[R-br] Referências para justificar o uso de teste de médias baseados em preditores lineares [OFF-TOPIC]

Walmes Zeviani walmeszeviani em gmail.com
Sexta Fevereiro 24 17:35:05 BRT 2017


Alexandre,

Às vezes é bem difícil, senão impossível, argumentar contra a ignorância de
certos revisores. Eu partiria do seguinte ponto. Em modelos lineares
gaussianos, as médias amostrais são funções lineares das observações para
estimar as médias dos tratamentos. Isso pode ser obtido de forma
equivalente por meio dos efeitos estimados do modelo, sem nenhum prejuízo,
pelo contrário. Já que os efeitos são funções lineares das observações,
médias que resultam de funções lineares dos efeitos nada mais são, por
consequência, funções lineares das observações no final das contas.
Acontece que isso não se preserva em modelos lineares generalizados, devido
a presença da função de ligação ser não linear (quebra o circuito de
funções lineares) e a função de variância não ser mais constante
(observações tem pesos diferentes na média). Dessa forma, uma função linear
dos efeitos é o jeito correto de obter médias ajustadas, haja visto que ela
incorpora os diferentes pesos da função de variância do modelo utilizado
(Poisson, Binomial) coisa que as médias amostrais não fazem nesse caso.
Existe toda uma literatura sobre isso. Recomendo mencionar

Analysis of Messy Data, volume 1, 2 e 3, George A. Milliken, Dallas E.
Johnson
Linear Models, Shayle R. Searle, Marvin H. J. Gruber
Generalized, Linear, and Mixed Models, Charles E. McCulloch, Shayle R.
Searle
Contemporary Statistical Models for the Plant and Soil Sciences, Oliver
Schabenberger, Francis J. Pierce
Multiple Comparisons Using R, Frank Bretz, Torsten Hothorn, Peter Westfall
http://users.iems.northwestern.edu/~nelsonb/Publications/HsuNelson.pdf

À disposição.
Walmes.
​
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170224/5881b7fe/attachment.html>


Mais detalhes sobre a lista de discussão R-br