Um acho que eu entendi, será que é possível Walmes vc retirar mais algumas dúvidas que me surgiram. 1) Você modelou os dados da seguinte forma (y = Xb + Zp + ɛ). em que: y: vetor de dados da variável resposta. b: vetor de efeitos fixos (média geral (µ) + nitrogênio (N) + potássio (K) + Tempo (T) + N:K + N:T + K:T + K:N:T). p: vetor de efeitos das parcelas (N:K:repetições). X e Z são as matrizes de incidência dos referidos efeitos. 2) A variância do erro (σ2ɛ = 5,471) é o meu testador de todos os efeitos fixos. Fiquei com esta dúvida, pois não conheço as esperanças de quadrado médio deste modelo. 3) Generalizando para casos em que eu tenha vários níveis para os meus fatores e queira realizar um procedimento de comparações múltiplas precisarei calcular algum tipo de erro combinado. Desde já agradeço pela ajuda. Obrigado. Em 2 de junho de 2014 11:45, walmes . <walmeszeviani@gmail.com> escreveu:
Baseado nas discussões, segue um exemplo de análise.
##-----------------------------------------------------------------------------
pkg <- c("lattice", "nlme", "doBy") sapply(pkg, require, character.only=TRUE)
data <- structure(list(N = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 100L, 100L, 100L, 100L, 100L, 100L, 100L, 100L), K = c(0L, 0L, 0L, 0L, 50L, 50L, 50L, 50L, 0L, 0L, 0L, 0L, 50L, 50L, 50L, 50L), Tempo = c(10L, 10L, 30L, 30L, 10L, 10L, 30L, 30L, 10L, 10L, 30L, 30L, 10L, 10L, 30L, 30L), resp = c(24.30206, 32.96457, 36.58875, 42.1957, 43.33543, 44.00179, 45.53739, 51.26205, 54.23789, 54.94291, 55.0155, 57.36688, 58.63317, 66.21197, 68.81468, 69.32965)), .Names = c("N", "K", "Tempo", "resp"), class = "data.frame", row.names = c(NA, -16L ))
str(data)
## Gráfico. xyplot(resp~Tempo|N, groups=K, data=data, type=c("p","a"))
## Tabela de frequência. ftable(formula=Tempo~N+K, data=data)
## Os fatores tem 2 níveis, não requer conveter para fator.
data
## Não informação de unidades experimentais, então assumir que está na ## ordem correta e colocar o indicador de repetição.
data$rept <- 1:2 data$parcela <- with(data, interaction(N, K, rept)) str(data)
## Especificação e ajuste. m0 <- lme(resp~N*K*Tempo, random=~1|parcela, data=data)
## Dignóstico simples. r <- residuals(m0) f <- fitted(m0) plot(r~f) plot(sqrt(abs(r))~f) qqnorm(r)
## Teste de Wald para os termos de efeito fixo. anova(m0)
## Quadro de estimativas e medidas de ajuste. summary(m0)
## Predição. pred <- data.frame(N=c(0,100,50,50,50,50), K=c(25,25,0,50,25,25), Tempo=c(20,20,20,20,10,30))
pred$y <- predict(m0, newdata=pred, level=0) pred
##-----------------------------------------------------------------------------
À disposição. Walmes.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
-- *José Henrique Soler Guilhen* Graduando em Agronomia Universidade Federal do Espírito Santo - CCAUFES