[R-br] modelos mistos - funçao para nested ancova

[Walmes Zeviani]

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 em ufpr.br
twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes
linux user number: 531218
==========================================================================
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20120414/4c06766a/attachment.html>