Bom dia Fernando, para você identificar a variância residual utilize o seguinte comando:

VarR = deviance(summary(fm1))[6]^2
VarR

Mude apenas o valor "6" que está em colchetes para a linha que se encontra sua variância residual de sua análise, como no meu caso eu tinha 4 efeitos aleatórios (Q, L, C, T), utilizei a linha 6 contando a partir do titulo "variance" como mostra o quadro abaixo:

Random effects:
Groups   Name        Variance Std.Dev.
Q        (Intercept) 1.2490   1.11761
L        (Intercept) 1.9913   1.41115
C        (Intercept) 0.7901   0.88888
T        (Intercept) 1.8454   1.35846
Residual                1.4658   1.21070

espero ter ajudado.

Att.
André Barbosa Ventura da Silva


Em 18/05/2012 10:14, Fernando Colugnati < fernando@ipti.org.br > escreveu:
Oi Eder, na verdade o Endotélio Vascular é uma camada celular que "veda"seus vasos, e a distância entre estas membarnas, o diâmeto do vaso, é uma medida importante para diagnóstico de problemas de calcificação vascular, que pode levar a enfartos, avc, etc...
A medida é o diâmetro do endotélio, em milímetros. Este experimento tem como objetivo atestar que o médico que mede as 5 replicações dentro de cada imagem tá com a mão boa, ou seja, mostrar quanto da variabilidade total das medidas é devido ao erro da medição na imagem. Isso ocorre em duas ocasisiões, pré e pós oclusão (garrote) no braço do paciente. Digamos que é um resultado preliminar para a certificação do cara para um estudo maior, pois pouquíssimas pessoas no país são treinadas neste método.
Quanto ao modelo entendi, realmente a especificação está errada, um mal entendimento meu do lme4, acho que com sua dica fica correto...estava estranhando um coeficiente para as replicações...na verdade é uma confusão minha com a sintaxe do Stata, que trabalhei por muito tempo.
Desta forma consigo as variâncias de cada um dos componentes, mas me enrolei para encontrar a variância do resídiuo (do erro, se pensarmos em uma abela ANOVA), pois quando peço a ANOVA ela me traz apenas o MSE do intercepto. Na verdade minha primeira abordagem foi por mínimos quadrados, e fazendo as contas para achar cada componente da variância, de acordo com os MSE de cada efeito. O problema foi que em um dos casos, encontro variância negativa (uma limitação dos MQ para este tipo de problema), e então parti para os modelos mistos.
Obrigado

Em 17 de maio de 2012 21:00, Eder David Borges da Silva <eder@leg.ufpr.br> escreveu:
Fernando,
Pelo oque entendi da sua explicação, você pega 101 pacientes, tira
duas imagens do  endotélio (Segundo Wikipedia isso é uma membrana do
coração, certo?) em cada uma destas imagens você faz 5 medidas (de
que? tamanho?, espessura?) com isso você tem seus dados, agora qual o
objetivo central deste experimento?
Pelo oque entendi parcialmente o seu modelo esta meio estranho, pois:
fm1 <- lmer(abps ~ replicacao + (replicacao|medida) + (medida|id3), medidas)
Esta sendo atribuído um efeito fixo para a replicação(entendi que é 2
imagens vezes 5 medidas isso).
Em um modelo com apenas intercepto fixo poderíamos ser:
1 componente de variância para o individuo
1 componente de variância para a imagem
1 componente de variância para a medida dentro da imagem
resp~1+(1|id)+(medida|replicacao)

Se der mais algumas informações pode ser que conseguimos lhe ajudar mais.
Att
Éder




Em 17 de maio de 2012 13:17, Fernando Colugnati <fernando@ipti.org.br> escreveu:
> #Pessoal, estou analisando um experimento que procura avaliar as fontes de
> variabilidade em um processo de medição. São 101 pacientes, #onde são
> realizadas 5 medidas em 2 imagens de endotélio, ou seja, para cada paciente
> tenho 10 replicações, 5 em cada imagem (variável #medida no dataframe
> abaixo). Entendo que tenho um modelo misto, pois considero os pacientes como
> efeito aleatório (a variablidade entre eles #é enorme) e também as imagens,
> já que podem ser tiradas de diferentes partes do antebraço do paciente.
>
> #Especifiquei este modelo com o lme4 para uma das medidas que quero
> analisar, o diâmetro do endotélio pós-oclusão:
>
> fm1 <- lmer(abps ~ replicacao + (replicacao|medida) + (medida|id3), medidas)
>
> #e gostaria de estimar o % da variância de cada componente, e para isso
> preciso da var iância total, que é a soma de todas, inlcuindo dos #efeitos
> fixos, do aleatório e tbm dos resíduos. Está especificação está correta, na
> opinião dos especialistas em experimentos? (não é meu #caso)
>
> #Rodando, após o modelo
>
> VarCorr(fm1, type="varcov")
> anova(fm1)
>
> #como identifico a variância residual? Na verdade me enrolei um pouco com a
> saída do VarCorr, e mesmo pesquisando no Google, não achei nada que
> #apresente este tipo de propósito de análise (é um estudo de R&R, onde quero
> mostrar que a variabilidade das replicações, ou do operador, é a #de menor
> culpa neste processo).
>
> #Segue um pedaço dos dados:
>
> #> dput(medidas[1:20,])
>
> structure(list(abpre = c(0.382, 0.383, 0.386, 0.386, 0.383, 0.386,
> 0.384, 0.387, 0.386, 0.383, 0.339, 0.335, 0.342, 0.335, 0.339,
> 0.357, 0.342, 0.346, 0.343, 0.35), abps = c(0.412, 0.412, 0.415,
> 0.404, 0.408, 0.408, 0.393, 0.408, 0.408, 0.408, 0.382, 0.386,
> 0.386, 0.386, 0.386, 0.383, 0.383, 0.379, 0.379, 0.379), abs = c(0.03,
> 0.029, 0.029, 0.018, 0.025, 0.022, 0.009, 0.021, 0.022, 0.025,
> 0.043, 0.051, 0.044, 0.051, 0.047, 0.026, 0.041, 0.033, 0.036,
> 0.029), id3 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), replicacao = c(1L, 2L, 3L, 4L,
> 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L
> ), medida = c(0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 0L, 0L,
> 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), abpre2 = c(0.407, 0.408, 0.399,
> 0.404, 0.401, 0.404, 0.413, 0.413, 0.416, 0.407, 0.318, 0.318,
> 0.325, 0.325, 0.318, 0.314, 0.315, 0.316, 0.322, 0.322), abps2 = c(0.458,
> 0.452, 0.452, 0.455, 0.459, 0.465, 0.456, 0.4 59, 0.462, 0.462,
> 0.372, 0.382, 0.392, 0.386, 0.365, 0.386, 0.382, 0.369, 0.382,
> 0.382), abs2 = c(0.051, 0.044, 0.053, 0.051, 0.058, 0.061, 0.043,
> 0.046, 0.046, 0.055, 0.054, 0.064, 0.067, 0.061, 0.047, 0.072,
> 0.067, 0.053, 0.06, 0.06), X_Imedida_1 = c(0L, 0L, 0L, 0L, 0L,
> 1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L),
>     X_ImedXrepli_1 = c(0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L,
>     0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L)), .Names = c("abpre",
> "abps", "abs", "id3", "replicacao", "medida", "abpre2", "abps2",
> "abs2", "X_Imedida_1", "X_ImedXrepli_1"), row.names = c(NA, 20L
> ), class = "data.frame")
>
>
> Abraço
>
> --
> Fernando A.B. Colugnati
>
> --
> Fernando A.B. Colugnati
>
>
>
>
>
>
> _______________________________________________
> 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.
_______________________________________________
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.ufp r.br/r-br-guia) e forneça código mínimo reproduzível.


--
Fernando A.B. Colugnati