Caro Walmes,

Boa noite.

Quando tenho dados adcionais é possível fazer teste de comparação de médias, e estudar a interação? Segue adaptação da rotina que passou para os meus dados.

Obrigado.

Alisson Lucrécio da Costa

#########################################

full_data <- structure(list(Solo = structure(c(4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
5L, 5L, 5L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 
6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("LHd", "LVd1", "LVd2", 
"OX", "RQ", "SXd"), class = "factor"), Sol = structure(c(1L, 
1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 
1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("Água", 
"PO4", "SO4"), class = "factor"), Conc = structure(c(1L, 1L, 
1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 2L, 2L, 2L, 3L, 3L, 3L, 
4L, 4L, 4L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 2L, 
2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 
3L, 4L, 4L, 4L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 1L, 1L, 1L, 
2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 
4L, 4L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 2L, 2L, 
2L, 3L, 3L, 3L, 4L, 4L, 4L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 
4L, 4L, 4L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L), .Label = c("0", 
"0.1", "0.25", "0.5"), class = "factor"), Carbono = c(27.087, 
30.352, 29.322, 242, 236.489, 222.298, 432, 438.257, 447.383, 
627.138, 631.305, 623.106, 136.73, 75.979, 70.907, 102.099, 109.085, 
103.674, 123.428, 128.664, 128.844, 39.875, 27.29, 27.084, 75.825, 
79.792, 80.901, 103.56, 107.515, 102.137, 138.102, 136, 141.998, 
40.357, 27.128, 30.341, 39.267, 42, 40.453, 46.644, 46.076, 45.548, 
74.694, 76.737, 75.685, 395, 403.542, 395.252, 527, 539.921, 
530.46, 622.059, 631.452, 629.786, 259.416, 201.837, 200.237, 
269.717, 270.958, 269.994, 292, 286.941, 290.546, 72.797, 48.767, 
47.596, 187, 181.801, 192.776, 234.527, 232, 229.607, 240, 229.223, 
236.598, 79.515, 66.552, 61.401, 92.569, 96.655, 93.394, 104.37, 
107.796, 106.256, 75.803, 70.931, 68.759, 391, 414.772, 431.379, 
602.842, 615.489, 600, 787.489, 796.342, 798, 110, 134.839, 88.296, 
104.46, 100.025, 102.778, 133.712, 136.63, 137.27, 153.782, 155.091, 
152.531, 743, 763.369, 752.123, 986.662, 991.683, 1003, 1343.37, 
1293, 1330.571, 280, 274.604, 279.925, 314.887, 319.158, 325.88, 
350.673, 357.058, 346.08)), .Names = c("Solo", "Sol", "Conc", 
"Carbono"), row.names = c(NA, -126L), class = "data.frame")

str(full_data)

xyplot(Carbono ~ Conc|Solo, data=full_data, group = Sol, type=c("p","a"))

ftable(xtabs(~Solo+Sol+Conc, data=full_data))

lm0 <- lm(Carbono ~ Solo*Sol*Conc, data = full_data)

coef(lm0)

anova(lm0)

estm <- names(coef(lm0))[!is.na(coef(lm0))]

X <- model.matrix(lm0)[, estm]

lm1 <- lm(Carbono~0+X, data=full_data)

names(lm1$coefficients) <- colnames(X)

summary(lm1)

c(deviance(lm0), deviance(lm1))

M1 <- by(data=X, INDICES=full_data$Solo, FUN=as.matrix)
M2 <- by(data=X, INDICES=full_data$Sol, FUN=as.matrix)
M3 <- by(data=X, INDICES=full_data$Conc, FUN=as.matrix)

K1 <- t(sapply(M1, FUN=colMeans))
K2 <- t(sapply(M2, FUN=colMeans))
K3 <- t(sapply(M3, FUN=colMeans))

str(K1)
str(K2)
str(K2)

MASS::fractions(t(K1))
MASS::fractions(t(K2))
MASS::fractions(t(K3))

K1%*%coef(lm1)
K2%*%coef(lm1)
K3%*%coef(lm1)

ddply(full_data, "Solo", summarise, Carbono = mean(Carbono))
ddply(full_data, "Sol", summarise, Carbono = mean(Carbono))
ddply(full_data, "Conc", summarise, Carbono = mean(Carbono))

G1 <- apc(K1)
G2 <- apc(K2)
G3 <- apc(K3)

summary(glht(lm1, linfct=G1), test=adjusted(type="fdr"))
summary(glht(lm1, linfct=G2), test=adjusted(type="fdr"))
summary(glht(lm1, linfct=G3), test=adjusted(type="fdr"))

################


2015-05-11 0:13 GMT-03:00 Alisson Lucrécio <alisson.lucrecio@ifgoiano.edu.br>:
Obrigado, Walmes.

Vou analisar a rotina.

Att.

2015-05-10 23:10 GMT-03:00 Walmes Zeviani 2 [via R-br] <ml-node+s2285057n4664466h82@n4.nabble.com>:
Segue uma rotina que pode ser útil ou servir de inspiração.

##-----------------------------------------------------------------------------

require(doBy)
require(multcomp)

str(fat_data)
str(adi_data)

adi_data$Conc <- factor(0, levels=c(0, levels(fat_data$Conc)))

da <- merge(fat_data, adi_data, all=TRUE)
str(da)

da$Conc <- factor(da$Conc,
                  levels=sort(as.numeric(levels(da$Conc))))
da$Solo <- factor(da$Solo, levels=c("E","A","B","C","D"))
da$Sol <- factor(da$Sol, levels=c("Água","PO4","SO4"))
str(da)

ftable(xtabs(~Solo+Sol+Conc, data=da))

## Especificação do modelo completo.
m0 <- lm(Rep~Solo*Sol*Conc, data=da)

## Efeitos não estimáveis devido ausência de celas.
coef(m0)

## Quadro de anova.
anova(m0)

##--------------------------------------------
## TRUQUE: criar um conjunto de dados artificiais mas que seja um
## fatorial completo.

## Dados artificiais.
fac <- c("Solo","Sol","Conc")
L <- lapply(fac, function(x) levels(da$x))

m0$xlevels

## Dados artificiais, possui todas as celas.
db <- do.call(what=expand.grid, args=m0$xlevels)
db$Rep <- runif(nrow(db))

## Fatorial completo com um registro por cela.
ftable(xtabs(~Solo+Sol+Conc, data=db))

## Com este, ajustar um modelo de mentira apenas para que se possa obter
## a matriz de coeficientes para se chegar as médias marginais.
## mb <- lm(formula(m0), data=db)
mb <- update(m0, data=db)
anova(mb)

## Ajustou sem restar graus de liberdade pois não colocou-se
## repetições. Não é um problema pois quer-se apenas tirar proveito da
## estrutura completa.

sum(is.na(coef(mb))) ## Todos os efeitos estimados.

## Matriz para médias ajustadas de Solo.
t(LSmatrix(mb, effect="Solo"))

## Cuidado! Essa matriz não contém os pesos corretos. É muito útil em
## experimentos fatorias completos, mas nos incompletos deve ser usada
## com o devido cuidado.

## Nessa matriz, remover as colunas dos efeitos não estimáveis. Guardar
## o nome dos efeitos estimados.
estm <- names(coef(m0))[!is.na(coef(m0))]

## Matriz do modelo com colunas correspondentes à efeitos estimáveis.
X <- model.matrix(m0)[, estm]

## Reajuste do modelo sem uso de fórmula, mas com o uso da matriz do
## modelo contendo apenas colunas de efeitos estimáveis.
m1 <- lm(Rep~0+X, data=da)

c(deviance(m0), deviance(m1)) ## São o mesmo modelo.

## Partindo a matriz do modelo. Havendo desbalanceamento (caselas
## presentes com frequência não igual), esse passo precisa ser revisto e
## adaptado.

M <- by(data=X, INDICES=da$Solo, FUN=as.matrix)
## M <- by(data=X, INDICES=da$Sol, FUN=as.matrix)
## M <- by(data=X, INDICES=da$Conc, FUN=as.matrix)

K <- t(sapply(M, FUN=colMeans))
str(K)

## "Pesos". Os pesos estão corretos, diferente daquela retornada pela
## LSmatrix().
MASS::fractions(t(K))

## Médias ajustadas.
K%*%coef(m1)

## Médias amostrais coincidem com as médias matriciais.
with(da, tapply(Rep, Solo, FUN=mean))
## with(da, tapply(Rep, Sol, FUN=mean))
## with(da, tapply(Rep, Conc, FUN=mean))

## Médias ajustadas são sempre bem vindas pela maioria das pessoas mas
## elas raramente fazem sentido. Por exemplo, fazem sentido se os
## efeitos marginalizados são nulos (termo pode ser removido do modelo)
## ou talvez considerados como aleatórios (esperança 0).

##--------------------------------------------
## Contrastes entre níveis de Solo.

require(wzRfun)

## No caso de não desejar instalar o wzRfun, apenas copie o código da
## função apc() para uma sessão R. Acesso pelo link:
## https://raw.githubusercontent.com/walmes/wzRfun/master/R/apc.R

source("https://raw.githubusercontent.com/walmes/wzRfun/master/R/apc.R")

G <- apc(K)

summary(glht(m1, linfct=G), test=adjusted(type="fdr"))
## summary(glht(m1, linfct=G), test=adjusted(type="bonferroni"))

##-----------------------------------------------------------------------------

À disposição.
Walmes.
​

_______________________________________________
R-br mailing list
[hidden email]
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.

If you reply to this email, your message will be added to the discussion below:
http://r-br.2285057.n4.nabble.com/R-br-Fatorial-tiplo-com-dados-adicionais-tp4664459p4664466.html
To unsubscribe from R-br, click here.
NAML



--
Alisson Lucrecio da Costa



--
Alisson Lucrecio da Costa