<div class="gmail_quote"><div>#Pessoal, estou analisando um experimento que procura avaliar as fontes de variabilidade em um processo de medição. São 101 pacientes, #onde são realizadas 5 medidas em 2 imagens de endotélio, ou seja, para cada paciente tenho 10 replicações, 5 em cada imagem (variável #medida no dataframe abaixo). Entendo que tenho um modelo misto, pois considero os pacientes como efeito aleatório (a variablidade entre eles #é enorme) e também as imagens, já que podem ser tiradas de diferentes partes do antebraço do paciente.</div>

<div><br></div><div>#Especifiquei este modelo com o lme4 para uma das medidas que quero analisar, o diâmetro do endotélio pós-oclusão:</div><div><br></div><div>fm1 <- lmer(abps ~ replicacao + (replicacao|medida) + (medida|id3), medidas)</div>

<div><br></div><div>#e gostaria de estimar o % da variância de cada componente, e para isso preciso da variância total, que é a soma de todas, inlcuindo dos #efeitos fixos, do aleatório e tbm dos resíduos. Está especificação está correta, na opinião dos especialistas em experimentos? (não é meu #caso)</div>

<div><br></div><div>#Rodando, após o modelo</div><div><br></div><div>VarCorr(fm1, type="varcov")</div><div>anova(fm1)</div><div><br></div><div>#como identifico a variância residual? Na verdade me enrolei um pouco com a saída do VarCorr, e mesmo pesquisando no Google, não achei nada que </div>

<div>#apresente este tipo de propósito de análise (é um estudo de R&R, onde quero mostrar que a variabilidade das replicações, ou do operador, é a #de menor culpa neste processo).</div><div><br></div><div>#Segue um pedaço dos dados:</div>

<div><br></div><div>#> dput(medidas[1:20,])</div><div><br></div><div>structure(list(abpre = c(0.382, 0.383, 0.386, 0.386, 0.383, 0.386, </div><div>0.384, 0.387, 0.386, 0.383, 0.339, 0.335, 0.342, 0.335, 0.339, </div><div>

0.357, 0.342, 0.346, 0.343, 0.35), abps = c(0.412, 0.412, 0.415, </div><div>0.404, 0.408, 0.408, 0.393, 0.408, 0.408, 0.408, 0.382, 0.386, </div><div>0.386, 0.386, 0.386, 0.383, 0.383, 0.379, 0.379, 0.379), abs = c(0.03, </div>

<div>0.029, 0.029, 0.018, 0.025, 0.022, 0.009, 0.021, 0.022, 0.025, </div><div>0.043, 0.051, 0.044, 0.051, 0.047, 0.026, 0.041, 0.033, 0.036, </div><div>0.029), id3 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, </div>

<div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), replicacao = c(1L, 2L, 3L, 4L, </div><div>5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L</div><div>), medida = c(0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, </div>

<div>0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), abpre2 = c(0.407, 0.408, 0.399, </div><div>0.404, 0.401, 0.404, 0.413, 0.413, 0.416, 0.407, 0.318, 0.318, </div><div>0.325, 0.325, 0.318, 0.314, 0.315, 0.316, 0.322, 0.322), abps2 = c(0.458, </div>

<div>0.452, 0.452, 0.455, 0.459, 0.465, 0.456, 0.459, 0.462, 0.462, </div><div>0.372, 0.382, 0.392, 0.386, 0.365, 0.386, 0.382, 0.369, 0.382, </div><div>0.382), abs2 = c(0.051, 0.044, 0.053, 0.051, 0.058, 0.061, 0.043, </div>

<div>0.046, 0.046, 0.055, 0.054, 0.064, 0.067, 0.061, 0.047, 0.072, </div><div>0.067, 0.053, 0.06, 0.06), X_Imedida_1 = c(0L, 0L, 0L, 0L, 0L, </div><div>1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), </div>
<div>
    X_ImedXrepli_1 = c(0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L, </div><div>    0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L)), .Names = c("abpre", </div><div>"abps", "abs", "id3", "replicacao", "medida", "abpre2", "abps2", </div>

<div>"abs2", "X_Imedida_1", "X_ImedXrepli_1"), row.names = c(NA, 20L</div><div>), class = "data.frame")</div><div><br></div><div><br></div><div>Abraço</div><span class="HOEnZb"><font color="#888888"><div>
<br></div>-- <br>Fernando A.B. Colugnati<br clear="all"><div><br></div>-- <br>Fernando A.B. Colugnati<br><br><br>
<br><br><br>
</font></span></div>