Prezados colegas, tenho um experimento com o seguinte design split-plot: fator 'ambiente': 5 corredeiras e 5 remansos em cada plot de 'ambiente' (num total de 10) há outro fator: 'peixes' com dois tratamentos: exclusão e controle ainda, dentro de cada sub-plot do fator 'peixes' existe o fator 'substrato' com dois tratamentos: liso e rugoso. A variável resposta é quantidade de clorofila em cada unidade experimental (cada substrato). Um exemplo dos dados: clorofila ambiente peixes substrato bloco 0.114 1 1 1 1 0.160 1 1 2 1 0.126 1 2 1 1 0.149 1 2 2 1 0.068 1 1 1 2 0.137 1 1 2 2 0.080 1 2 1 2 0.160 1 2 2 2 .... .... 0.080 2 1 1 10 0.068 2 1 2 10 0.114 2 2 1 10 0.124 2 2 2 10 Considerei que os fatores 'peixes' e 'substrato' estão em blocos (10), enquanto o fator 'ambiente' está acima dos blocos (5 blocos são no ambiente corredeiras e 5 no ambiente remansos). Analise os dados utilizando dois modelos distintos: *aov (log(cloro)~(amb+peixes+substrato)^2+Error(bloco/peixes))* * * Error: bloco Df Sum Sq Mean Sq F value Pr(>F) amb 1 0.1162 0.11618 0.128 0.7297 Residuals 8 7.2599 0.90749 Error: bloco:peixes Df Sum Sq Mean Sq F value Pr(>F) peixes 1 2.96190 2.96190 14.6147 0.005069 ** amb:peixes 1 0.30121 0.30121 1.4862 0.257528 Residuals 8 1.62133 0.20267 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Error: Within Df Sum Sq Mean Sq F value Pr(>F) substrato 1 1.9924 1.99244 10.2620 0.005209 ** amb:substrato 1 0.0013 0.00134 0.0069 0.934840 peixes:substrato 1 0.5934 0.59335 3.0560 0.098473 . Residuals 17 3.3007 0.19416 * * *lme(log(cloro)~(amb+peixes+**substrato)^2, random=~1|bloco/peixes))* Linear mixed-effects model fit by REML Data: NULL AIC BIC logLik 85.58484 100.5499 -32.79242 Random effects: Formula: ~1 | bloco (Intercept) StdDev: 0.4197679 Formula: ~1 | peixes %in% bloco (Intercept) Residual StdDev: 0.06522495 0.4406333 Fixed effects: log(cloro) ~ (amb + peixes + substrato)^2 Value Std.Error DF t-value p-value (Intercept) -2.4342471 0.2647064 17 -9.196027 0.0000 amb2 -0.2929029 0.3611524 8 -0.811023 0.4408 peixes2 0.6142687 0.2448449 8 2.508808 0.0364 substrato2 0.6783940 0.2413448 17 2.810891 0.0120 amb2:peixes2 0.3471056 0.2847218 8 1.219104 0.2575 amb2:substrato2 0.0231237 0.2786810 17 0.082976 0.9348 peixes2:substrato2 -0.4871762 0.2786810 17 -1.748150 0.0985 Correlation: (Intr) amb2 peixs2 sbstr2 amb2:p2 amb2:s2 amb2 -0.682 peixes2 -0.462 0.229 substrato2 -0.456 0.223 0.329 amb2:peixes2 0.269 -0.394 -0.581 0.000 amb2:substrato2 0.263 -0.386 0.000 -0.577 0.000 peixes2:substrato2 0.263 0.000 -0.569 -0.577 0.000 0.000 Standardized Within-Group Residuals: Min Q1 Med Q3 Max -2.42000225 -0.41789060 -0.02451742 0.44159262 1.87090777 Number of Observations: 40 Number of Groups: bloco peixes %in% bloco 10 20 Tenho dúvidas se estou definindo de forma correta os modelos e também se devo usar aov ou lme, uma vez que os resultados dos termos isolados diferem entre as duas funções (porém os resultados são indênticos para as interações). Desde já obrigada pela atenção, Fabiana -- ----- Fabiana Schneck Programa de Pós-Graduação em Ecologia Universidade Federal do Rio Grande do Sul CP 15007 - CEP 91501-970 Porto Alegre, RS, Brasil