<html><head></head><body><div style="color:#000; background-color:#fff; font-family:HelveticaNeue, Helvetica Neue, Helvetica, Arial, Lucida Grande, sans-serif;font-size:16px"><div><span>Muito obrigado a todos</span></div><div id="yui_3_16_0_ym19_1_1479124797461_6270"><span>:)</span></div> <div class="qtdSeparateBR"><br><br></div><div class="yahoo_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 dir="ltr"><font size="2" face="Arial"> On Monday, November 14, 2016 10:06 AM, Luiz Leal <richfield1974@yahoo.com> wrote:<br></font></div> <br><br> <div class="y_msg_container"><div id="yiv0042699738"><div><div style="color:#000;background-color:#fff;font-family:HelveticaNeue, Helvetica Neue, Helvetica, Arial, Lucida Grande, sans-serif;font-size:16px;"><div id="yiv0042699738yui_3_16_0_ym19_1_1479124797461_3591"><span>Muito obrigado</span></div> <div class="yiv0042699738qtdSeparateBR"><br clear="none"><br clear="none"></div><div class="yiv0042699738yahoo_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 class="yiv0042699738yqt2549298951" id="yiv0042699738yqtfd33903"><div dir="ltr"><font size="2" face="Arial"> On Sunday, November 13, 2016 3:40 PM, Wagner Bonat <wbonat@gmail.com> wrote:<br clear="none"></font></div> <br clear="none"><br clear="none"> <div class="yiv0042699738y_msg_container"><div id="yiv0042699738"><div><div dir="ltr"><div><div><div><div><div><div><div><div>Prezados membros da lista,<br clear="none"><br clear="none"></div>Alguns dias postei um código não reproduzível sobre modelos para heterocedásticidade.<br clear="none"></div>Peço desculpas e abaixo vai o código que imagino ser possível reproduzir.<br clear="none"></div>Os dois principais problemas eram a instalação do pacote mcglm e o conjunto de dados.<br clear="none"></div>O pacote pode ser instalado facilmente pelo github repository neste endereço<br clear="none"><br clear="none"><a rel="nofollow" shape="rect" target="_blank" href="https://github.com/wbonat/mcglm">https://github.com/wbonat/mcglm</a><br clear="none">install_github("wbonat/mcglm", ref = "devel") # Saliento para instalar a versão devel !!<br clear="none"><br clear="none"></div>O conjunto de dados está anexado neste e-mail.<br clear="none"></div>Além disso, o Luiz Leal estava com problemas pra ter acesso e pediu o .tar.gz que também vai em anexo.<br clear="none"></div>Aproveito para salientar que o mcglm está em desenvolvimento, assim quaisquer dúvidas, criticas e/ou <br clear="none">sugestões serão muito bem vindas.<br clear="none"></div><div><div><br clear="none"></div><div>All the best!<br clear="none"></div><div><br clear="none"># Heteroscedastic regression model -------------------------------------<br clear="none"># Author: Wagner Hugo Bonat LEG/UFPR -----------------------------------<br clear="none"># Date: 13/11/2016 -----------------------------------------------------<br clear="none"><br clear="none"># Loading extra packages<br clear="none">install.packages("devtools")<br clear="none">require(devtools)<br clear="none"><br clear="none"># Install mcglm package from github repository -------------------------<br clear="none">install_github("wbonat/mcglm", ref = "devel")<br clear="none">require(mcglm)<br clear="none"><br clear="none"><br clear="none"># Loading data set<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("branco",6),<br clear="none"> rep("extra_ambar_claro",3),rep("branco",3)))<br clear="none">dados <- data.frame("Fenois" = Fenois, "Cor" = Cor)<br clear="none">boxplot(dados$Fenois ~ dados$Cor)<br clear="none">tapply(dados$Fenois, dados$Cor, sd)<br clear="none"><br clear="none"># Linear regression model- ---------------------------------------------<br clear="none">fit1 <- lm(Fenois ~ Cor, data = dados)<br clear="none">anova(fit1)<br clear="none">plot(residuals(fit1) ~ fitted(fit1))<br clear="none">plot(residuals(fit1) ~ Cor)<br clear="none"><br clear="none"># Double Linear regression model ---------------------------------------<br clear="none">dados$id <- 1<br clear="none">fit2 <- mcglm(c(Fenois ~ Cor), list(mc_dglm(~ Cor, id = "id", data = dados)), <br clear="none"> covariance = "expm", data = dados)<br clear="none">summary(fit2)<br clear="none"><br clear="none">summary(fit1)<br clear="none">summary(fit2)<br clear="none"><br clear="none">cbind(coef(fit1), coef(fit2, type = "beta")$Estimates)<br clear="none">cbind(sqrt(diag(vcov(fit1))), coef(fit2, type = "beta", std.error = TRUE)$Std.error)<br clear="none"><br clear="none"># Example 2 ------------------------------------------------------------<br clear="none">dados2 <- read.table("HETE.csv", header = TRUE, sep = ";", dec = ",")<br clear="none">with(dados2, boxplot(y ~ x))<br clear="none"><br clear="none"># Note that, the A33 has no variance, so we need to remove this level.<br clear="none">dados2 <- dados2[which(dados2$x != "A33"),]<br clear="none">dados2$x <- droplevels(dados2$x)<br clear="none">tapply(dados2$y, dados2$x, sd)<br clear="none"><br clear="none"># Linear regression model ----------------------------------------------<br clear="none">fit_lm <- lm(y ~ x, data = dados2)<br clear="none">summary(fit_lm)<br clear="none">plot(residuals(fit_lm) ~ fitted(fit_lm))<br clear="none">plot(residuals(fit_lm) ~ dados2$x)<br clear="none"><br clear="none"># Double linear regression model ---------------------------------------<br clear="none">dados2$id <- 1<br clear="none">fit_dlm <- mcglm(c(y ~ x), list(mc_dglm(~ x, id = "id", data = dados2)), <br clear="none"> covariance = "expm", data = dados2)<br clear="none">summary(fit_dlm)<br clear="none"><br clear="none"># Comparing estimates and standard errors ------------------------------<br clear="none">cbind(coef(fit_lm), coef(fit_dlm, type = "beta")$Estimates)<br clear="none">cbind(sqrt(diag(vcov(fit_lm))), coef(fit_dlm, type = "beta", std.error = TRUE)$Std.error)<br clear="none"><br clear="none"><div><div><br clear="none"></div></div></div></div></div><div class="yiv0042699738gmail_extra"><br clear="none"><div class="yiv0042699738yqt7096112075" id="yiv0042699738yqt83931"><div class="yiv0042699738gmail_quote">Em 11 de novembro de 2016 17:01, Luiz Leal <span dir="ltr"><<a rel="nofollow" shape="rect" ymailto="mailto:richfield1974@yahoo.com" target="_blank" href="mailto:richfield1974@yahoo.com">richfield1974@yahoo.com</a>></span> escreveu:<br clear="none"><blockquote class="yiv0042699738gmail_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><span>Prezado Wagner, uso o R no trabalho e devido a restrições técnicas só consigo instalar pacotes a partir do zip. Poderia me mandar o zip deste pacote?</span></div><div><span>Att</span></div><div><span>Luiz</span></div> <div class="yiv0042699738m_-4698200378919308510qtdSeparateBR"><br clear="none"><br clear="none"></div><div class="yiv0042699738m_-4698200378919308510yahoo_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="yiv0042699738h5"> <div dir="ltr"><font face="Arial" size="2"> On Friday, November 4, 2016 5:05 PM, Wagner Bonat <<a rel="nofollow" shape="rect" ymailto="mailto:wbonat@gmail.com" target="_blank" href="mailto:wbonat@gmail.com">wbonat@gmail.com</a>> wrote:<br clear="none"></font></div> <br clear="none"><br clear="none"> </div></div><div class="yiv0042699738m_-4698200378919308510y_msg_container"><div id="yiv0042699738m_-4698200378919308510yiv1337977286"><div><div><div class="yiv0042699738h5"><div dir="ltr"><div><div><div>Sim, vc pode usar qualquer dos testes padrões. <br clear="none">A única diferença é que vc deve usar os beta e erros padrões que vem deste modelo.<br clear="none">Não sei se vc pode incluir sua própria matriz de covariancia nas funções do R.<br clear="none">Talvez, sim. Se não tem que implementar.<br clear="none"></div>O Walmes é muito bom nestes testes de comparações múltiplas talvez ele possa ajudar.<br clear="none"></div><div><br clear="none">O que houve q não conseguiu instalar o pacote?<br clear="none"></div><div>Tentou pelo github ou do CRAN?<br clear="none"></div><div><br clear="none"><a rel="nofollow" shape="rect" target="_blank" href="https://cran.r-project.org/web/packages/mcglm/index.html">https://cran.r-project.org/ web/packages/mcglm/index.html</a><br clear="none"><a rel="nofollow" shape="rect" target="_blank" href="https://github.com/wbonat/mcglm">https://github.com/wbonat/ mcglm</a><br clear="none"><br clear="none"></div></div><br clear="none"><br clear="none"></div></div></div><div class="yiv0042699738m_-4698200378919308510yiv1337977286gmail_extra"><br clear="none"><div class="yiv0042699738m_-4698200378919308510yiv1337977286yqt1293506770" id="yiv0042699738m_-4698200378919308510yiv1337977286yqt16758"><div class="yiv0042699738m_-4698200378919308510yiv1337977286gmail_quote"><div><div class="yiv0042699738h5">Em 4 de novembro de 2016 19:46, Luiz Leal <span dir="ltr"><<a rel="nofollow" shape="rect" ymailto="mailto:richfield1974@yahoo.com" target="_blank" href="mailto:richfield1974@yahoo.com">richfield1974@yahoo.com</a>></span> escreveu:<br clear="none"></div></div><blockquote class="yiv0042699738m_-4698200378919308510yiv1337977286gmail_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><div class="yiv0042699738h5"><div id="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yui_3_16_0_ym19_1_1478284318272_4940"><span id="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yui_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="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yui_3_16_0_ym19_1_1478284318272_4940"><span>Desde já agradeço</span></div><div id="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yui_3_16_0_ym19_1_1478284318272_4940"><span>Luiz</span></div><div id="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yui_3_16_0_ym19_1_1478284318272_4940"><span id="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yui_3_16_0_ym19_1_1478284318272_5175">PS. Não consegui instalar o pacote</span></div> <div class="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989qtdSeparateBR"><br clear="none"><br clear="none"></div></div></div><div class="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yahoo_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="yiv0042699738h5"><div><div class="yiv0042699738m_-4698200378919308510yiv1337977286h5"> <div dir="ltr"><font face="Arial" size="2"> On Friday, November 4, 2016 4:13 PM, Wagner Bonat via R-br <<a rel="nofollow" shape="rect" ymailto="mailto:r-br@listas.c3sl.ufpr.br" target="_blank" href="mailto:r-br@listas.c3sl.ufpr.br">r-br@listas.c3sl.ufpr.br</a>> wrote:<br clear="none"></font></div> <br clear="none"><br clear="none"> </div></div></div></div><div class="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989y_msg_container"><div><div class="yiv0042699738m_-4698200378919308510yiv1337977286h5"><div id="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yiv3974050584"><div dir="ltr"><div><div class="yiv0042699738h5"><div>Caros, <br clear="none"></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<br clear="none"></div>ser facilmente resolvido e mostrando o efeito disso no modelo.<br clear="none"><br clear="none"># Example 2 ------------------------------ ------------------------------<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(" branco",6), <br clear="none"></div></div> rep("extra_ambar_claro",3), rep("branco",3)))<div><div class="yiv0042699738h5"><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="all"><div><div><br clear="none">-- <br clear="none"><div class="yiv0042699738m_-4698200378919308510yiv1337977286m_-7769256875373248989yiv3974050584gmail_signature"><div dir="ltr"><div><div dir="ltr"><div>Wagner Hugo Bonat<br clear="none">------------------------------ ------------------------------ ------------------------------ ----<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></div><br clear="none"></div></div><div><div class="yiv0042699738h5">______________________________ _________________<br clear="none">R-br mailing list<br clear="none"><a rel="nofollow" shape="rect" ymailto="mailto:R-br@listas.c3sl.ufpr.br" target="_blank" href="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a><br clear="none"><a rel="nofollow" shape="rect" target="_blank" href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br">https://listas.inf.ufpr.br/ cgi-bin/mailman/listinfo/r-br</a><br clear="none"></div></div>Leia o guia de postagem (<a rel="nofollow" shape="rect" target="_blank" href="http://www.leg.ufpr.br/r-br-guia">http://www.leg.ufpr.br/r-br- guia</a>) e forne� c�igo m�imo reproduz�el.<br clear="none"><br clear="none"></div> </div> </div> </div></div></div></blockquote></div></div><span class="yiv0042699738"><br clear="none"><br clear="all"><br clear="none">-- <br clear="none"></span><div class="yiv0042699738m_-4698200378919308510yiv1337977286gmail_signature"><div dir="ltr"><div><div dir="ltr"><div>Wagner Hugo Bonat<br clear="none">------------------------------ ------------------------------ ------------------------------ ----<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><br clear="none"><br clear="none"></div> </div> </div> </div></div></div></blockquote></div></div><br clear="none"><br clear="all"><br clear="none">-- <br clear="none"><div class="yiv0042699738gmail_signature"><div dir="ltr"><div><div dir="ltr"><div>Wagner Hugo Bonat<br clear="none">----------------------------------------------------------------------------------------------<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><br clear="none"><br clear="none"></div> </div></div><div class="yiv0042699738yqt2549298951" id="yiv0042699738yqtfd92488"> </div></div><div class="yiv0042699738yqt2549298951" id="yiv0042699738yqtfd67002"> </div></div></div></div></div><br><br></div> </div> </div> </div></div></body></html>