Thiago de Paula Protásio Acadêmico de Engenharia Florestal Universidade Federal de Lavras Departamento de Ciências Florestais Ciência e Tecnologia da Madeira (035) 9183 - 2246