O modelo de acordo com o que entendi é apenas um intercepto aleatório pros blocos e o efeito espacial, se é possível estimar na função gls() eu não sei, pelo que o Walmes fala é possível estruturar os resíduos sem problemas mas colocar mais um efeito aleatório de bloco acho que não. O Walmes pode confirmar ...
Agora sem olhar seus dados o modelo teoricamente é estimável como é tudo gaussiano, você pode escrever a verossimilhança e maximizar numericamente, deve ser um problema bem estável. No nosso livro do SINAPE tem um exemplo de geoestatístico pode te ajudar a começar. Tudo que precisa fazer é somar mais uma matriz na matriz de covariâncias marginal.

www.leg.ufpr.br/mcie





Em 18 de dezembro de 2013 13:07, Luiz Roberto Martins Pinto <luizroberto.uesc@gmail.com> escreveu:
Penso que 'Blocos' não pode ser considerado como efeito fixo.
Blocos são agrupamentos particulares das repetições. Portanto são repetições.
Para que os testes estatísticos sejam válidos as repetições tem que ser aleatórias, caso contrário o experimento não tem valor, posto que as repetições são tendenciosas e as conclusões não podem ser inferidas para a população.
Além disto o resíduo (aleatório) contém a interação blocos*tratamentos, que, portanto, deve ser aleatória. Note que no delineamento em que os tratamentos são aleatorizados nos blocos o gl do resíduo é (t-1)*(b-1). O resíduo é sempre aleatório porque o bloco é aleatório.
 

Luiz Roberto Martins Pinto
Prof. Pleno/DCET/UESC
Laboratório de Estatística Computacional
Universidade Estadual de Santa Cruz
Ilhéus-Bahia

luizroberto.uesc@gmail.com
skype: lrmpinto


Em 18 de dezembro de 2013 10:37, Wagner Bonat <wbonat@gmail.com> escreveu:

Por que não considera os blocos como efeito fixo ?

Você vai assumir que a estrutura do efeito espacial é sempre a mesma dentro dos blocos ?


Em 17 de dezembro de 2013 16:00, Cássio Dessotti <cassiodessotti@yahoo.com.br> escreveu:
Olá pessoal, boa tarde!! 

Estou trabalhando com um grupo de experimentos em blocos ao acaso, com dados georreferenciados (x,y), buscando comparar modelos mistos (usuais) com modelos mistos que levam em conta a dependência espacial, utilizando de funções geoestatísticas na matriz de resíduos (R). 

Consigo construir o modelo M1 (BA) com efeito de blocos aleatório a partir da função "lme", além do modelo M2 (Exp-H) que desconsidera o efeito de blocos, e considera uma função exponencial na matriz de covariâncias para os resíduos, além de considerar variâncias diferentes para os 2 locais.

1) A primeira questão está no modelo M3 (BA-Exp-H) que deve "unir" as características dos dois anteriores, considerando efeito de blocos aleatório, função exponencial para a matriz de covariâncias, além de heterogeneidade de variâncias, porém não consegui tal realização nem por meio da função "lme", nem por "gls". Seria necessário o uso de uma outra função? Como eu poderia trabalhar com este modelo no R?  

2) A segunda questão é o seguinte: a partir do modelo que eu selecionar (provavelmente por AIC), desejo extrair os resíduos condicionais estudentizados, e separá-los segundo seus locais, para que em cada local eu possa construir semivariogramas destes resíduos, verificando a "força" da dependência, e realizar a krigagem de cada área (trabalhando com os resíduos para "limpar" os dados de seus efeitos de tratamentos e demais efeitos). Posso seguir esta linha? Acredito que é um ganho de informação trabalhar com todos os locais (análise conjunta) neste sentido, ao invés de fazer todo esse processo em cada local separadamente.

Muito obrigado desde já pela atenção.
Abraço a todos.
Cássio Dessotti.

### Segue o código (com dados fictícios) para exemplificar o meu problema: 
local <- as.factor(c(rep(1,6),rep(2,6))); blo <- as.factor(rep(c(rep(1,3),rep(2,3)),2))
lat <- as.factor(rep(1:3,4)) ; long <- as.factor(rep(c(rep(1,3),rep(2,3)),2))
blo_local <- as.factor(c(rep("1_1",3),rep("2_1",3),rep("1_2",3),rep("2_2",3)))
trat <- as.factor(c(2,3,1,1,3,2,1,3,2,3,2,1))
resp <- c(2,1.9,1.9,1.8,2,1.9,2,2.1,2.3,2,1.9,1.8)
dados <- data.frame(local,trat,blo,lat,long,blo_local,resp)

require(nlme)
### M1 - BA (efeito de blocos aleatório)
M1 <- lme(resp ~ 1 + trat + local + local:trat,
random = list(blo_local = pdIdent(~1)),
method = "REML", na.action = na.omit, data=dados, keep.data=FALSE)

### M2 - Exp H (sem efeito de blocos - função exponencial para R - heterogeneidade de variâncias nos locais)
M2 <- gls(resp ~ 1 + trat + local + local:trat, weight=varComb(varIdent(form = ~ 1|local)),
correlation=corExp(form=~as.numeric(as.character(lat))+as.numeric(as.character(long))|local,
metric="euclidean", nugget=FALSE), method="REML", na.action=na.omit, data=dados)

### M3 - BA-Exp-H (PROBLEMA - blocos aleatórios - função exponencial - heterogeneidade de variâncias) 
M3 <- gls(resp ~ 1 + trat + local + local:trat, random = list(blo_local = pdIdent(~1)),
weight=varComb(varIdent(form = ~ 1|local)),
correlation=corExp(form = ~ as.numeric(as.character(lat))+as.numeric(as.character(long))|local,
metric="euclidean", nugget=FALSE), method="REML", na.action=na.omit, data=dados)


_______________________________________________
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.



--
Wagner Hugo Bonat
LEG - Laboratório de Estatística e Geoinformação
UFPR - Universidade Federal do Paraná

_______________________________________________
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.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.



--
Wagner Hugo Bonat
LEG - Laboratório de Estatística e Geoinformação
UFPR - Universidade Federal do Paraná