<div dir="ltr">Boa noite,<div><br></div><div>Estou com uma dúvida sobre path analysis no pacote agricolae.</div><div><br></div><div>No exemplo do manual do pacote se usa a correlação de Pearson para depois computar os coeficientes da análise.</div>
<div><br></div><div>Minha dúvida é se posso utliizar correlação de Spearman ao invés, já que meus dados não são normais, gostaria de saber se isso bastaria. </div><div>Se alguém tiver alguma outra sugestão será muito bem-vinda. </div>
<div><br></div><div>O CRM segue abaixo:</div><div><br></div><div># dados:</div><div><div>y <- c(77,  92,  94,  95,  79,  87,  91,  70,  65,  69,  68,  56,  71,  67,  62,  95,  91,  78,</div><div>      90,  85,  83,  78,  65,  77,  87,  43,  55,  63,  66,  87,  67,  70,  69,  30,  28,  44,</div>
<div>      67,  89, 82,  36,  60,  52,  14,  19,  51,  22,  37,  15,  86,  79,  31,  35,  15,  96,</div><div>      89,  88,  92,  90,  18,  15,  13,  93,  95,  83,  95, 100, 100,  84,  90,  93,  74,  78,</div><div>      73,  69,  75,  67,  68, 100,  95,  94,  94,  88,  93,  83,  73,  88,  95,  71,  69,  71,</div>
<div>      74, 100,  71,  77,  73,  56,  52,  62,  75,  93,  88,  44,  72,  60,  27,  33,  69,  35,</div><div>      44,  27,  93,  87,  56,  52,  27,  98,  94,  90,  96,  95,  26,  20,  16,  94,  97, 100)</div><div><br></div>
<div>temp <- c(26.26, 26.26, 26.26, 26.26, 26.26, 26.26, 26.26, 25.83, 25.83, 25.83, 25.83, 25.83,</div><div>          25.83, 25.83, 25.83, 26.40, 26.40, 26.40, 26.40, 26.40, 26.40, 26.40, 26.40, 26.13,</div><div>          26.13, 26.13, 26.13, 26.13, 26.13, 26.13, 26.13, 25.60, 25.60, 25.60, 25.60, 25.60,</div>
<div>          25.60, 25.60, 25.60, 24.96, 24.96, 24.96, 24.96, 24.96, 24.96, 24.96, 24.96, 25.30,</div><div>          25.30, 25.30, 25.30, 25.30, 25.30, 25.30, 25.30, 26.76, 26.76, 26.76, 26.76, 26.76,</div><div>          26.76, 26.76, 26.76, 24.36, 24.36, 24.36, 24.36, 24.36, 24.36, 24.36, 23.80, 23.80,</div>
<div>          23.80, 23.80, 23.80, 23.80, 23.80, 24.26, 24.26, 24.26, 24.26, 24.26, 24.26, 24.26,</div><div>          24.26, 23.70, 23.70, 23.70, 23.70, 23.70, 23.70, 23.70, 23.70, 23.06, 23.06, 23.06,</div><div>          23.06, 23.06, 23.06, 23.06, 23.06, 21.93, 21.93, 21.93, 21.93, 21.93, 21.93, 21.93,</div>
<div>          21.93, 22.30, 22.30, 22.30, 22.30, 22.30, 22.30, 22.30, 22.30, 24.00, 24.00, 24.00,</div><div>          24.00, 24.00, 24.00, 24.00, 24.00, 24.00)</div><div><br></div><div>pluv <- c(136.6, 136.6, 136.6, 136.6, 136.6, 136.6, 136.6, 136.0, 136.0, 136.0, 136.0, 136.0,</div>
<div>          136.0, 136.0, 136.0, 112.3, 112.3, 112.3, 112.3, 112.3, 112.3, 112.3, 112.3,  65.3,</div><div>          65.3,  65.3,  65.3,  65.3,  65.3,  65.3,  65.3,  66.0,  66.0,  66.0,  66.0,  66.0,</div><div>          66.0,  66.0,  66.0,  65.0,  65.0,  65.0,  65.0,  65.0,  65.0,  65.0,  65.0,  53.0,</div>
<div>          53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,  53.0,</div><div>          53.0,  53.0,  53.0, 254.6, 254.6, 254.6, 254.6, 254.6, 254.6, 254.6, 256.6, 256.6,</div><div>          256.6, 256.6, 256.6, 256.6, 256.6, 231.3, 231.3, 231.3, 231.3, 231.3, 231.3, 231.3,</div>
<div>          231.3, 142.6, 142.6, 142.6, 142.6, 142.6, 142.6, 142.6, 142.6, 126.6, 126.6, 126.6,</div><div>          126.6, 126.6, 126.6, 126.6, 126.6, 118.0, 118.0, 118.0, 118.0, 118.0, 118.0, 118.0,</div><div>          118.0, 110.6, 110.6, 110.6, 110.6, 110.6, 110.6, 110.6, 110.6,  57.6,  57.6,  57.6,</div>
<div>          57.6,  57.6,  57.6,  57.6,  57.6,  57.6)</div><div><br></div><div># shapiro-wilk</div><div>shapiro.test(y)</div><div>shapiro.test(x$temperatura) # não é normal!</div><div>shapiro.test(x$pluviosidade)</div><div>
<br></div><div>x <- data.frame(temp,pluv)</div><div><br></div><div># path analysis </div><div>require(agricolae)</div><div>cor.y <- correlation(y,x)$correlation</div><div>cor.x <- correlation(x)$correlation</div>
<div>path.analysis(cor.x,cor.y)</div></div><div><br></div><div>Grata,</div><div>Heloise</div></div>