[R-br] Ajuda com análise conjunta de dois experimentos com parcelas subdividas

Henrique Boriolo Dias henrique.bdias em yahoo.com.br
Ter Out 1 21:05:35 -03 2019


 Boa noite prezados,
Mais ou menos no contexto da dúvida do José, gostaria de ter uma luz com relação a análise dos dados experimentais que estou trabalhando.
Experimento em dois locais, ambos em delineamento em blocos casualizados em esquema de parcela subdivididas, com quatro repetições. O manejo foi basicamente o mesmo para os dois locais.- parcela: epoca de inicio da cultura (6)- subparcela: cultivar (6)- foram realizadas algumas colheitas antes de colheita final do experimento, com cerca de 15 meses (trabalho com cana também).
Estou utilizando os códigos em anexo para realizar uma anova, com a ajuda dos pacotes 'agricolae' e 'ExpDes'. Tambem utilizei o modelo que o Walmes sugeriu. Pelo que puder checar, os três estão chegando na mesma coisa, o que é bom e indica que talvez eu esteja no caminho certo.Estou rodando para cada local e época de colheita separados (veja os subsets).
As dúvidas, além de saber se estou ou não num caminho lúcido em termos da estatística:1) Em alguns casos houve violação de alguma pressuposição (estou testando norm. dos residuos e homogeneidade apenas), como para a variável resposta 3, no local II colhido na idade 8.- Procedo com alguma transformação ? tipo utilizar boxcox e ver qual melhor forma de transformar os dados ?- Ou Parto para outro tipo de abordagem ? alguma sugestão ?2) Há alguma forma de análise considerando as todas as idades ?3) Ao menos duas idades e 3 dos cultivares são comuns em ambos os locais, seria muito abusado tentar realizar uma análise conjunta apenas para essas cultivares? (com abordagem similar ao proposto para o caso do José)
Agradeço quem puder me dar um help!Até maisHenrique

    Em sexta-feira, 20 de setembro de 2019 16:40:56 GMT-4, Walmes Zeviani por (R-br) <r-br em listas.c3sl.ufpr.br> escreveu:  
 
 Lucas,
Que bom que forneceu os dados e croqui.O seu croqui indica que você está usando blocos incompletos balanceados, pelo menos se considerar que o bloco é o retângulo 4 x 4 parcelas. É isso mesmo? Interessante.No entanto, a tabela de dados que você mandou parece estar considerando como bloco a linha que contém 24 parcelas.No meu modo de ver, o bloco com essas dimensões (tão comprido), não deve apresentar a homogeneidade que se espera.É bem provável que a parcela 1C tenha mais semelhança em condições com as parcelas 4B e 8D, por exemplo, do que com as parcelas 33C e 41D.Talvez você possa analisar das duas formas.
De qualquer forma, o modelo para o seu experimento fica conforme código a seguir.
> library(lattice)
> 
> url <- "Dados_Conj_2ExpSub.csv"
> tb <- read.csv2(url)
> str(tb)
'data.frame': 96 obs. of  6 variables:
 $ FID       : Factor w/ 96 levels "12A","12C","13A",..: 9 43 53 87 95 1 3 5 7 11 ...
 $ Manejo    : Factor w/ 2 levels "PC","PD": 2 2 2 2 2 2 2 2 2 2 ...
 $ Rotacao   : Factor w/ 6 levels "A","CJ","CO",..: 2 3 5 4 3 6 2 5 1 5 ...
 $ Nitrogenio: Factor w/ 2 levels "Com","Sem": 2 2 2 2 2 2 2 2 2 2 ...
 $ Bloco     : int  1 2 3 4 1 2 3 4 1 2 ...
 $ N_kg_ha   : int  209 234 209 158 101 96 46 118 130 162 ...
> 
> tb <- transform(tb,
+                 Bloco = factor(Bloco))
> 
> xtabs(~Manejo + Rotacao, data = tb)
      Rotacao
Manejo A CJ CO CS P S
    PC 8  8  8  8 8 8
    PD 8  8  8  8 8 8
> ftable(xtabs(~Manejo + Bloco + Rotacao, data = tb))
             Rotacao A CJ CO CS P S
Manejo Bloco                       
PC     1             2  2  2  2 2 2
       2             2  2  2  2 2 2
       3             2  2  2  2 2 2
       4             2  2  2  2 2 2
PD     1             2  2  2  2 2 2
       2             2  2  2  2 2 2
       3             2  2  2  2 2 2
       4             2  2  2  2 2 2
> 
> xyplot(N_kg_ha ~ Rotacao | Manejo,
+        groups = Nitrogenio,
+        type = c("p", "a"),
+        auto.key = TRUE,
+        data = tb)
> 
> # Modelo para DBC em diferentes locais:
> #  ~ Local + Error(Local/Bloco) + Trat + Local:Trat.
> # Modelo de parcela subdividida em DBC:
> #  ~ Bloco + Trat + Error(Bloco:Trat) + Subtrat + Trat:Subtrat
> #
> # Juntanto os dois termos de erro:
> #  ~ Error(Local/Bloco) + Error(Bloco:Trat) = Error(Local/Bloco:Trat)
> #
> # Juntanto os termos sistemáticos.
> #  ~ Local + Trat + Local:Trat + Subtrat + Trat:Subtrat +
> #    Error(Local/Bloco:Trat)
> 
> m0 <- aov(N_kg_ha ~
+               Manejo +
+               Manejo/Bloco +
+               Rotacao +
+               Manejo:Rotacao +
+               Nitrogenio +
+               Rotacao:Nitrogenio +
+               Error(Manejo/Bloco:Rotacao),
+           data = tb)
Warning message:
In aov(N_kg_ha ~ Manejo + Manejo/Bloco + Rotacao + Manejo:Rotacao +  :
  Error() model is singular
> 
> summary(m0)

Error: Manejo
       Df Sum Sq Mean Sq
Manejo  1  504.2   504.2

Error: Manejo:Bloco:Rotacao
               Df Sum Sq Mean Sq F value Pr(>F)
Rotacao         5  16367    3273   1.521  0.213
Manejo:Bloco    6  16966    2828   1.314  0.281
Manejo:Rotacao  5   6213    1243   0.577  0.717
Residuals      30  64567    2152               

Error: Within
                   Df Sum Sq Mean Sq F value Pr(>F)  
Nitrogenio          1  13728   13728   6.561 0.0141 *
Rotacao:Nitrogenio  5   5636    1127   0.539 0.7457  
Residuals          42  87874    2092                 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> 
> # NOTE: não haverá uma estatística F apropriada para testar o efeito de
> # Manejo já que não existe repetição genuína para os níveis desse fator,
> # assim não existe um erro de extrato para ser o denominador da
> # estatística F.
> 
> # Trocando Manejo/Bloco por Manejo:Bloco no termo de Error().
> m0 <- aov(N_kg_ha ~
+               Manejo +
+               Manejo/Bloco +
+               Rotacao +
+               Manejo:Rotacao +
+               Nitrogenio +
+               Rotacao:Nitrogenio +
+               Error(Manejo:Bloco:Rotacao),
+           data = tb)
Warning message:
In aov(N_kg_ha ~ Manejo + Manejo/Bloco + Rotacao + Manejo:Rotacao +  :
  Error() model is singular
> 
> summary(m0)

Error: Manejo:Bloco:Rotacao
               Df Sum Sq Mean Sq F value Pr(>F)
Manejo          1    504     504   0.234  0.632
Rotacao         5  16367    3273   1.521  0.213
Manejo:Bloco    6  16966    2828   1.314  0.281
Manejo:Rotacao  5   6213    1243   0.577  0.717
Residuals      30  64567    2152               

Error: Within
                   Df Sum Sq Mean Sq F value Pr(>F)  
Nitrogenio          1  13728   13728   6.561 0.0141 *
Rotacao:Nitrogenio  5   5636    1127   0.539 0.7457  
Residuals          42  87874    2092                 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> 
> # NOTE: com uma mudança sutil na fórmula, muda-se para uma forma não
> # condizente com a realidade, o delineamento que passa a indicar que as
> # combinações Manejo x Rotação foram casualizados às parcelas dos blocos
> # (fatorial completo na parcela) e dessa forma tem-se uma estatística F
> # para Manejo, mas que não é condizente com a forma como o experimento
> # foi de fato feito. Então está errada essa especificação.
> 
> # Declarando o primeiro modelo com a `lme4`.
> library(lme4)
> 
> mm0 <- lmer(N_kg_ha ~
+                 Manejo +
+                 Manejo/Bloco +
+                 Rotacao +
+                 Manejo:Rotacao +
+                 Nitrogenio +
+                 Rotacao:Nitrogenio +
+                 (1 | Manejo/Bloco:Rotacao),
+           data = tb)
Warning messages:
1: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
  unable to evaluate scaled gradient
2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
   Hessian is numerically singular: parameters are not uniquely determined
> 
> anova(mm0)
Analysis of Variance Table
                   Df  Sum Sq Mean Sq F value
Manejo              1   391.0   391.0  0.1869
Rotacao             5 15911.7  3182.3  1.5210
Nitrogenio          1 13728.2 13728.2  6.5613
Manejo:Bloco        6 16494.0  2749.0  1.3139
Manejo:Rotacao      5  6040.2  1208.0  0.5774
Rotacao:Nitrogenio  5  5636.1  1127.2  0.5387
> VarCorr(mm0)
 Groups               Name        Std.Dev.
 Bloco:Rotacao:Manejo (Intercept)  5.4722 
 Manejo               (Intercept)  3.3708 
 Residual                         45.7415 

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/20191002/ea4944fb/attachment.html>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: db_r-list.xlsx
Tipo: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
Tamanho: 68550 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20191002/ea4944fb/attachment.xlsx>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: anova_r-list.R
Tipo: application/octet-stream
Tamanho: 2533 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20191002/ea4944fb/attachment.obj>


Mais detalhes sobre a lista de discussão R-br