[R-br] Levene Test em experimentos fatoriais

[Cesar Rabak]

Maurício,

Você deve proceder *não fazendo* esse teste a priori de qualquer outro de
inferência estatística:
1) Além dos problemas de esses testes serem ou pouco sensíveis se a amostra
for pequena e demasiado sensíveis (sempre acabam rejeitando a hipótese
nula) se a amostra for "grande";
2) eles equivalem "ao envio de um bote para ver se o cruzeiro do
transatlântico será seguro";
3) Aumentam a taxa de erros Tipo I do teste agregado (homogeneidade + o
teste sobre o experimento fatorial); e
4) Consomem graus de liberdade que geralmente os SW que fazem os testes a
posteriori do teste s/variâncias não têm como parametrizar para levar em
conta esse fato.

Você deve encontrar uma maneira de assegurar-se da premissa sobre seus
dados a partir do processo que os geraram.

HTH
--
Cesar Rabak


2016-08-05 19:07 GMT-03:00 Maurício Sangiogo <r-br em listas.c3sl.ufpr.br>:

> Pessoal, estou iniciando no R, e me surgiu uma dúvida: no caso de
> experimentos fatoriais, com dois fatores como devo proceder a análise de
> homogeneidade das variâncias pelo teste Levene?
> Desde já agradeço!
>
>
>
>
> *..................*
> *Mauricio Sangiogo*
> TEL:(55) 96822030
>   Currículo Lattes: *http://lattes.cnpq.br/1098128601727996
> <http://lattes.cnpq.br/1098128601727996>*
>
>
> > From: r-br-request em listas.c3sl.ufpr.br
> > Subject: Digest R-br, volume 68, assunto 5
> > To: r-br em listas.c3sl.ufpr.br
> > Date: Fri, 5 Aug 2016 12:00:01 -0300
> >
> > Enviar submissões para a lista de discussão R-br para
> > r-br em listas.c3sl.ufpr.br
> >
> > Para se cadastrar ou descadastrar via WWW, visite o endereço
> > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> > ou, via email, envie uma mensagem com a palavra 'help' no assunto ou
> > corpo da mensagem para
> > r-br-request em listas.c3sl.ufpr.br
> >
> > Você poderá entrar em contato com a pessoa que gerencia a lista pelo
> > endereço
> > r-br-owner em listas.c3sl.ufpr.br
> >
> > Quando responder, por favor edite sua linha Assunto assim ela será
> > mais específica que "Re: Contents of R-br digest..."
> >
> >
> > Tópicos de Hoje:
> >
> > 1. Re: plotar batimetrias tracejadas (Éder Comunello)
> > 2. [Dúvida] Hessiana pela função optim (Pedro Rafael)
> > 3. Re: [Dúvida] Hessiana pela função optim (Wagner Bonat)
> >
> >
> > ----------------------------------------------------------------------
> >
> > Message: 1
> > Date: Thu, 4 Aug 2016 12:58:54 -0400
> > From: Éder Comunello <comunello.eder em gmail.com>
> > To: Rodrigo Plei <rodrigo.plei em gmail.com>, a lista Brasileira oficial
> > de discussão do programa R. <r-br em listas.c3sl.ufpr.br>
> > Subject: Re: [R-br] plotar batimetrias tracejadas
> > Message-ID:
> > <CABmC8g=X4h50BJndGYpsrV58odUJ3R8XoNZZnu1j3cK42zoj0g em mail.gmail.com>
> > Content-Type: text/plain; charset="utf-8"
> >
> > Rodrigo,
> >
> > Ao importar o shape ele se torna um objeto da classe sp (SpatialLines ou
> > SpatialLinesDF). A partir daí vc pode isolar as linhas e definir o padrão
> > ao usar plot(). Para tracejado use o argumento lty=2 ou 3.
> >
> > # <code r>
> > # http://mapas.mma.gov.br/i3geo/datadownload.htm
> > fn <- paste0("http://mapas.mma.gov.br/ms_tmp/estadosl_2007", c(".shp",
> > ".dbf", ".shx"))
> > for (i in fn) download.file(i, basename(i), mode="wb")
> >
> > require(maptools)
> > est <- readShapeLines("estadosl_2007")
> > est.pol <- readShapePoly("estadosl_2007")
> > str(est, max=2)
> > est em data
> > est em data[c(7,9,12,13),]
> >
> > plot(est, lty=2)
> > lines(est[c(7,9,12,13),], col=2, add=T)
> > # plot(est.pol[c(7,9,12,13),], col=2, add=T)
> > # </code>
> >
> >
> >
> > ================================================
> > Éder Comunello
> > Researcher at Brazilian Agricultural Research Corporation (Embrapa)
> > DSc in Agricultural Systems Engineering (USP/Esalq)
> > MSc in Environ. Sciences (UEM), Agronomist (UEM)
> > ---
> > Embrapa Agropecuária Oeste, Dourados, MS, Brazil |<O>|
> > ================================================
> > GEO, -22.2752, -54.8182, 408m
> > UTC-04:00 / DST: UTC-03:00
> >
> >
> >
> >
> > Em 3 de agosto de 2016 21:05, Rodrigo Plei via R-br <
> > r-br em listas.c3sl.ufpr.br> escreveu:
> >
> > > Prezados,
> > >
> > > Tenho um shapefile que contém os dados da linha de costa e de
> batimetrias
> > > (100 a 500 m).
> > >
> > > Eu uso o pacote "maptools" para plotar o mapa nos limites que eu quero,
> > > que obviamente acaba plotando tudo o que está no shapefile em linha
> > > contínua.
> > >
> > > Gostaria de saber:
> > >
> > > 1 - se há como plotar a linha de costa em traço contínuo e as
> batimetrias
> > > tracejadas
> > >
> > > 2 - se há como escolher somente uma das batimetrias (digamos, a de 200
> m)
> > > para ser plotada (tracejada obviamente) no mesmo mapa.
> > >
> > > ------------------------------------------------------------
> > > ------------------------------------------
> > > CRM:
> > >
> > > setwd("C:\\ ...") # diretório onde está o shapefile
> > >
> > > mapa <- readShapeLines("nome_do_shapefile.shp")
> > >
> > > plot(mapa, xlim =c(-48, -44), ylim = c(-26.5, - 23), axes = TRUE,
> > > cex.axis=1.2)
> > > ------------------------------------------------------------
> > > ---------------------------------------------
> > >
> > > Não dá para mandar o shapefile porque é muito grande, mas pelo CRM dá
> para
> > > visualizar o que eu fiz e o que eu gostaria de fazer.
> > >
> > > Agradeço desde logo,
> > >
> > > Rodrigo
> > >
> > >
> > > --
> > > =8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->
> > >
> > > Prof. Dr. Rodrigo Silvestre Martins
> > >
> > > Universidade Federal de São Paulo
> > > Instituto do Mar
> > > Campus Baixada Santista
> > > Rua Dr. Carvalho de Mendonça, 144
> > > Encruzilhada, 11070100, Santos, SP - Brasil
> > > Tel: + 55 13 3229-0365
> > >
> > > http://www.unifesp.br/campus/san7/
> > > <http://www.unifesp.br/campus/san7/graduacao/cursos/
> bacharelado-interdisciplinar-em-ciencia-e-tecnologia-do-mar>
> > >
> > > Email: rodrigo.plei em gmail.com ; ocersm em lycos.com; rsmartins em usp.br;
> > > rsmartins em unifesp.br
> > > CV Lattes: http://lattes.cnpq.br/5350064124902777
> > > Google Scholar: http://scholar.google.com.br/
> citations?user=zX_EezEAAAAJ&
> > > hl=pt-BR
> > > Orcid: http://orcid.org/0000-0002-9884-1515
> > > Research Gate: https://www.researchgate.net/profile/Rodrigo_Martins6/
> > > <https://www.researchgate.net/profile/Rodrigo_Martins6/?ev=hdr_xprf>
> > >
> > >
> > >
> > >
> > >
> > >
> > >
> > >
> > > _______________________________________________
> > > 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/
> 20160804/1c0b1756/attachment-0001.html>
> >
> > ------------------------------
> >
> > Message: 2
> > Date: Thu, 4 Aug 2016 18:39:32 -0300
> > From: Pedro Rafael <pedro.rafael.marinho em gmail.com>
> > To: r-br em listas.c3sl.ufpr.br
> > Subject: [R-br] [Dúvida] Hessiana pela função optim
> > Message-ID:
> > <CAKwavrkG0RvV+R6dGmVM1LRbw3KAK_bAJ7F4EriAHEXh4V0G8w em mail.gmail.com>
> > Content-Type: text/plain; charset="utf-8"
> >
> > Caros,
> >
> > sabemos que a matriz Hessiana multiplicada por -1 da função de
> > log-verossimilhança nos fornecem a matriz de informação observada que
> > converge assintoticamente para a matriz de informação esperada. A
> diagonal
> > principal da matriz inversa da informação esperada nos dá as variâncias
> os
> > estimadores de máxima verossimilhança.
> >
> > Um fato importante para o o questionamento que vou fazer é que estou
> > fazendo uso da matriz de informação observada de modo a ter ao menos uma
> > aproximação da variância dos estimadores de máxima verossimilhança
> obtidos
> > numericamente pelo método BFGS.
> >
> > O problema é que estou obtendo em alguns caros que a
> solve(-diag(hessiana))
> > negativa o que não era de se esperar. Vejam se possível o código.
> >
> > # PDF
> > pdf_ekww <- function(par,x){
> > a = par[1]
> > b = par[2]
> > c = par[3]
> > alpha = par[4]
> > beta = par[5]
> > g = dweibull(x = x, shape = alpha, scale = beta, log = FALSE)
> > G = pweibull(q = x, shape = alpha, scale = beta, lower.tail = TRUE, log.p
> > = FALSE)
> > a * b * c * g * G^(a-1) * (1-G^a)^(b-1) * (1-(1-G^a)^b)^(c-1)
> > }
> >
> > # Quantilica
> > sample_ekww <- function(n,par){
> > a = par[1]
> > b = par[2]
> > c = par[3]
> > alpha = par[4]
> > beta = par[5]
> > u = runif(n=n,min=0, max=1)
> > qweibull(p = (1-(1-u^(1/c))^(1/b))^(1/a), shape = alpha, scale = beta,
> > lower.tail = TRUE, log.p = FALSE)
> > }
> > set.seed(1987)
> >
> > vector_par_true = c(1,1,1,1,1)
> > data = sample_ekww(n = 1000, par = vector_par_true)
> >
> > # Função de log-verossimilhança.
> > obj_ekww = function(par,x){
> > sum(log(pdf_ekww(par,x)))
> > }
> >
> > # Maximizando log-verossimilhança.
> > result = optim(fn = obj_ekww, par = c(0.5,1.4,1,1,1), method = "BFGS", x
> =
> > data, hessian = TRUE, control=list("fnscale"=-1))
> >
> > diag(solve(-result$hessian))
> >
> > Observem que o primeiro elemento do vetor logo acima é negativo o que não
> > deveria ser verdade. Notem também que houve convergência segundo o
> critério
> > de parada da função optim, em que convergence é igual a zero. O que para
> > vocês podem estar provocando esse problema? A função objetivo é
> complicada
> > a ponto de provocar problemas na convergência do algoritmo vindo por sua
> > vez acarretar esse tipo de problema?
> >
> > Digo isso porque essas novas classes de distribuições de probabilidade
> por
> > apresentar diversos parâmetros produzem log-verossimilhanças muito
> > complicadas incluindo problemas de regiões aproximadamente planas bem
> como
> > problemas piores como log-verossimilhanças monótonas.
> >
> > Obrigado desde já,
> > Pedro Rafael.
> > -------------- Próxima Parte ----------
> > Um anexo em HTML foi limpo...
> > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/
> 20160804/f76ae573/attachment-0001.html>
> >
> > ------------------------------
> >
> > Message: 3
> > Date: Fri, 5 Aug 2016 13:39:14 +0100
> > From: Wagner Bonat <wbonat em gmail.com>
> > To: Pedro Rafael <pedro.rafael.marinho em gmail.com>, a lista Brasileira
> > oficial de discussão do programa R. <r-br em listas.c3sl.ufpr.br>
> > Subject: Re: [R-br] [Dúvida] Hessiana pela função optim
> > Message-ID:
> > <CANt=4Mj_ScQyHrorVUCq7aG2ZyD-VZxBe_5Jb3HtmLuuNoSJuQ em mail.gmail.com>
> > Content-Type: text/plain; charset="utf-8"
> >
> > Esse problema pode ocorrer por muitos motivos incluindo apenas uma má
> > aproximação do hessiano.
> > Eu recomendo algumas coisas:
> > 1 - Calcule a verossimilhança perfilhada de cada parâmetro. Isso vai de
> dar
> > certeza que o algoritmo convergiu e te mostrar a cara da função. De
> acordo
> > com o comportamento da profile likelihood vc pode tentar alguma
> > reparametrização pra melhorar o comportamento do algoritmo numerico. Eu
> > usaria o pacote bbmle que vai fazer isso automaticamente pra vc.
> > 2 - Calcule ao menos a primeira derivada da sua log-verossimilhança e use
> > no BFGS.
> > 3 - Calcule o hessiano numericamente porém separado, vc pode usar por
> > exemplo o pacote numDeriv.
> >
> > Att
> >
> > Em 4 de agosto de 2016 22:39, Pedro Rafael via R-br <
> > r-br em listas.c3sl.ufpr.br> escreveu:
> >
> > > Caros,
> > >
> > > sabemos que a matriz Hessiana multiplicada por -1 da função de
> > > log-verossimilhança nos fornecem a matriz de informação observada que
> > > converge assintoticamente para a matriz de informação esperada. A
> diagonal
> > > principal da matriz inversa da informação esperada nos dá as
> variâncias os
> > > estimadores de máxima verossimilhança.
> > >
> > > Um fato importante para o o questionamento que vou fazer é que estou
> > > fazendo uso da matriz de informação observada de modo a ter ao menos
> uma
> > > aproximação da variância dos estimadores de máxima verossimilhança
> obtidos
> > > numericamente pelo método BFGS.
> > >
> > > O problema é que estou obtendo em alguns caros que a
> > > solve(-diag(hessiana)) negativa o que não era de se esperar. Vejam se
> > > possível o código.
> > >
> > > # PDF
> > > pdf_ekww <- function(par,x){
> > > a = par[1]
> > > b = par[2]
> > > c = par[3]
> > > alpha = par[4]
> > > beta = par[5]
> > > g = dweibull(x = x, shape = alpha, scale = beta, log = FALSE)
> > > G = pweibull(q = x, shape = alpha, scale = beta, lower.tail = TRUE,
> > > log.p = FALSE)
> > > a * b * c * g * G^(a-1) * (1-G^a)^(b-1) * (1-(1-G^a)^b)^(c-1)
> > > }
> > >
> > > # Quantilica
> > > sample_ekww <- function(n,par){
> > > a = par[1]
> > > b = par[2]
> > > c = par[3]
> > > alpha = par[4]
> > > beta = par[5]
> > > u = runif(n=n,min=0, max=1)
> > > qweibull(p = (1-(1-u^(1/c))^(1/b))^(1/a), shape = alpha, scale = beta,
> > > lower.tail = TRUE, log.p = FALSE)
> > > }
> > > set.seed(1987)
> > >
> > > vector_par_true = c(1,1,1,1,1)
> > > data = sample_ekww(n = 1000, par = vector_par_true)
> > >
> > > # Função de log-verossimilhança.
> > > obj_ekww = function(par,x){
> > > sum(log(pdf_ekww(par,x)))
> > > }
> > >
> > > # Maximizando log-verossimilhança.
> > > result = optim(fn = obj_ekww, par = c(0.5,1.4,1,1,1), method = "BFGS",
> x =
> > > data, hessian = TRUE, control=list("fnscale"=-1))
> > >
> > > diag(solve(-result$hessian))
> > >
> > > Observem que o primeiro elemento do vetor logo acima é negativo o que
> não
> > > deveria ser verdade. Notem também que houve convergência segundo o
> critério
> > > de parada da função optim, em que convergence é igual a zero. O que
> para
> > > vocês podem estar provocando esse problema? A função objetivo é
> complicada
> > > a ponto de provocar problemas na convergência do algoritmo vindo por
> sua
> > > vez acarretar esse tipo de problema?
> > >
> > > Digo isso porque essas novas classes de distribuições de probabilidade
> por
> > > apresentar diversos parâmetros produzem log-verossimilhanças muito
> > > complicadas incluindo problemas de regiões aproximadamente planas bem
> como
> > > problemas piores como log-verossimilhanças monótonas.
> > >
> > > Obrigado desde já,
> > > Pedro Rafael.
> > >
> > >
> > > _______________________________________________
> > > 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.
> > >
> >
> >
> >
> > --
> > Wagner Hugo Bonat
> > ------------------------------------------------------------
> ----------------------------------
> > Department of Mathematics and Computer Science (IMADA)
> > University of Southern Denmark (SDU) and
> > Laboratório de Estatística e Geoinformação (LEG)
> > Universidade Federal do Paraná (UFPR)
> > -------------- Próxima Parte ----------
> > Um anexo em HTML foi limpo...
> > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/
> 20160805/4139cbe0/attachment-0001.html>
> >
> > ------------------------------
> >
> > Subject: Legenda do Digest
> >
> > _______________________________________________
> > R-br mailing list
> > R-br em listas.c3sl.ufpr.br
> > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> >
> >
> > ------------------------------
> >
> > Fim da Digest R-br, volume 68, assunto 5
> > ****************************************
>
> _______________________________________________
> 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/20160807/aa990670/attachment.html>