<div dir="ltr">Olá Wagner,<div><br></div><div>Obrigado pela ilustração do exemplo. Não consegui reproduzir a linha do fit2, especificamente o comando mc_dglm.</div><div><br></div><div>Você sugeriria algum texto para maior aprofundamento?</div></div><div class="gmail_extra"><br clear="all"><div><div class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div dir="ltr"><div dir="ltr"><div dir="ltr"><b><br></b></div><div dir="ltr"><b>Paulo Dick</b><div>Estatístico / <span style="font-size:12.8px">Epidemiologia em Saúde Pública</span></div><div>Tel.: (55 21) 99591-2716</div></div></div></div></div></div></div></div></div>
<br><div class="gmail_quote">Em 4 de novembro de 2016 16:46, Luiz Leal via R-br <span dir="ltr"><<a href="mailto:r-br@listas.c3sl.ufpr.br" target="_blank">r-br@listas.c3sl.ufpr.br</a>></span> escreveu:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div><div style="color:#000;background-color:#fff;font-family:HelveticaNeue,Helvetica Neue,Helvetica,Arial,Lucida Grande,sans-serif;font-size:16px"><div id="m_8989522873084435969yui_3_16_0_ym19_1_1478284318272_4940"><span id="m_8989522873084435969yui_3_16_0_ym19_1_1478284318272_5020">Wagner, meu interesse é, uma vez identificado que existe diferença entre os tratamentos (considerando que um deles é o controle) utilizar o teste de Dunnett para verificar quais tratamentos diferem do tratamento controle. Como o pressuposto de homogeneidade das variâncias é violado busquei alternativas para "homogeneizar" as variâncias. Posso aplicar esse teste a partir do modelo acima descrito?</span></div><div id="m_8989522873084435969yui_3_16_0_ym19_1_1478284318272_4940"><span>Desde já agradeço</span></div><div id="m_8989522873084435969yui_3_16_0_ym19_1_1478284318272_4940"><span>Luiz</span></div><div id="m_8989522873084435969yui_3_16_0_ym19_1_1478284318272_4940"><span id="m_8989522873084435969yui_3_16_0_ym19_1_1478284318272_5175">PS. Não consegui instalar o pacote</span></div> <div class="m_8989522873084435969qtdSeparateBR"><br><br></div><div class="m_8989522873084435969yahoo_quoted" style="display:block"> <div style="font-family:HelveticaNeue,Helvetica Neue,Helvetica,Arial,Lucida Grande,sans-serif;font-size:16px"> <div style="font-family:HelveticaNeue,Helvetica Neue,Helvetica,Arial,Lucida Grande,sans-serif;font-size:16px"><div><div class="h5"> <div dir="ltr"><font size="2" face="Arial"> On Friday, November 4, 2016 4:13 PM, Wagner Bonat via R-br <<a href="mailto:r-br@listas.c3sl.ufpr.br" target="_blank">r-br@listas.c3sl.ufpr.br</a>> wrote:<br></font></div>  <br><br> </div></div><div class="m_8989522873084435969y_msg_container"><div><div class="h5"><div id="m_8989522873084435969yiv3974050584"><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 ------------------------------<wbr>------------------------------<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("<wbr>branco",6), <br>               rep("extra_ambar_claro",3),<wbr>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="m_8989522873084435969yiv3974050584gmail_signature"><div dir="ltr"><div><div dir="ltr"><div>Wagner Hugo Bonat<br>------------------------------<wbr>------------------------------<wbr>------------------------------<wbr>----<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></div><br></div></div>______________________________<wbr>_________________<br>R-br mailing list<br><a href="mailto:R-br@listas.c3sl.ufpr.br" target="_blank">R-br@listas.c3sl.ufpr.br</a><br><a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" target="_blank">https://listas.inf.ufpr.br/<wbr>cgi-bin/mailman/listinfo/r-br</a><br>Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" target="_blank">http://www.leg.ufpr.br/r-br-<wbr>guia</a>) e forne� c�igo m�imo reproduz�el.<br><br></div>  </div> </div>  </div></div></div><br>______________________________<wbr>_________________<br>
R-br mailing list<br>
<a href="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a><br>
<a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" rel="noreferrer" target="_blank">https://listas.inf.ufpr.br/<wbr>cgi-bin/mailman/listinfo/r-br</a><br>
Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" rel="noreferrer" target="_blank">http://www.leg.ufpr.br/r-br-<wbr>guia</a>) e forneça código mínimo reproduzível.<br></blockquote></div><br></div>