<div dir="ltr"><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Se eu entendi correto, minhas sugestões são:<br><br><span style="font-family:monospace,monospace">da <- expand.grid(var=gl(2,1), vin=gl(2,1), alu=gl(4,1), r=1:6)<br>da$ue <- with(da, interaction(var, vin, r))<br>da$y <- rnorm(nrow(da))<br>str(da)<br><br>require(nlme)<br><br>m0 <- aov(y~var*vin*alu+Error(ue), data=da)<br>summary(m0)<br><br>m1 <- lme(y~var*vin*alu, random=~1|ue, data=da)<br>anova(m1)<br><br></span></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">No entanto, eu reforço minha preferência pelo modelo misto e alguns pontos são:<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">  * no caso balanceado são equivalentes;<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">  * no caso desbalanceado, o modelo misto não requer balanceamento portanto continua viável;<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">  * existem mais métodos disponíveis para objetos de classe "lme" do que para "aovlist", como por exemplo, comparações múltiplas de hipóteses.<br><br>À disposição.<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Walmes.<br></div></div>