<div dir="ltr"><div>Caros, <br></div><div><br>Alguém postou esse conjunto de dados com problema de pressupostos, principalmente heterocedasticidade. Agora a pouco veio outro e-mail com um problema similar. Fiz um exemplo um pouco mais detalhado de como isso pode<br></div>ser facilmente resolvido e mostrando o efeito disso no modelo.<br><br># Example 2 ------------------------------------------------------------<br>Fenois = c(337.311, 344.874, 342.353, 325.546, 333.950, 330.588, 328.067, <br> 328.067, 318.824, 331.429, 333.950, 334.790, 336.471, 338.151, <br> 342.353, 259.160, 252.437, 268.403, 265.882, 266.723, 287.731, <br> 88.571, 88.571, 90.252, 41.513, 52.437, 49.076, 88.571, <br> 88.571, 90.252, 64.202, 60.000, 61.681)<br>Cor = factor(c(rep("ambar",6), rep("ambar_claro",3), rep("ambar",6), <br> rep("ambar_claro",6),rep("branco",6), <br> rep("extra_ambar_claro",3),rep("branco",3)))<br><br># Exploratory analysis<br>boxplot(Fenois ~ Cor)<br>tapply(Fenois, Cor, sd)<br>dados <- data.frame(Fenois, Cor)<br>dados$id <- 1<br><br># Fitting <br>fit1 <- mcglm(c(Fenois ~ Cor), list(mc_id(dados)), data = dados)<br>fit2 <- mcglm(c(Fenois ~ Cor), list(mc_dglm(~ Cor, id = "id", data = dados)),<br> covariance = "expm", data = dados)<br># Goodness-of-fit <br>gof(fit1)<br>gof(fit2)<br><br># Comparing estimates and standard errors<br>coef(fit1, type = "beta", std.error = TRUE)<br>coef(fit2, type = "beta", std.error = TRUE)<br><br>O interessante é que a estimativa pontual é exatamente a mesma, porém<br>olha a enorme diferença nos erros padrões dos betas.<br clear="all"><div><div><br>-- <br><div class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div>Wagner Hugo Bonat<br>----------------------------------------------------------------------------------------------<br>Department of Mathematics and Computer Science (IMADA)<br>University of Southern Denmark (SDU) and<br>Laboratório de Estatística e Geoinformação (LEG)<br>Universidade Federal do Paraná (UFPR)<br><br></div></div></div></div></div>
</div></div></div>