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