Alexandre, Existe uma lógica que pode ser considerada para montar esses contrastes corretamente. A lógica não é difícil, por outro lado, montar as matrizes de contraste "na mão" é demorado, sujeito à erros, não prontamente adaptável à outros experimentos. Com a experiência eu desenvolvi um jeito mais mínimo reproduzível de fazer. Para experimento fatoriais com perda de caselas (combinação de níveis) esse código deve ser modificado. ##----------------------------------------------------------------------------- require(multcomp) require(doBy) require(latticeExtra) ## apc: build all pairwise comparisons matrix by a LSmatrix. source("http://dl.dropboxusercontent.com/u/48140237/apc.R") ##----------------------------------------------------------------------------- d <- data.frame(a=factor(sample(c('atacado','sadio'), 100, rep=TRUE)), b=factor(sample(c('48','72','96'), 100, rep=TRUE)), c= factor(sample(c('TY01','VM06'), 100, rep=TRUE))) xtabs(~a+b+c, d) d$y <- rpois(nrow(d), lambda=10) ## Interação. d$abc <- interaction(d$a, d$b, d$c) levels(d$abc) ## O padrão de funcionamento faz assim, o primeiro fator troca níveis ## dentro do segundo que troca níveis dentro do terceiro, etc, veja. do.call(rbind, strsplit(levels(d$abc), "\\.")) ## Sabendo disso você pode passar da a, b e c na forma que lhe for mais ## conveniente. Por outro lado, é desperdício de tempo operar assim ## porque eu considero mais fácil declarar o modelo fatorial, usar a ## LSmatrix para gerar a matriz de contraste e usá-la. g0 <- glm(y~a*b*c, family="poisson", data=d) g1 <- glm(y~0+abc, family="poisson", data=d) M <- LSmatrix(g0, effect=c("a","b","c")) M ## As estimativas das médias (na escala do preditor linear). data.frame(g0=M%*%coef(g0), g1=coef(g1)) ## Combinações de níveis correspondentes as médias. str(M) grid <- attr(M, "grid") ## Matriz de contrastes entre níveis de `focus` dentro dos níveis de ## `split`. split <- c("b","c") focus <- "a" spl <- interaction(grid[,split]) i <- 1:nrow(grid) l <- split(i, f=spl) contr <- lapply(l, function(row){ ## Matriz de contrastes par a par. a <- apc(M[row,], lev=levels(d[,focus])) ## Prefixo no nome das linhas. rownames(a) <- paste(spl[row[1]], rownames(a), sep="/") return(a) }) contr <- do.call(rbind, contr) contr ## Constrastes. summary(glht(g0, linfct=contr), test=adjusted(type="fdr")) ## Para ter a contra prova da equivalência dos procedimentos. cntrMat <- rbind("atacado.48.TY01-sadio.48.TY01"=c( 1, -1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)) summary(glht(g1, linfct=cntrMat), test=adjusted(type="fdr")) ##----------------------------------------------------------------------------- ## No caso de desdobrar interação dupla. M <- LSmatrix(g0, effect=c("a","b")) grid <- attr(M, "grid") ## Matriz de contrastes entre níveis de `focus` dentro dos níveis de ## `split`. split <- c("b") focus <- "a" spl <- interaction(grid[,split]) i <- 1:nrow(grid) l <- split(i, f=spl) contr <- lapply(l, function(row){ ## Matriz de contrastes par a par. a <- apc(M[row,], lev=levels(d[,focus])) ## Prefixo no nome das linhas. rownames(a) <- paste(spl[row[1]], rownames(a), sep="/") return(a) }) contr <- do.call(rbind, contr) contr ## Constrastes. summary(glht(g0, linfct=contr), test=adjusted(type="fdr")) ##----------------------------------------------------------------------------- ## Representando em um gráfico média com IC. grid <- attr(M, "grid") grid <- sapply(grid, function(x) if(is.character(x)) factor(x) else x) means <- confint(glht(g0, linfct=M), calpha=univariate_calpha()) grid <- cbind(data.frame(grid), means$confint) str(grid) segplot(a~lwr+upr|b, data=grid, draw=FALSE, centers=Estimate) ##----------------------------------------------------------------------------- À disposição. Walmes.