<span style>Walmes e demais membros da R-br;</span><div style><br></div><div style><br></div><div style>Escrevo-lhes para esclarecer uma dúvida que estou tendo em relação aos modelos não lineares.</div><div style><br></div>
<div style>Analisando a função que o Walmes  fez para a obteção da ANOVA para modelos não lineares e que está disponível na página das "Rídiculas" fiquei em dúvida se posso comparar o resultado  dessa análise com aqueles obtidos para modelos lineares. O modelo que estou testando é reduzível ao intercepto.</div>
<div style><br></div><div style>Lendo a explicação do Walmes na página das "Rídiculas" percebi que ele fez um comentário a esse respeito: <a href="http://ridiculas.wordpress.com/2011/05/29/analise-de-residuos-em-regressao-nao-linear/" target="_blank" style="color:rgb(17,85,204)">http://ridiculas.wordpress.com/2011/05/29/analise-de-residuos-em-regressao-nao-linear/</a></div>
<div style><br></div><div style>Vejam abaixo a excelente função que o Walmes criou:</div><div style><br></div><div style><br></div><div style><div>A <- 6.25551</div><div>B <- -6.85223   # mudar até obter bons chutes</div>
<div>C <- -0.24253  # mudar até obter bons chutes</div><div><br></div><div>logCarbtotal=log(citriodora$Carbtotal) </div><div><br></div><div>model8 <- nls(logCarbtotal~A+B*exp(C*Idade), data=citriodora, start=list(A=A, B=B, C=C))</div>
<div><br></div></div><div style>####função do Walmes: obtenção da ANOVA</div><div style><br></div><div style><div>R2 <- function(nls.obj){</div><div>  da <- eval(nls.obj$data)</div><div>  <a href="http://resp.name/" target="_blank" style="color:rgb(17,85,204)">resp.name</a> <- all.vars(summary(nls.obj)$formula)[1]</div>
<div>  form <- paste(<a href="http://resp.name/" target="_blank" style="color:rgb(17,85,204)">resp.name</a>, "~1", sep="")</div><div>  m0 <- lm(form, da)</div><div>  an <- anova(nls.obj, m0)</div>
<div>  sqn <- deviance(nls.obj)</div><div>  sqe <- deviance(m0)</div><div>  r2 <- 1-(sqn/sqe)</div><div>  aov <- data.frame(fv=c("regression","residuals"),</div><div>                    gl=c(-an$Df[2],an$Res.Df[1]),</div>
<div>                    sq=c(-an$Sum[2],an$Res.Sum[1]))</div><div>  aov$qm <- aov$sq/aov$gl</div><div>  aov$F <- c(aov$qm[1]/aov$qm[2], NA)</div><div>  aov$"Pr(>F)" <- c(1-pf(aov$F[1], df1=aov$gl[1], df2=aov$gl[2]), NA)</div>
<div>  names(aov) <- c(" ","Df", "Sum Sq", "Mean Sq", "F value", "Pr(>F)")</div><div>  return(list(anova=aov, R2=r2))</div><div><br></div><div>}</div><div>
<br></div><div>R2(model8) #Retorno a ANOVA e o R^2</div></div><div style><br></div><div style><div>$anova</div><div>             Df    Sum Sq     Mean Sq  F value       Pr(>F)</div><div>1 regression  2 81.204480 40.60223996 502.8805 9.192647e-14</div>
<div>2  residuals 14  1.130351  0.08073934       NA           NA</div><div><br></div><div>$R2</div><div>[1] 0.9862713</div></div><div style><br></div><div style><br></div><div style>Desde já agradeço a todos pelas valiosas contribuições!</div>
<div style>Att.,</div><br clear="all"><div><br></div>-- <br>Thiago de Paula Protásio<div>Acadêmico de Engenharia Florestal</div><div>Universidade Federal de Lavras</div><div>Departamento de Ciências Florestais</div><div>Ciência e Tecnologia da Madeira</div>
<div>(035) 9183 - 2246</div><div><br></div><br>