[R-br] Falha em ANAVA

[Walmes Zeviani]

Usar covariate_average=TRUE não muda nada, pois afinal de contas, como Ivan
mencionou, não tem covariável no modelo. Por outro lado,
interaction_average=TRUE deve ser usado se você quer contrastar níveis de
fator principal havendo interações envolvendo este no modelo, mesmo elas
não sendo significativas. Declarar como FALSE está assumindo como 0 as
estimativas e portanto desconsiderando o erro-padrão delas também. No caso
da interação ser não significativa você pode abandonar o termo interação,
ajustar modelo só com efeitos principais. O fato dos valores da anova (F) e
do contraste (t) estarem um de cada lado do 0.05 é um dos problemas da
inferência baseada em p-valor. Assim como um F pode apontar diferenças e um
teste de comparações não apontar, o contrário também pode ocorrer. Na minha
humilde opinião, olhar para o p-valor e dicotomizar em água > 0.05 e vinho
< 0.05 deixa de ser estatística e vira matemática. Se for pra seguir a
risca a filosofia procedural, você só vai para o teste após permissão da
anova. Segue CMR para mostrar a função linear definida pelo
interaction_average=TRUE e a análise após abandono de termos.

ganho1 <-
structure(list(Animal = c(25L, 38L, 42L, 50L, 53L, 18L, 22L,
34L, 41L, 44L, 48L, 2L, 12L, 14L, 39L, 46L, 4L, 5L, 21L, 26L,
49L, 3L, 32L, 37L, 43L, 47L, 8L, 15L, 30L, 40L, 1L, 17L, 23L,
28L, 7L, 9L, 19L, 35L), Gest = structure(c(1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L), .Label = c("0", "100", "130", "140"), class = "factor"),
    Manej = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,
    2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L,
    1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("1",
    "2"), class = "factor"), PVINICIAL = c(36.5, 37, 25.6, 30.3,
    30.1, 27.3, 31, 25.1, 32.5, 29.6, 35, 40, 34.3, 33.8, 33.7,
    31.4, 40, 32.3, 34.5, 29.5, 39.7, 38, 33.2, 34.5, 34.8, 31.3,
    29.2, 32, 30.5, 27.5, 37, 32, 36.5, 40.6, 35.1, 29.8, 36.2,
    28.6)), .Names = c("Animal", "Gest", "Manej", "PVINICIAL"
), class = "data.frame", row.names = c(NA, -38L))

names(ganho1) <- tolower(names(ganho1))
str(ganho1)

library(multcomp)
library(doBy)
library(car)
library(reshape)

cast(manej~gest, data=ganho1, margins=TRUE)

xyplot(pvinicial~manej, groups=gest, ganho1, type=c("p","a"))
xyplot(pvinicial~gest, groups=manej, ganho1, type=c("p","a"))

analise <- lm(pvinicial~manej*gest,data=ganho1)
par(mfrow=c(2,2)); plot(analise); layout(1)

anova(analise)
Anova(analise, type="II")
Anova(analise, type="III")
drop1(analise, scope=.~., test="F")

summary(analise)

g <- glht(analise, linfct=mcp(manej="Tukey",
                     interaction_average=TRUE,
                     covariate_average=TRUE))

g$linfct # função linear definida pelos argumentos usados
         # é o contraste para efeito principal
summary(g)

X <- popMatrix(analise, effect="manej")
X

cbind(c(X[2,]-X[1,]), c(g$linfct)) # exatamente como se faz "na mão"
summary(glht(analise, linfct=rbind(X[2,]-X[1,])))

ana <- update(analise, .~manej+gest)
anova(ana)
summary(ana)

g <- glht(ana, linfct=mcp(manej="Tukey"))
summary(g)

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
==========================================================================
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20121210/3f7bc0ef/attachment.html>