tente rodar usando a abordagem generalisada implementada na função gls do pacote nlme.nela é possivel afrouxar o pressuposto de homocedasticidade exigido pela função lm,aov, através do argumento weightsder uma olhada no manual_______________________________________________Em sáb, 2 de mar de 2019 5:56 PM, Marcelo Laia <marcelolaia@gmail.com escreveu:On 02/03/19 at 03:51, Fernando Souza wrote:
> Seguindo a proposta do gilson, apos rodar o modelo utilizando aov ou lm veja a distribuição dos residuos graficamente através da função qqp do pacote CAR
> qqp(rstandard(modelo.lm),"norm")
>
Olá Fernando,
Eu não conhecia essa função do pacote car. Bem massa, pois ela mostra as linhas
de confiança.
Com base no pacote bestNormalize, eu transformei os dados e observei os
gráficos. Inclusive, com a função qqp todos ficam dentro dos 95%. Ou seja, a
questão da normalidade foi resolvida. Mas, a homogeneidade ainda ficou
esquisita quando incluo a interação:
Com a interação:
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 41 2.2615 0.0002938 ***
126
Sem interação: só Genotipo
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 1 3.1509 0.07772 .
166
Sem interação: só Isolado
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 20 1.5658 0.06859 .
147
Em anexo os gráficos após transformação.
Agradeço, imensamente, pela inestimável ajuda de ambos!
--
Marcelo
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.