[R-br] Interpretação Tabela ANOVA

Jefferson Ferreira Ferreira jecogeo em gmail.com
Segunda Junho 23 13:45:20 BRT 2014


Perfeito Walmes, era o esclarecimento que procurava. Muito obrigado à ti e
aos demais!


-- 

*Jefferson Ferreira-Ferreira*

Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI


Jefferson.ferreira em mamiraua.org.br

*Instituto de Desenvolvimento Sustentável Mamirauá*

Ministério da Ciência, Tecnologia e Inovação

Telefone: +55 97 3343-9710

*Google Maps* - Mapas deste e-mail:

Exibir mapa ampliado
<https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731145&spn=0.004632,0.006968&num=1&t=h&z=18>


*Contatos particulares:*
*(55) 9615-0100*


Em 22 de junho de 2014 17:55, walmes . <walmeszeviani em gmail.com> escreveu:

> Existe diferença de interpretação da anova() e summary(). Pro caso de
> regressão linear simples, não existe, já vai ficar claro.
>
> O é método summary() para modelos (classes lm, aov, nls, glm, lme, lmer,
> survreg, e muitos outros), mostra informações que podem ser divididas em:
> informações da chamada (call), testes de hipótese (t valor, p valor) e
> medidas de ajuste (aic, bic, log-verossimilhança, F, graus de liberdade
> resíduais, etc).
>
> O quadro de testes de hipótese são testes individuais para cada parâmetro
> e marginais aos demais, ou seja, assumindo que o seu modelo tenha a fórmula
> y~x1+x2+x3, no summary() são testadas quadro hipóteses: H0: b0==0? H0:
> b1==0? H0: b2==0? H0: b3==0? O que não de ser esquecido é que essas
> hipóteses são indivíduais e marginais, então H0: b1==0 significa que você
> testa hipótese sob b1 sem fazer restrições para b2, b3 e b0. Sendo assim,
> caso você aceite b1==0 e b2==0 porque eles apresentam p-valor menor que 5%,
> digamos, não pode-se concluir que b1==b2==0. Essa última é uma hipótese
> conjunta e marginal à b0 e b3.
>
> O quadro de anova é diferente, nele são testadas hipóteses sequenciais ou
> parcialmente marginais, ou parcialmente condicionais. Assumindo ainda o
> mesmo modelo, a primeira linha testa b1 marginal à b0 (sem restringir b0) e
> condicional à b2 e b3 (assume que são 0, pois não entraram no modelo ainda,
> no caso). A segunda linha testa b2 marginal à b1 e b0 e condicional à b3
> (assume que é zero). A última linha é b3 marginal à b0, b1 e b2, que no
> caso é a mesma hipótese do summary(), mas só para o último termo do modelo.
>
> Na situação de modelos de regressão múltipla, não é útil olhar para a
> anova() e sim para o summary(). Por que? Porque em geral as variáveis são
> contínuas e para avaliar o seu efeito basta testas o único parâmetro que a
> multiplica pois o modelo é do tipo y = b0+b1*x1+b2*x2+... . Em casos como
> esse, comuns em estudos observacionais, não existe garantia de
> ortogonalidade entre as variáveis regressoras e obviamente testes marginais
> são mais adequados.
>
> No caso de experimentos planejados (geralmente balanceados, com efeitos
> ortogonais e fatores categóricos) a anova é mais interessante que o
> summary(). Por que? Porque sendo os efeitos ortogonais, mesmo a anova tendo
> testes marginais por definição, as somas de quadrados são ortogonais pelo
> delineamento planejado, o que faz com que os testes sejam então ortogonais.
> Se uma variável é categórica com 5 níveis, o teste F da anova avalia a
> hipótese conjunta de 5-1 parâmetros correspondente a não haver efeito deste
> fator, ou seja, das 5 categorias serem representadas por 5 vs 1 parâmetro
> (de 5 para 1, 4 graus de liberdade).
>
> Nas situações que não estão nem em um extremo (só contínuas) nem em outro
> (só categóricas, efeitos ortogonais), não se pode apontar qual dos dois é
> mais relevante. Depende muito da situação. Na minha opinião, para o usuário
> não treinado, é meio complicado avaliar o summary() para um modelo com
> fatores categóricos, isso porque existe uma parametrização (por padrão,
> zerar efeito do primeiro nível) que apesar de simples, para um usuário não
> treinado, é incomodo, ele procura pelas médias mas o summary() não dá
> médias. Isso fica ainda mais incomodo quando se trata de dois ou mais
> fatores com interação.
>
> No caso da regressão linear simples, anova() e summary(), por haver apenas
> o parâmetro b1 sob hipótese, dão exatamente a mesma coisa, inclusive o
> mesmo p-valor para b1, uma vez que o quadrado de uma v.a. t com 1 grau de
> liberdade tem distribuição F.
>
> À disposição.
> Walmes.
>>
> _______________________________________________
> 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/20140623/855555de/attachment.html>


Mais detalhes sobre a lista de discussão R-br