<div>Olá pessoal,</div><div><br></div><div>tenho um experimento de medidas repetidas que estou analisando através de um modelo misto. Nove unidades amostrais independentes (frascos com meio de cultura com algas) foram alocadas aleatoriamente em 3 grupos ("c","t1","t2"). Não há a necessidade de inclusão de efeito aleatório de intercepto, pois as nove unidades amostrais são homogêneas entre si (retiradas da mesma amostra mãe). A concentração de algas foi mensurada a cada dois dias durante 10 dias. O objetivo é testar diferenças entre os grupos (i.e. tratamentos). </div>
<div><br></div><div>Estimei um modelo somente com o intercepto e com a interação Group*Day, para testar qual é o melhor</div><div><br></div><div>library(nlme)</div><div>library(lme4)</div><div>Day = rep(c(0,2,4,6,8,10),each=9)</div>
<div><div>Group = as.factor(rep(c("c","c","c","t1","t1","t1","t2","t2","t2"),6))</div></div><div>Individual = rep(1:9,6)</div><div>
X = c(0.71,0.72,0.71,0.72,0.72,0.72,0.70,0.69,0.70,0.72,0.72,</div><div><span class="" style="white-space:pre">   </span>0.71,0.72,0.72,0.71,0.71,0.70,0.71,0.73,0.73,0.69,0.74,</div><div><span class="" style="white-space:pre">    </span>0.69,0.73,0.67,0.71,0.69,0.71,0.71,0.72,0.70,0.71,0.70,</div>
<div><span class="" style="white-space:pre">    </span>0.52,0.64,0.60,0.70,0.73,0.73,0.67,0.66,0.71,0.47,0.56,</div><div><span class="" style="white-space:pre">    </span>0.54,0.65,0.73,0.73,0.67,0.71,0.58,0.44,0.52,0.58)</div>
<div><br></div><div>xyplot(X~Day, groups=Group)</div><div><br></div><div>LME = lme(X ~ 1, random = ~Day|Individual)</div><div><div>Erro em lme.formula(X ~ 1, random = ~Day | Individual) : </div><div>  nlminb problem, convergence error code = 1</div>
<div>  message = iteration limit reached without convergence (10)</div></div><div><br></div><div>LME1 = lme(X ~ Group*Day, random = ~Day|Individual)</div><div><div>Erro em lme.formula(X ~ Group * Day, random = ~Day | Individual) : </div>
<div>  nlminb problem, convergence error code = 1</div><div>  message = iteration limit reached without convergence (10)</div></div><div><br></div><div>LMER = lmer(X ~ 1 + (Day|Individual))</div><div>LMER1 = lmer(X ~ Group*Day + (Day|Individual))</div>
<div><br></div><div>AIC(LMER)</div><div>[1] -179.0302<br></div><div><br></div><div>AIC(LMER1)</div><div>[1] -151.1938<br></div><div><br></div><div>anova(LMER,LMER1)</div><div><div>Data: </div><div>Models:</div><div>LMER: X ~ 1 + (Day | Individual)</div>
<div>LMER1: X ~ Group * Day + (Day | Individual)</div><div>      Df    AIC     BIC  logLik  Chisq Chi Df Pr(>Chisq)    </div><div>LMER   5 -187.2 -177.26  98.602                             </div><div>LMER1 10 -203.2 -183.31 111.600 25.996      5  8.939e-05 ***</div>
</div><div><br></div><div>xyplot(fitted(LMER)~Day, groups=Group)</div><div>xyplot(fitted(LMER1)~Day, groups=Group)</div><div><br></div><div>1a pergunta: Por que a função nlme:lme não converge, mas a lme4:lmer converge? A segunda é melhor que a primeira?</div>
<div>2a pergunta: Por que a função "anova" dá valores distintos de AIC para os dois modelos. Se olharmos o valor do AIC de cada um, o modelo LMER é melhor que o LMER1, mas a "anova" diz o contrário.</div>
<div>3a pergunta: Por que os valores ajustados do modelo somente com o intercepto (LMER) variam ao longo do tempo?</div><div><br></div><div>Muito obrigado pela ajuda</div><div> <br></div>                                               Diego PJ<br>