[R-br] componente da variância no modelo de efeitos aleatórios

[Luiz Leal]

 Muito obrigado Walmes.
    On Monday, December 2, 2019, 12:40:19 PM GMT-2, Walmes Zeviani <walmeszeviani em gmail.com> wrote:  
 
 Respostas dentro da mensagem.
À disposição.Walmes.
On Thu, Nov 28, 2019 at 2:49 PM Luiz Leal <richfield1974 em yahoo.com> wrote:

 Prezado Walmes, muito obrigado.

Pelo que entendi não é possível "sigma^2_b" e "sigma^2_e" utilizando a função gls().
Não. Tem-se que usar um modelo de efeitos aleatórios. 

A função VarCorr(modelo2) fornece "sigma^2_b" e "sigma^2_e", correto?
Sim. Mas a interpretação é mais específica. "sigma^2_e" é a variância do erro ao redor do ponto médio da curva em um ponto específico do suporte da covariável que eu imagino ser o 0. A variância em outros pontos da curva será outra, obviamente, porque você declarou um modelo heterocedástico.
# Média ajustada.
m <- unique(fitted(modelo2))

# Modelo ajustado.
plot(y ~ as.integer(x))
lines(m ~ seq_along(m))

# Variância estimada é função da média.
#   s2(v) = exp(2* t * v)
var_estim <- 6041.676 * exp(2 * 0.0009743905 * m)
var_amost <- tapply(y, x, var)
cbind(var_amost, var_estim)

# Resíduos crus e padronizados.
plot(residuals(modelo2) ~ fitted(modelo2))
plot(residuals(modelo2, type = "pearson") ~ fitted(modelo2))

# Calculando o resíduo padronizado.
r_my <- residuals(modelo2)/
    sqrt(6041.676 * exp(2 * 0.0009743905 * fitted(modelo2)))

# Comparação.
cbind(r_my, residuals(modelo2, type = "pearson"))



                        Variance          StdDev   
(Intercept)   667641.149     817.09311
Residual        6041.696       77.72834
Tenho uma dúvida: a variância do intercepto é "sigma^2_b"?
Sim.



Muito obrigado. Sua contribuição está sendo muito válida no meu trabalho.Luiz
  
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20200112/7da056a9/attachment.html>