
<head></head><body>Caros colegas.<div><br></div><div>Estou com dados de um experimento realizado em esquema de parcela subdividida em delineamento inteiramente casualizado. Há dois fatores experimentais A ( 2 níveis) e B (dois níveis) e a resposta Y foi medida repetidamente em tempos diferentes ( 23 tempos), sendo o tempo a subparcela. Eu pretendo analisá-lo através de Modelo Misto, utilizando a função lme{nlme}. </div><div><div>Ao analisá-los utilizando a função lme{ nlme}, a função converge, porém recebo mensagens de warnings , avisando que NA's foram produzidos</div><div><br></div><div>modelo0 <- lme(GAS~HIDRAT*DILU*TEMP,random=~1|TEMP,weights=varIdent(form=~1|TEMP),data=dados)<br></div><div><br></div><div>ℝ> anova(modelo0)<br>                 numDF denDF  F-value p-value<br>(Intercept)          1   368 5594.089  <.0001<br>HIDRAT               1   368  246.749  <.0001<br>DILU                 1   368    2.667  0.1033<br>TEMP                22     0  206.379     <b>NaN</b><br>HIDRAT:DILU          1   368    6.346  0.0122<br>HIDRAT:TEMP         22   368    4.199  <.0001<br>DILU:TEMP           22   368    0.374  0.9961<br>HIDRAT:DILU:TEMP    22   368    0.038  1.0000<br>Warning message:<br>In pf(Fval[i], nDF[i], dDF[i]) : NaNs produzidos<br></div><div><div><br></div><div>O mesmo <b>não</b> ocorre quando eu utilizo a função lmer{lmerTest}</div><div><br></div><div>modelo <-lmer(GAS~HIDRAT*DILU*TEMP + (1|TEMP),REML=FALSE,data=dados)<br></div><div><br></div><div>ℝ> anova(modelo)<br>Analysis of Variance Table of type III  with  Satterthwaite <br>approximation for degrees of freedom<br>                 Sum Sq Mean Sq NumDF  DenDF F.value    Pr(>F)    <br>HIDRAT             2163 2163.24     1 150285  330.58 < 2.2e-16 ***<br>DILU                 52   52.32     1 150285    8.00  0.004689 ** <br>TEMP              32798 1490.80    22 150285  227.82 < 2.2e-16 ***<br>HIDRAT:DILU          21   20.66     1 150285    3.16  0.075610 .  <br>HIDRAT:TEMP         215    9.77    22 150285    1.49  0.064140 .  <br>DILU:TEMP            78    3.53    22 150285    0.54  0.960247    <br>HIDRAT:DILU:TEMP      3    0.13    22 150285    0.02  1.000000    <br>---<br>Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1<br></div><div><br></div><div>A questão é que meus dados são heterocedasticos e gostaria de utilizar a função lme{nlme} devido as facilidades implementadas para lidar com dados assim. Procurei na literatura e estas facilidades ainda não se encontram implementadas na função lmer.</div><div><br></div><div>Segue CMR</div><div>dados<-structure(list(HIDRAT = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, <br>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, <br>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, <br>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, <br>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, <br>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, <br>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, <br>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, <br>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, <br>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, <br>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "12"), class = "factor"), <br>    DILU = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, <br>    1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, <br>    2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, <br>    1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, <br>    2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, <br>    1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, <br>    2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, <br>    1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, <br>    2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, <br>    1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, <br>    2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", <br>    "3"), class = "factor"), TEMP = structure(c(1L, 1L, 1L, 1L, <br>    1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, <br>    2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, <br>    4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, <br>    5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, <br>    7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, <br>    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, <br>    2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, <br>    4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, <br>    5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, <br>    7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, <br>    8L, 8L, 8L, 8L, 8L), .Label = c("1", "2", "3", "4", "5", <br>    "6", "8", "10"), class = "factor"), BLOC = structure(c(1L, <br>    2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, <br>    2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, <br>    2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, <br>    2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, <br>    2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, <br>    2L, 3L, 4L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, <br>    3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, <br>    3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, <br>    3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, <br>    3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, <br>    3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L), .Label = c("1", "2", "3", <br>    "4", "5"), class = "factor"), GAS = c(4.61, 1.91, 0.16, 2.33, <br>    2.64, 0.51, 2.02, 0.48, 1.44, 2.74, 7.24, 5.03, 0.8, 3.61, <br>    7.02, 1.15, 4.7, 1.82, 2.75, 6.8, 8.13, 7.54, 1.49, 3.77, <br>    9.61, 1.48, 7.2, 2.94, 3.59, 9.18, 8.64, 9.84, 4.03, 4.35, <br>    11.67, 1.75, 9.23, 5.81, 3.96, 10.68, 9.27, 13.17, 6.77, <br>    5.72, 13.18, 2.12, 11.49, 7.9, 4.92, 11.84, 9.99, 15.55, <br>    9.31, 7.53, 15.36, 2.42, 13.21, 9.67, 6.44, 13.17, 13.48, <br>    18.07, 14.69, 10.65, 19.52, 4.92, 18.46, 15.12, 9.48, 16.46, <br>    16.96, 23.01, 20.95, 13.55, 24.01, 8.67, 23.56, 19.49, 12.43, <br>    5.7, 5.11, 3.4, 4.73, 4.72, 4.05, 6.88, 4.78, 5.05, 4.5, <br>    9.25, 9.92, 6.04, 7.96, 8.62, 7.12, 11.49, 8.4, 9.63, 8.89, <br>    10.88, 13.5, 8.78, 8.6, 10.38, 8.66, 15.73, 11.27, 10.73, <br>    11.02, 12.32, 16.06, 13.49, 9.42, 11.79, 9.82, 18.54, 16.25, <br>    11.85, 12.44, 14.08, 19.72, 17.72, 10.98, 13.25, 11.11, 21.55, <br>    19.76, 13.42, 13.37, 15.35, 22.71, 20.94, 12.7, 15.21, 12.21, <br>    24.21, 22.36, 15.45, 14.53, 21.57, 26.13, 28.41, 16.8, 19.97, <br>    17.38, 29.57, 29.18, 19.7, 17.78, 28.34, 31.73, 36.12, 22.04, <br>    24.64, 24.89, 35.99, 35.4, 24.09, 21.46)), .Names = c("HIDRAT", <br>"DILU", "TEMP", "BLOC", "GAS"), row.names = c(NA, -159L), class = "data.frame")<br></div><div><br></div><div>install.packages(c("nlme","lmerTest")) #instale caso não tenha instalado em seu sistema</div><div>library(nlme)</div><div>library (lmerTest)</div><div>modelo0 <- lme(GAS~HIDRAT*DILU*TEMP,random=~1|TEMP,weights=varIdent(form=~1|TEMP),data=dados)<br></div><div>modelo <-lmer(GAS~HIDRAT*DILU*TEMP + (1|TEMP),REML=FALSE,data=dados)<br></div><!-- <signature> --><div>=======================================================================<br>Fernando Souza<br>Zootecnista, DSc. Produção e Alimentação Animal<br>celular: (31)99796-8781 (Vivo) / (31)97358-4685 (Tim)<br>e-mail:nandodesouza@gmail.com<br>Lattes: http://lattes.cnpq.br/6519538815038307<br>blog: https://producaoanimalcomr.wordpress.com/<br>========================================================================<br></div><!-- </signature> --></div></div></body>