[R-br] Modelo Misto - Análise Experimento Switchback
Cesar Rabak
cesar.rabak em gmail.com
Sáb Nov 7 18:41:12 -02 2020
Olá Fernando,
A modelagem matemática/estatística deve tentar se aproximar de uma
descrição defensável do *processo* pelo qual os dados são gerados no
experimento no domínio do problema.
Não saberia dizer porque o autor da referência que você menciona usou GLM,
pois a variável dependente (*resposta*) parece-me apropriada para uma
análise ANOVA.
Por outro lado, de novo por não compreender o quê você espera que o modelo
misto capture melhor que a GLM, tampouco saberia como discutir.
Entendi sua interpretação para usar as vacas individuais como bloco, mas
devo dizer que o "entendimento" foi no português e não na lógica do
experimento, porque, de novo, não posso me imiscuir no domínio do problema.
O fato mais importante, ou seja, que tanto numa como outra abordagem para
modelar o experimento os resultados apontam para não detecção do efeito dos
tratamentos, me parece fazer com que a discussão sobre a modelagem seja
menos importante do que entender se o efeito é de fato inexistente, ele é
visível num nível mais prático mas a amostragem (tamanho da amostra não
assegura ausência de efeito devido à variabilidade natural da resposta do
seu experimento), ou outros fatores.
O fato de IC serem mais amplos ou mais estreitos decorrem exatamente do
conservadorismo das abordagens matemáticas, e tampouco *per se* seriam
soberanas para uma determinação de propriedade da abordagem.
Uma informação mais pertinente seria a análise dos resíduos para ver se o
erro ficou bem distribuído (gaussianamente) , e outros vieses de modelagem.
HTH
--
Cesar Rabak
On Wed, Nov 4, 2020 at 5:06 PM Fernando Souza <nandodesouza em gmail.com>
wrote:
> Boa tarde Cesar,
> Obrigado por responder.
> A única variável resposta de interesse é a produção de leite (Leite) e o
> interesse é comparar os níveis do fator experimental tratamento.
> Vacas é um bloco, cada vaca foi sorteado para uma sequencia de tratamentos
> A-B-A ou B-A-B em tres diferentes periodos. Não há interesse em inferir
> sobre as vacas.
>
> Da mesma forma bloco , foi devido ao fato de as vacas não entrarem no
> experimento ao mesmo tempo. Grupos de 10 vacas foram utilizadas em anos
> diferentes. Assim considerei que blocos, vacas dentro de blocos e Periodo
> dentro de vacas , dentro de bloco como aleatórios.
>
>
> Minha dúvida é que ao fazer utilizando o modelo misto ou utilizando a
> abordagem do artigo, o qual utiliza o glm, as conclusões são as mesmas
> (Não houve efeito do tratamento) as médias estimadas por ambas abordagens
> são ligeiramente diferentes.
> No caso do modelo misto o intervalo de confiança foi maior que o intervalo
> de confiança utilizando o glm.
>
> Assim gostaria da opinião de alguém com mais experiência, para me falar se
> o modelo da forma como montei, está correto, se não o que corrigir.
>
> On Nov 4 2020, at 3:59 pm, Cesar Rabak por (R-br) <
> r-br em listas.c3sl.ufpr.br> wrote:
>
> Se a única variável manipulada ("independente") foram os tratamentos, e a
> resposta é unicamente uma única variável também, matematicamente você não
> acaba com a mesma análise, apenas por caminhos diferentes?
>
>
> On Wed, Nov 4, 2020 at 12:28 PM Fernando Souza por (R-br) <
> r-br em listas.c3sl.ufpr.br> wrote:
>
> Boa tarde pessoal,
>
> Estou analisando um experimento em Switchback com vacas leiteiras e estou
> com duvidas sobre a montagem do modelo. Gostaria da ajuda de vocês.
> O experimento comparou dois tratamentos A e B. Utilizou 30 vacas, porém as
> vacas não foram avaliadas simultaneamente. 10 vacas entraram no momento 1,
> 10 entraram no momento 2 e 10 entraram no momento 3. As vacas dentro de
> cada momento foram sorteadas para uma das duas sequencias possíveis A-B-A
> ou B-A-B, sendo a sequencia aplicadas em 3 períodos diferentes de igual
> duração.
> Entendo que o desenho experimental desse trabalho é semelhante ao descrito
> nesse trabalho:
> https://www.sciencedirect.com/science/article/pii/S0022030287802734
> <https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@getmailspring.com/0?redirect=https%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0022030287802734&recipient=ci1ickBsaXN0YXMuYzNzbC51ZnByLmJy>
> sendo o block os momentos (1,2 e 3)
>
> Porém nesse trabalho os autores utilizam o PROC GLM dos SAS. Eu no entanto
> desejo analisá-lo através da abordagem dos modelos mistos, com a função
> lme{nlme}
> Fiz o seguinte modelo e gostaria de uma opinião para saber se o modelo
> está correto? Se não como posso melhorá-lo
>
> dados<-structure(list(Bloco = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
> 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
> 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), Ordem =
> structure(c(1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class =
> "factor"),
> Periodo = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
> 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
> 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
> 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
> 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
> 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
> 1L, 2L, 3L), Tratamento = structure(c(1L, 2L, 1L, 1L, 2L,
> 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L,
> 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L,
> 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L,
> 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L,
> 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L,
> 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("A",
> "B"), class = "factor"), Sequencia = structure(c(1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,
> 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
> 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), .Label = c("1",
> "2"), class = "factor"), Vacas = structure(c(1L, 1L, 1L,
> 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L,
> 7L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L, 11L, 11L,
> 11L, 12L, 12L, 12L, 13L, 13L, 13L, 14L, 14L, 14L, 15L, 15L,
> 15L, 16L, 16L, 16L, 17L, 17L, 17L, 18L, 18L, 18L, 19L, 19L,
> 19L, 20L, 20L, 20L, 21L, 21L, 21L, 22L, 22L, 22L, 23L, 23L,
> 23L, 24L, 24L, 24L, 25L, 25L, 25L, 26L, 26L, 26L, 27L, 27L,
> 27L, 28L, 28L, 28L, 29L, 29L, 29L, 30L, 30L, 30L), .Label = c("1",
> "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12",
> "13", "14", "15", "16", "17", "18", "19", "20", "21", "22",
> "23", "24", "25", "26", "27", "28", "29", "30"), class = "factor"),
> Leite = c(18.28, 15.73, 14.96, 16.08, 15.64, 15.41, 16.21,
> 15.52, 14.93, 17.29, 14.52, 12.98, 13.28, 12.57, 12.31, 21.82,
> 19.28, 18.75, 16.69, 15.15, 14, 17.11, 15.51, 14.73, 15.38,
> 14.77, 13.37, 15.21, 14.46, 13.5, 12.67, 11.91, 11.55, 15.78,
> 14.68, 14.61, 13.29, 12.12, 11.77, 17.32, 14.81, 14.66, 16.13,
> 14.81, 14.29, 14.94, 13.45, 13.09, 15.27, 12.36, 11.29, 14.02,
> 13, 12.06, 15.25, 14.9, 14.59, 12.44, 11.8, 11.56, 12.56,
> 12.22, 7.68, 15.15, 14.56, 10.08, 14.26, 13.34, 10.21, 13.56,
> 12.85, 8.9, 14.09, 14.63, 11.52, 17.7, 17.24, 14.89, 16.69,
> 16.28, 12.25, 12.66, 12.14, 9, 18.74, 18.23, 14.98, 17.62,
> 17.4, 15.67), Per = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L,
> 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,
> 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,
> 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,
> 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,
> 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,
> 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1", "2", "3"
> ), class = "factor")), class = "data.frame", row.names = c(NA,
> -90L))
>
> #install.packages("nlme")
> library(nlme)
> options(contrasts=c("contr.sum","contr.poly"))
> controle<-lmeControl(maxIter = 200, msMaxIter = 200,opt = 'optim')
> mlme <- lme(Leite ~Tratamento,random=~1|Bloco/Vacas/Per,control=controle,
> data=dados)
> anova(mlme,type='marginal')
>
> _______________________________________________
> 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.
>
> _______________________________________________
> 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/20201107/ac1d26b9/attachment.html>
Mais detalhes sobre a lista de discussão R-br