[R-br] path analysis - pacote agricolae

[Heloíse Pavanato]

Boa noite,

Estou com uma dúvida sobre path analysis no pacote agricolae.

No exemplo do manual do pacote se usa a correlação de Pearson para depois
computar os coeficientes da análise.

Minha dúvida é se posso utliizar correlação de Spearman ao invés, já que
meus dados não são normais, gostaria de saber se isso bastaria.
Se alguém tiver alguma outra sugestão será muito bem-vinda.

O CRM segue abaixo:

# dados:
y <- c(77,  92,  94,  95,  79,  87,  91,  70,  65,  69,  68,  56,  71,  67,
 62,  95,  91,  78,
      90,  85,  83,  78,  65,  77,  87,  43,  55,  63,  66,  87,  67,  70,
 69,  30,  28,  44,
      67,  89, 82,  36,  60,  52,  14,  19,  51,  22,  37,  15,  86,  79,
 31,  35,  15,  96,
      89,  88,  92,  90,  18,  15,  13,  93,  95,  83,  95, 100, 100,  84,
 90,  93,  74,  78,
      73,  69,  75,  67,  68, 100,  95,  94,  94,  88,  93,  83,  73,  88,
 95,  71,  69,  71,
      74, 100,  71,  77,  73,  56,  52,  62,  75,  93,  88,  44,  72,  60,
 27,  33,  69,  35,
      44,  27,  93,  87,  56,  52,  27,  98,  94,  90,  96,  95,  26,  20,
 16,  94,  97, 100)

temp <- c(26.26, 26.26, 26.26, 26.26, 26.26, 26.26, 26.26, 25.83, 25.83,
25.83, 25.83, 25.83,
          25.83, 25.83, 25.83, 26.40, 26.40, 26.40, 26.40, 26.40, 26.40,
26.40, 26.40, 26.13,
          26.13, 26.13, 26.13, 26.13, 26.13, 26.13, 26.13, 25.60, 25.60,
25.60, 25.60, 25.60,
          25.60, 25.60, 25.60, 24.96, 24.96, 24.96, 24.96, 24.96, 24.96,
24.96, 24.96, 25.30,
          25.30, 25.30, 25.30, 25.30, 25.30, 25.30, 25.30, 26.76, 26.76,
26.76, 26.76, 26.76,
          26.76, 26.76, 26.76, 24.36, 24.36, 24.36, 24.36, 24.36, 24.36,
24.36, 23.80, 23.80,
          23.80, 23.80, 23.80, 23.80, 23.80, 24.26, 24.26, 24.26, 24.26,
24.26, 24.26, 24.26,
          24.26, 23.70, 23.70, 23.70, 23.70, 23.70, 23.70, 23.70, 23.70,
23.06, 23.06, 23.06,
          23.06, 23.06, 23.06, 23.06, 23.06, 21.93, 21.93, 21.93, 21.93,
21.93, 21.93, 21.93,
          21.93, 22.30, 22.30, 22.30, 22.30, 22.30, 22.30, 22.30, 22.30,
24.00, 24.00, 24.00,
          24.00, 24.00, 24.00, 24.00, 24.00, 24.00)

pluv <- c(136.6, 136.6, 136.6, 136.6, 136.6, 136.6, 136.6, 136.0, 136.0,
136.0, 136.0, 136.0,
          136.0, 136.0, 136.0, 112.3, 112.3, 112.3, 112.3, 112.3, 112.3,
112.3, 112.3,  65.3,
          65.3,  65.3,  65.3,  65.3,  65.3,  65.3,  65.3,  66.0,  66.0,
 66.0,  66.0,  66.0,
          66.0,  66.0,  66.0,  65.0,  65.0,  65.0,  65.0,  65.0,  65.0,
 65.0,  65.0,  53.0,
          53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,
 53.0,  53.0,  53.0,
          53.0,  53.0,  53.0, 254.6, 254.6, 254.6, 254.6, 254.6, 254.6,
254.6, 256.6, 256.6,
          256.6, 256.6, 256.6, 256.6, 256.6, 231.3, 231.3, 231.3, 231.3,
231.3, 231.3, 231.3,
          231.3, 142.6, 142.6, 142.6, 142.6, 142.6, 142.6, 142.6, 142.6,
126.6, 126.6, 126.6,
          126.6, 126.6, 126.6, 126.6, 126.6, 118.0, 118.0, 118.0, 118.0,
118.0, 118.0, 118.0,
          118.0, 110.6, 110.6, 110.6, 110.6, 110.6, 110.6, 110.6, 110.6,
 57.6,  57.6,  57.6,
          57.6,  57.6,  57.6,  57.6,  57.6,  57.6)

# shapiro-wilk
shapiro.test(y)
shapiro.test(x$temperatura) # não é normal!
shapiro.test(x$pluviosidade)

x <- data.frame(temp,pluv)

# path analysis
require(agricolae)
cor.y <- correlation(y,x)$correlation
cor.x <- correlation(x)$correlation
path.analysis(cor.x,cor.y)

Grata,
Heloise
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20130826/6d0138c9/attachment.html>