[R-br] multcomp/doBy comparação multipla com interação

Segunda Dezembro 3 23:00:12 BRST 2012

Muito obrigado Walmes! Mais uma vez foi muito esclarecedor sua resposta.
Penso que é mais sensato manter a analis com o default da função glht mesmo.
grato.

Em 3 de dezembro de 2012 22:14, Walmes Zeviani
<walmeszeviani em gmail.com>escreveu:

> Isso que aconteceu com você acontece com frequência. Veja, sua interação
> foi significativa à 4%
>
>                 Sum Sq Df  F value  Pr(>F)
> (Intercept) 1254528000  1 301.3933 < 2e-16 ***
> Gest          39011053  3   3.1241 0.04044 *
> Manej         28043758  1   6.7374 0.01448 *
> Gest:Manej    39571188  3   3.1689 *0.03859 **
> Residuals    124872833 30
>
> Bem, agora você vai fazer comparações duas à duas. O seu número de
> hipóteses avaliadas é grande pois você fará k(k-1)/2 contrastes, onde k é o
> número de níveis. Quando eleva-se o número de hipóteses eleva-se também a
> chance de erro tipo I. Se cada hipótese tem 95% de confiança (ou 5% de
> significância), ao testar 10 hipóteses *independentes*, a chance de *pelo
> menos uma* ser significativa por mero acaso é 1-0.95^10=0.40, ou seja, bem
> distante do 5%. Ou seja, o nível de significância global fica longe do
> nominal. Para contornar isso faça a engenharia inversa, quanto deve ser
> nível individual para o global ser 5%?
>
> Diversos tipos de testes de comparação multipla existem justamente para
> fazer essa engenharia inversa (Tukey, SNK, t protegido por Bonferroni,
> etc). Cada um deles procura resolver o mesmo problema: a manutenção do
> nível global de significância para comparações múltiplas. A glht() faz
> correção nos p-valores dos testes t. Vários métodos estão disponíveis e o
> padrão é o single-step. Mudar o método muda o apelo e consequentemente o
> rigor, uns serão mais liberais (tenderão a dar mais diferenças) que outros.
> Quando você pega p-valores do F perto do 5%, como no seu caso, se o número
> de comparações for grande (6 no seu caso), existe chance de não haver
> diferenças. Por exemplo, para ser significativo pelo critério de
> Bonferroni, o nível individual de cada teste t teria que ser inferior à
> 5%/6=0.833, ou seja, uma hipótese individual tem que ser significativa à 1%
> para representar 5% no global.
>
> É natural você pagar esse preço, afinal, você tá testando várias
> hipóteses. Sou dono de uma barraca de tiro ao alvo numa feira. O prêmio é
> R$ 10 se acertar o alvo com 3 tentativas. Se você diz "quanto eu ganho se
> eu acertar com 10 tentativas?", lógico que não vou te pagar R$ 10. Pagaria
> bem menos, você terá muito mais chances. Tenho que manter a esperança
> matemática no mesmo lugar.
>
> Você pode trocar a opção de correção de p-valor para que veja diferenças
> mas não é recomendado fazer. Os testes de hipótese bem como as hipóteses
> devem ser definidos antes do experimento/análise dos dados e não decididos
> durante análise para favorecer certos resultados. Em caráter exploratório,
> você pode fazer o teste à 10% para recomendar estratégias/selecionar níveis
> para realizar um experimento futuro.
>
> X1 <- popMatrix(C, effect="Gest", at=list(Manej="1"))
> X2 <- popMatrix(C, effect="Gest", at=list(Manej="2"))
> cb <- combn(nrow(X), 2)
> Xc1 <- X1[cb[1,],]-X1[cb[2,],]
> Xc2 <- X2[cb[1,],]-X2[cb[2,],]
> summary(glht(C, linfct=Xc1))
> summary(glht(C, linfct=Xc2))
> summary(glht(C, linfct=Xc1), test=adjusted(*type="none"*))
> summary(glht(C, linfct=Xc2), test=adjusted(*type="none"*))
>
> > summary(glht(C, linfct=Xc1))
> Linear Hypotheses:
>        Estimate Std. Error t value Pr(>|t|)
> 1 == 0     -180       1290  -0.139   0.9990
> 2 == 0    -1760       1290  -1.364   0.5307
> 3 == 0    -3710       1369  -2.711   0.0508 .
> 4 == 0    -1580       1290  -1.224   0.6163
> 5 == 0    -3530       1369  -2.579   0.0680 .
> 6 == 0    -1950       1369  -1.425   0.4940
> (Adjusted p values reported -- *single-step method*)
>
> > summary(glht(C, linfct=Xc1), test=adjusted(type="none"))
> Linear Hypotheses:
>        Estimate Std. Error t value Pr(>|t|)
> 1 == 0     -180       1290  -0.139    0.890
> 2 == 0    -1760       1290  -1.364    0.183
> 3 == 0    -3710       1369  -2.711    0.011 *
> 4 == 0    -1580       1290  -1.224    0.230
> 5 == 0    -3530       1369  -2.579    0.015 *
> 6 == 0    -1950       1369  -1.425    0.165
> (Adjusted p values reported -- *none method*)
>
> 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
> skype: walmeszeviani
> twitter: @walmeszeviani
> homepage: http://www.leg.ufpr.br/~walmes
> linux user number: 531218
> ==========================================================================
>
> _______________________________________________
> R-br mailing list
> R-br em 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.
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20121203/19399f88/attachment.html>