<div dir="ltr">Luiz,<div><br></div><div>Malgrado você tenha endereçado a pergunta, dou meu "pitaco" enquanto os outros colegas não se manifestam.</div><div><br></div><div>Todas as regressões necessitam que em última análise os erros aleatórios possam ser modelados por um processo cuja melhor representação é a distribuição gaussiana com média zero e alguma dispersão em torno desse zero (que gera o "ruído" nas respostas versus a modelagem matemática da regressão).</div><div><br></div><div>A grande contribuição dos modelos generalizados é identificação de diversas funções de ligação que permitem modelar processos com respostas diferentes da média pura (ligação == identidade) de tal forma que quando você analisa os resíduos eles "ficam" normais (gaussianos).</div><div><br></div><div>No script que você enviou em anexo ao e-mail, você está aplicando testes com a suposição ("modelagem") de um processo que deveria ter uma relação "linear" entre x e y.</div><div><br></div><div>Ora, você tem três amostras para todos os grupos "x" com exceção do grupo "0" que tem 14 casos, como você espera obter alguma coisa razoável em relação aos resíduos?</div><div><br></div><div>Uma análise exploratória dos seus dados mostra algo interessante, veja no seu ambiente:</div><div><br></div><div>> library(gplots)</div><div>> plotmeans(y ~ x, data=dados)</div><div><br></div><div>Uma outra instrutiva visualização dos seus dados é a seguinte:</div><div><br></div><div>> dotchart(dados$y, groups=dados$x)</div><div><br></div><div>HTH</div><div>--</div><div>Cesar Rabak</div><div><br></div></div><div class="gmail_extra"><br><div class="gmail_quote">2016-11-08 11:11 GMT-02:00 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>:<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_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3506" dir="ltr"><span style="font-family:'trebuchet ms',sans-serif;font-size:13px" id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3515">Prezados Walmes e Wagner</span><span></span></div><div id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3506" dir="ltr"><font face="trebuchet ms, sans-serif" id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3895"><span style="font-size:13px" id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3896">Costumo trabalhar com conjuntos de dados em que todos os pressupostos são violados (os dados e os resíduos desviam muito da normalidade além de heterocedasticidade que conforme o Walmes mencionou </span></font><span style="font-family:'trebuchet ms',sans-serif;font-size:13px" id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3897">a solução transformação Box-Cox não resolve</span><span style="font-size:13px;font-family:'trebuchet ms',sans-serif" id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3898">). Além disso não posso excluir ou agrupar os tratamentos porque os mesmos representam resultados (medições) de laboratórios. Preciso compará-los com um tratamento (laboratório) considerado de "referência".</span></div><div id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3506" dir="ltr"><span style="font-size:13px;font-family:'trebuchet ms',sans-serif" id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_4447">O modelo gls() é capaz de abarcar esses problemas? </span></div><div id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3506" dir="ltr"><span style="font-size:13px;font-family:'trebuchet ms',sans-serif">Desde já agradeço</span></div><div id="m_6746717871057980473yui_3_16_0_ym19_1_1478609327886_3506" dir="ltr"><span style="font-size:13px;font-family:'trebuchet ms',sans-serif">Luiz</span></div> <div class="m_6746717871057980473qtdSeparateBR"><br><br></div><div class="m_6746717871057980473yahoo_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 Monday, November 7, 2016 10:34 PM, Mauro Sznelwar 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_6746717871057980473y_msg_container"><div><div class="h5"><div id="m_6746717871057980473yiv7080184594"><div><div><span style="font-size:medium;color:#0000ff">Ele não reconhece estes comandos 'mcglm','gof', tem alguma bibliotéca para isto?</span></div>
<div> </div>
<div class="m_6746717871057980473yiv7080184594yqt5790117561" id="m_6746717871057980473yiv7080184594yqt94727"><div dir="ltr">
<div>Caros, </div>
<div><br clear="none">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</div>
ser facilmente resolvido e mostrando o efeito disso no modelo.<br clear="none"><br clear="none"># Example 2 ------------------------------<wbr>------------------------------<br clear="none">Fenois = c(337.311, 344.874, 342.353, 325.546, 333.950, 330.588, 328.067, <br clear="none"> 328.067, 318.824, 331.429, 333.950, 334.790, 336.471, 338.151, <br clear="none"> 342.353, 259.160, 252.437, 268.403, 265.882, 266.723, 287.731, <br clear="none"> 88.571, 88.571, 90.252, 41.513, 52.437, 49.076, 88.571, <br clear="none"> 88.571, 90.252, 64.202, 60.000, 61.681)<br clear="none">Cor = factor(c(rep("ambar",6), rep("ambar_claro",3), rep("ambar",6), <br clear="none"> rep("ambar_claro",6),rep("<wbr>branco",6), <br clear="none"> rep("extra_ambar_claro",3),<wbr>rep("branco",3)))<br clear="none"><br clear="none"># Exploratory analysis<br clear="none">boxplot(Fenois ~ Cor)<br clear="none">tapply(Fenois, Cor, sd)<br clear="none">dados <- data.frame(Fenois, Cor)<br clear="none">dados$id <- 1<br clear="none"><br clear="none"># Fitting <br clear="none">fit1 <- mcglm(c(Fenois ~ Cor), list(mc_id(dados)), data = dados)<br clear="none">fit2 <- mcglm(c(Fenois ~ Cor), list(mc_dglm(~ Cor, id = "id", data = dados)),<br clear="none"> covariance = "expm", data = dados)<br clear="none"># Goodness-of-fit <br clear="none">gof(fit1)<br clear="none">gof(fit2)<br clear="none"><br clear="none"># Comparing estimates and standard errors<br clear="none">coef(fit1, type = "beta", std.error = TRUE)<br clear="none">coef(fit2, type = "beta", std.error = TRUE)<br clear="none"><br clear="none">O interessante é que a estimativa pontual é exatamente a mesma, porém<br clear="none">olha a enorme diferença nos erros padrões dos betas.<br clear="none">
<div>
<div><br clear="none">-- <br clear="none">
<div class="m_6746717871057980473yiv7080184594gmail_signature">
<div dir="ltr">
<div>
<div dir="ltr">
<div>Wagner Hugo Bonat<br clear="none">------------------------------<wbr>------------------------------<wbr>------------------------------<wbr>----<br clear="none">Department of Mathematics and Computer Science (IMADA)<br clear="none">University of Southern Denmark (SDU) and<br clear="none">Laboratório de Estatística e Geoinformação (LEG)<br clear="none">Universidade Federal do Paraná (UFPR)<br clear="none"><br clear="none"></div>
</div>
</div>
</div>
</div>
</div>
</div>
</div></div>
<div>______________________________<wbr>_________________<br clear="none"><br clear="none"></div></div></div><br></div></div><span class=""><div class="m_6746717871057980473yqt5790117561" id="m_6746717871057980473yqt37177">______________________________<wbr>_________________<br clear="none">R-br mailing list<br clear="none"><a shape="rect" href="mailto:R-br@listas.c3sl.ufpr.br" target="_blank">R-br@listas.c3sl.ufpr.br</a><br clear="none"><a shape="rect" 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 clear="none">Leia o guia de postagem (<a shape="rect" 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.</div><br><br></span></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>