Olá, Alguém sabe qual a funçao para rodar uma ancova hierárquica? O modelo que quero testar é o crescimento de plantulas (RGR) em funçao do tipo de capoeira (Standtype), espécies de plantulas (spp), tratamento de abertura do dossel (treatment) e tendo como covariáveis a idade da capoeira (age) e os niveis de luz que atingem a plantula (light). Como o tratamento de abertura do dossel é pareado dentro de cada capoeira, preciso incluí-lo com um random effect. Desejo testar também todas as interaçoes possíveis. Pelo que eu estudei até agora, usando o pacote lme4, o modelo ficaria algo parecido com: ancovaRGR<-lme(RGR~Standtype + treat + spp + age + light + Standtype* treat *spp *age + Standtype* treat *spp *light, data = seedlings, random = ~ 1|num/treat/seedlingID) Mas esse modelo não está rodando corretamente. Alguém sabe o que está errado, e se essa é mesmo a função que eu devo usar? Obrigada, Catarina End -- MSc. Ana Catarina C. Jakovac PhD. Candidate Forest Ecology and Forest Management Group Centre for Ecosystem Studies Wageningen University and Research Centre P.O. Box 47 - Lumen Building room 1.212 6700 AA Wageningen, The Netherlands -- MSc. Ana Catarina C. Jakovac PhD. Candidate Forest Ecology and Forest Management Group Centre for Ecosystem Studies Wageningen University and Research Centre P.O. Box 47 - Lumen Building room 1.212 6700 AA Wageningen, The Netherlands -- MSc. Ana Catarina C. Jakovac PhD. Candidate Forest Ecology and Forest Management Group Centre for Ecosystem Studies Wageningen University and Research Centre P.O. Box 47 - Lumen Building room 1.212 6700 AA Wageningen, The Netherlands
Catarina, Você meciona lme4 mas a função lme() pertende ao pacote nlme. Em uma análise de covariância, geralmente não se declara interações das covariáveis (não controladas) com os fatores controlados, faz se a suposição de efeitos aditivos porque deixa o modelo menor, não se tem interesse de estudar as interações pois o foco é nos fatores controlados e as covariáveis entrarão apenas para filtrar/corrigir marginalmente para o seus efeitos. Claro, nada impede de você declarar. Entretando, como em geral experimentos de campo não têm tantos dados, será que o estudo dessas interações tem relevância? Como explicar uma interação de 3 grau ou maior? Bem, você não esclareceu, pelo menos para minha segura compreensão, o seu experimento. Os níveis dos fatores (spp, standtye, trat) foram completamente cruzados, ou seja, existem todas as combinações possíveis? Abertura de dossel é categórico ou métrico? Como foi o processo de aleatorização, foi um esquema de sorteio por níveis, típico de parcelas subdivididas? Então quem é parcela, subparcela, etc. O experimento é em bloco? O crescimento foi observado ao longo do tempo medindo as mesmas unidades experimentais? O que é fator "num" e "seedlingID" no argumento random=. Enfim, um CMR evitaria tudo isso. À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
Prezados, Desculpem a falta de informaçao na minha pergunta. Sou novata no uso do R e também nesta lista. Abaixo tento esclarecer o design, o CMR e as minhas perguntas: *O experimento:* Em 11 capoeiras com diferentes espécies dominantes (6 dominadas por Vismia e 5 dominadas por Cecropia, variavel categórica = Standtype, com dois niveis: Vismia , Cecropia ) e idades diferentes (covariavel = age), foi alocada uma parcela (numero da parcela = num) subdividida em dois tratamentos pareados de abertura de dossel: tratamento (retirada de 35% da área basal) e controle (sem manipulaçao do dossel) (variavel categórica = treat, com dois niveis trat e control). Dentro de cada subparcela (tratamento e controle) foram plantadas 45 mudas de 2 espécies diferentes (variavel categórica = spp, com 2 niveis). Foi medida a altura das plantulas ao longo do tempo,mas aqui eu uso apenas a taxa de crescimento relativo como variável resposta (variável continua = RGR). Foi medida também a quantidade de luz sobre cada plantula (covariavel = light). Cada plantula recebeu uma numeraçao (variavel=seedlingID). As plantulas (seedlingID) foram alocadas aleatoriamente através de sorteio dentro dos tratamentos (treat) que estão pareados dentro de parcela (num). Portanto, acredito que tenho que incluir cada plantula (seedlingID) dentro de tratamento (treat) e este dentro de parcela (num) (random=~ 1|num/treat/seedlingID). Sobre qual funçao usar, eu vi que posso usar tanto a lme do pacote nlme ou a lmer do pacote lme4, mas não sei qual seria mais indicada neste caso. *A função: * pacote: nlme seedlings<-read.table("seedlings.txt", header=TRUE) # Eu coloquei uma parte um exemplo de conjunto de dados em: ( http://www.datafilehost.com/download-de5a4ab5.html) library(nlme) ancovaRGR<-lme(RGR~Standtype + treat + spp + age + light + Standtype* treat *spp *age + Standtype* treat *spp *light, data = seedlings, random = ~ 1|num/treat/seedlingID) summary(ancovaRGR) # Coloquei o meu output em: http://www.datafilehost.com/download-dfed6735.html. Vejam que no output não tem uma tabela de # ancova, como eu esperaria. E a tabela de resultados mostra por exemplo StandtypeVismia (que é o nome da variável junto ao # nome de um dos niveis desta vairavel) ao invés do nome da variável Standtype simplesmente. Da mesma forma ele mostra o # resultado para spp como sppmogno e sppandiroba ao invés de dar o resultado para spp. Como o conjunto de dados e o output sao grandes, coloquei-os como txt no site especificado acima. Não estou enviando um conjunto de dados menor, pois é capaz desse modelo complexo não rodar por falta de graus de liberdade. *Perguntas: * 1) A função está escrita corretamente para realizar uma ancova hierarquica com interaçoes ? 2) Porque no output o nome das variaveis categóricas está sendo apresentado junto com o nome dos respectivos niveis? Imagino que o output desse jeito quer dizer que tem algum problema com a minha função, pois eu testei a mesma tabela com outra funçao mais simples e rodou direitinho, entao nao é um problema da tabela. Espero que agora tenha ficado mais claro. Agradeço a ajuda, Catarina 2012/4/13 Walmes Zeviani <walmeszeviani@gmail.com>
Catarina,
Você meciona lme4 mas a função lme() pertende ao pacote nlme. Em uma análise de covariância, geralmente não se declara interações das covariáveis (não controladas) com os fatores controlados, faz se a suposição de efeitos aditivos porque deixa o modelo menor, não se tem interesse de estudar as interações pois o foco é nos fatores controlados e as covariáveis entrarão apenas para filtrar/corrigir marginalmente para o seus efeitos. Claro, nada impede de você declarar. Entretando, como em geral experimentos de campo não têm tantos dados, será que o estudo dessas interações tem relevância? Como explicar uma interação de 3 grau ou maior?
Bem, você não esclareceu, pelo menos para minha segura compreensão, o seu experimento. Os níveis dos fatores (spp, standtye, trat) foram completamente cruzados, ou seja, existem todas as combinações possíveis? Abertura de dossel é categórico ou métrico? Como foi o processo de aleatorização, foi um esquema de sorteio por níveis, típico de parcelas subdivididas? Então quem é parcela, subparcela, etc. O experimento é em bloco? O crescimento foi observado ao longo do tempo medindo as mesmas unidades experimentais? O que é fator "num" e "seedlingID" no argumento random=. Enfim, um CMR evitaria tudo isso.
À disposição. Walmes.
========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
_______________________________________________ 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.
-- MSc. Ana Catarina C. Jakovac PhD. Candidate Forest Ecology and Forest Management Group Centre for Ecosystem Studies Wageningen University and Research Centre P.O. Box 47 - Lumen Building room 1.212 6700 AA Wageningen, The Netherlands
Bem, vamos primeiro recapitular para dar check list. Você tem 11 unidades, 6 no nível A e 5 no nível B de capoeira (fator da parcela). Cada uma dessas 11 foi divida para receber os 2 níveis do fator abertura (0% e 35%), então são as 22 subparcelas. Em cada uma das 22 subparcelas foram colocados 45 exemplares dos dois níveis de espécie (I e II). A unidade experimental é o exemplar ou muda. Até aqui são 11*2*2*45=1980 registros. A covariável idade (age) é valor observado por parcela, portanto 11. A covariável luz é valor observado por muda, portanto, 1980. Assim nos temos que os termos de efeito aleatório são parcelas (11 níveis), subparcelas (ou capoeira:abertura, 22 níveis) e muda (1980 níveis). Este último é o desvio resídual. Os termos de efeito fixo são tipo de capoeira (2 níveis), abertura de capoeira (2 níveis), espécie (2 níveis) e as covariáveis idade e luz. Então na lme() poderia se declarar assim (veja que o CMR não precisa conter os dados verdadeiros, apenas representar o design corretamente), da <- expand.grid(uni=1:11, abr=c("0%","35%"), esp=c("I","II"), mud=1:45) str(da) da$cap <- factor(ifelse(da$uni<=5, "A", "B")) da$age <- runif(11) da$luz <- runif(nrow(da)) da$uni <- factor(da$uni, ordered=FALSE) da$sub <- with(da, interaction(uni, abr)) head(da, 20) lapply(da, function(x) if(is.factor(x)) levels(x) else NULL) da$y <- rnorm(nrow(da)) require(nlme) m0 <- lme(y~age+luz+cap*abr*esp, random=~1|uni/abr, data=da) summary(m0) # estimativas sob uma particular restrição paramétrica anova(m0) # teste de Wald para os termos de efeito fixo do modelo, similar a ANOVA. O que você indica como erro que sair nomes como no summary() abaixo é padrão do R e acho que você estava pensando que isso era uma anova. São as estimativas dos parâmetros sob uma determinada restrição paramétrica, nesse caso a de zerar o efeito do primeiro nível (ordem alfanumérica) de cada fator. Isso está explicado nos livros de R que abordam uso da função lm(), glm() e demais. Value Std.Error DF t-value p-value (Intercept) -0.14754343 0.10744471 1953 -1.3732033 0.1698 age 0.22709384 0.11910516 8 1.9066667 0.0930 luz -0.00750802 0.08007717 1953 -0.0937598 0.9253 capB 0.09953498 0.09803749 8 1.0152746 0.3397 abr35% -0.06785446 0.09670281 9 -0.7016803 0.5006 espII 0.06385534 0.09657213 1953 0.6612192 0.5085 capB:abr35% 0.19696937 0.13092688 9 1.5044227 0.1667 capB:espII -0.12451915 0.13076225 1953 -0.9522561 0.3411 abr35%:espII 0.05027986 0.13669501 1953 0.3678252 0.7130 capB:abr35%:espII -0.20166323 0.18506593 1953 -1.0896832 0.2760 À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
Caro Walmes, Muito obrigada pela ajuda!! Você tem algum livro do R sobre modelos mistos em pdf? Ou qual você indicaria? Obrigada, Catarina 2012/4/14 Walmes Zeviani <walmeszeviani@gmail.com>
Bem, vamos primeiro recapitular para dar check list. Você tem 11 unidades, 6 no nível A e 5 no nível B de capoeira (fator da parcela). Cada uma dessas 11 foi divida para receber os 2 níveis do fator abertura (0% e 35%), então são as 22 subparcelas. Em cada uma das 22 subparcelas foram colocados 45 exemplares dos dois níveis de espécie (I e II). A unidade experimental é o exemplar ou muda. Até aqui são 11*2*2*45=1980 registros. A covariável idade (age) é valor observado por parcela, portanto 11. A covariável luz é valor observado por muda, portanto, 1980. Assim nos temos que os termos de efeito aleatório são parcelas (11 níveis), subparcelas (ou capoeira:abertura, 22 níveis) e muda (1980 níveis). Este último é o desvio resídual. Os termos de efeito fixo são tipo de capoeira (2 níveis), abertura de capoeira (2 níveis), espécie (2 níveis) e as covariáveis idade e luz. Então na lme() poderia se declarar assim (veja que o CMR não precisa conter os dados verdadeiros, apenas representar o design corretamente),
da <- expand.grid(uni=1:11, abr=c("0%","35%"), esp=c("I","II"), mud=1:45) str(da) da$cap <- factor(ifelse(da$uni<=5, "A", "B")) da$age <- runif(11) da$luz <- runif(nrow(da)) da$uni <- factor(da$uni, ordered=FALSE) da$sub <- with(da, interaction(uni, abr)) head(da, 20)
lapply(da, function(x) if(is.factor(x)) levels(x) else NULL) da$y <- rnorm(nrow(da))
require(nlme)
m0 <- lme(y~age+luz+cap*abr*esp, random=~1|uni/abr, data=da) summary(m0) # estimativas sob uma particular restrição paramétrica anova(m0) # teste de Wald para os termos de efeito fixo do modelo, similar a ANOVA.
O que você indica como erro que sair nomes como no summary() abaixo é padrão do R e acho que você estava pensando que isso era uma anova. São as estimativas dos parâmetros sob uma determinada restrição paramétrica, nesse caso a de zerar o efeito do primeiro nível (ordem alfanumérica) de cada fator. Isso está explicado nos livros de R que abordam uso da função lm(), glm() e demais.
Value Std.Error DF t-value p-value (Intercept) -0.14754343 0.10744471 1953 -1.3732033 0.1698 age 0.22709384 0.11910516 8 1.9066667 0.0930 luz -0.00750802 0.08007717 1953 -0.0937598 0.9253 capB 0.09953498 0.09803749 8 1.0152746 0.3397 abr35% -0.06785446 0.09670281 9 -0.7016803 0.5006 espII 0.06385534 0.09657213 1953 0.6612192 0.5085 capB:abr35% 0.19696937 0.13092688 9 1.5044227 0.1667 capB:espII -0.12451915 0.13076225 1953 -0.9522561 0.3411 abr35%:espII 0.05027986 0.13669501 1953 0.3678252 0.7130 capB:abr35%:espII -0.20166323 0.18506593 1953 -1.0896832 0.2760
À disposição. Walmes.
========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
_______________________________________________ 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.
-- MSc. Ana Catarina C. Jakovac PhD. Candidate Forest Ecology and Forest Management Group Centre for Ecosystem Studies Wageningen University and Research Centre P.O. Box 47 - Lumen Building room 1.212 6700 AA Wageningen, The Netherlands
Sem dúvida referências seriam Pinheiro e Bates ( http://cm.bell-labs.com/cm/ms/departments/sia/NLME/MEMSS/index.html) e Faraway (http://www.maths.bath.ac.uk/~jjf23/ELM/). À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
E, sem querer ser intrometido, eu os recomendaria na ordem inversa... :) O Julian usa o R como o conhecemos hoje, enquanto algumas coisas do livro do Jose Pinheiro estao caindo em desuso (a teoria e' perfeita, mas o R tem mudado)... b 2012/4/16 Walmes Zeviani <walmeszeviani@gmail.com>:
Sem dúvida referências seriam Pinheiro e Bates (http://cm.bell-labs.com/cm/ms/departments/sia/NLME/MEMSS/index.html) e Faraway (http://www.maths.bath.ac.uk/~jjf23/ELM/).
À disposição. Walmes.
========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
_______________________________________________ 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.
Olá pessoal, gostaria de saber se alguém já trabalhou com os intervalos de confiança do odds ratio para os modelos logísticos GLMM. Não estou conseguindo extrair os erros padrões dos efeitos fixos. Obrigado, Wagner
Normalmente você pode jogar o resultado do summary() em um objeto, estudar a estrutura do mesmo e acessar a colunas dos erros padrões. Como não tenho a mínima idéia de como você tá trabalhando, minha contribuição acaba aqui. Se não foi o suficiente, um CMR será bem vindo! Leia o guia de postagem. À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
Olá pessoal, gostaria de saber se alguém já trabalhou com os intervalos de confiança do odds ratio para os modelos logísticos GLMM. Não estou conseguindo extrair os erros padrões dos efeitos fixos. Obrigado
participantes (4)
-
Benilton Carvalho -
Catarina Jakovac -
Wagner Tassinari -
Walmes Zeviani