Re: [R-br] dose-resposta

22 Dez 2016

      Walmes,

Apenas um observação: não seria mais interessante aproveitar mais a
informação da dose se a tratássemos como variável contínua fazendo uma
ANCOVA?

Minha interpretação apressada do seu código me faz crer que a dose virou
fator também. . .

[]s
--
Cesar Rabak

On Thu, Dec 22, 2016 at 9:46 AM, Walmes Zeviani <walmeszeviani@gmail.com>
wrote:
...
Ajuste um modelo com as três espécies como se fosse um fatorial. Para
obter as DLs é mais fácil usar a parametrização de "estimativas separadas
por nível". Veja o código abaixo.
rm(list = ls())
da <- data.frame(
    dose = rep(c(0, 0.15625, 0.3125, 0.625, 1.25, 2.5, 5, 10), each = 4),
    n = rep(10, 32),
    m1 = c(1, 3, 4, 0, 5, 2, 5, 5, 4, 4, 2, 2, 0, 3, 3, 5, 10,
           10, 7, 0, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10,
           10),
    m2 = c(0, 3, 4, 4, 1, 0, 4, 0, 0, 1, 0, 0, 3, 2, 0, 3, 3, 2,
           0, 3, 3, 3, 3, 6, 9, 4, 7, 2, 10, 10, 10, 10),
    m3 = c(4, 2, 2, 3, 4, 6, 8, 6, 4, 6, 6, 5, 5, 9, 5, 8, 10,
            8, 5, 5, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10,
            10))
da$Dose <- as.factor(da$dose)
da <- reshape2::melt(da,
                     id.vars = c("dose", "Dose", "n"),
                     variable.name = "esp",
                     value.name = "mort")
str(da)
library(lattice)
bwplot(mort/n ~ Dose | esp,
       data = da,
       pch = "|",
       as.table = TRUE,
       layout = c(NA, 1))
xyplot(mort/n ~ Dose | esp,
       data = da,
       type = c("p", "a"),
       as.table = TRUE,
       layout = c(NA, 1))
m0 <- glm(cbind(mort, n - mort) ~ esp * dose,
          data = da,
          family = quasibinomial)
par(mfrow = c(2, 2))
plot(m0)
layout(1)
summary(m0)
anova(m0, test = "F")
# Em um modelo binomial do tipo ~ \beta_0 + \beta_1 * x, a DL_{50} é
# -\beta_0/\beta_1.
# Ajuste do modelo com estimativas separadas para cada nível.
m1 <- glm(cbind(mort, n - mort) ~ 0 + esp/dose,
          data = da,
          family = quasibinomial)
# Deviances iguais porque são modelos iguais.
deviance(m0)
deviance(m1)
summary(m1)
beta <- matrix(coef(m1), ncol = 2)
dl <- -beta[, 1]/beta[, 2]
pred <- with(da,
             expand.grid(esp = levels(esp),
                         dose = seq(min(dose), max(dose),
                                    length.out = 30)))
pred$p <- predict(m1, newdata = pred, type = "response")
library(latticeExtra)
xyplot(mort/n ~ dose | esp,
       data = da,
       as.table = TRUE,
       layout = c(NA, 1)) +
    as.layer(xyplot(p ~ dose | esp,
                    data = pred,
                    type = "l",
                    col = 2,
                    lwd = 2)) +
    layer(panel.abline(v = dl[which.packet()],
                       h = 0.5,
                       lty = 2))
À disposição.
Walmes.