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

[Cesar Rabak]

Prez em dos,

Como a resposta do Walmes está completa, no meu [humilde] ponto de vista (e
bate com minha experiência), gostaria de tentar aditar oferecendo uma
abordagem complementar mais intuitiva, mas que pode abrir a famosa lata de
minhocas (*can of worms*) como gostam de colocar os americanos:

Antes de mais nada é necessário que a gente tenha consciência e clareza do
objetivo do porquê se está a comparar as médias em primeiro lugar:

SE a comparação das médias serve para obter uma estimativa a granel da
população (*bulk*) como, por exemplo, um sociólogo que quer discorrer sobre
quanto cada cidadão de vários países contribui da sua renda *per capita* com
os gastos militares do seu país, então a comparação das médias usando-se a
distribuição gaussiana e invocando o CLT seria suficiente para atingir os
objetivos, mesmo sabendo-se que distribuição da renda nas populações deve
ser outra (talvez Pareto fosse mais apropriada).

SE a comparação das médias é um artifício para fazer um *teste
paramétrico* entre
várias distribuições, então a primeira coisa que precisamos encontrar é
qual seria a distribuição teórica dessas populações e então achar os
parâmetros, do qual a média finda sendo a rainha do baile, embora a gente
deveria prestar a atenção nos outros, mas isto é para debater em outro
post. . .!

Portanto, na minha opinião enquanto o Alexandre não esclarecer qual é
objetivo da sua análise, tanto os revisores como a explicação data acima
são veredicto cujo juri não pode decidir.

HTH
--
Cesar Rabak


2017-02-24 17:46 GMT-03:00 ASANTOS via R-br <r-br em listas.c3sl.ufpr.br>:

> 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
>
> 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/20170228/52d23755/attachment.html>