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

[ASANTOS]

Walmes,

       Mais uma vez prestou um claro e didático esclarecimento da 
questão levantada, obrigado pela explanação e referências apontadas,

Redobrados agradecimentos,

Alexandre

-- 
======================================================================
Alexandre dos Santos
Proteção Florestal
IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
Campus Cáceres
Caixa Postal 244
Avenida dos Ramires, s/n
Bairro: Distrito Industrial
Cáceres - MT                      CEP: 78.200-000
Fone: (+55) 65 99686-6970 (VIVO) (+55) 65 3221-2674 (FIXO)
e-mails:alexandresantosbr em yahoo.com.br
         alexandre.santos em cas.ifmt.edu.br
Lattes: http://lattes.cnpq.br/1360403201088680
OrcID: orcid.org/0000-0001-8232-6722   -   ResearcherID: A-5790-2016
Researchgate: www.researchgate.net/profile/Alexandre_Santos10
LinkedIn: br.linkedin.com/in/alexandre-dos-santos-87961635
Mendeley:www.mendeley.com/profiles/alexandre-dos-santos6/
======================================================================

Em 24/02/2017 16:35, Walmes Zeviani escreveu:
> 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 
> <http://users.iems.northwestern.edu/%7Enelsonb/Publications/HsuNelson.pdf>
>
> À disposição.
> Walmes.
> ​

-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170224/25d815bb/attachment.html>