[R-br] Medidas repetidas no tempo: aov, Anova, lme ou multcomp?

[Marcelo Laia]

Colega,

A dias que venho lendo a respeito de como realizar uma análise de
medidas repetidas no tempo. Encontrei uma farta bibliografia e
diversas sugestões de como fazer.

Eis um dado mínimo:

datafilename="http://dl.dropbox.com/u/34009642/Dados_Omissao.csv"
data.min <- read.table(datafilename, header=T, sep="\t", dec=",")
head(data.min)
data.min <- within(data.min, {
  Clone <- factor(Clone)
  Tempo <- factor(Tempo)
  Trat <- factor(Trat)
  Planta <- factor(Planta)
})
summary(data.min)

A partir desses dados e do que eu li, tentei:

dados_omissao_h.aov <- aov(h ~ Clone * Trat * Tempo + Error(Planta), data
= data_min) # http://tinyurl.com/bjlas86

Esse http://pealco.net/2009/01/30/repeated-measures-anova-in-r.html dá
outra abordagem.

Eu também rodei o código abaixo.

library(nlme)
lme(h ~ Clone+Trat+Tempo,random=~1|Planta,data=data.min) #

Ainda li os textos seguintes:

http://egret.psychol.cam.ac.uk/statistics/R/anova.html#8.4

http://egret.psychol.cam.ac.uk/statistics/R/enteringdata.html#reshape

http://www.psych.yorku.ca/cribbie/6130/ex14_rscript.R

No entanto, sinceramente, não sei qual abordagem utilizar nos nossos
dados. Desejamos verificar se há diferenças entre clones, entre
tratamentos, a interação clone tratamento e a evolução ao longo do
tempo das variáveis. Ainda, há plantas que morreram ao longo do
experimento devido ao próprio tratamento. E ainda tem a dica do Wlames
no ridiculas para dados binomial!

Alguma sugestão?

-- 
Marcelo
Brasil (Brazil, for English Speakers)
Linux user number 487797