<div dir="ltr">Marcelo,<div><br></div><div>Primeiro a sua observação mais "preocupante": os pacotes da Task View terem sido criticados pelos membros da banca. . .</div><div><br></div><div>Como não tenho ideia de que pacote nem qual crítica, fico apenas ressabiado que essas críticas não sejam mais divulgadas, nem que seja para a gente não recair no(s) erro(s) que eles possam ter descoberto...</div><div><br></div><div>Como o Walmes explicou (inclusive em post posterior a minha observação) o código teria que ser outro, apropriado para a ANCOVA, que do ponto de vista de sintaxe é similar ao da ANOVA desde que a variável contínua seja mantida dessa forma no dataframe.</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">2016-12-22 18:23 GMT-02:00 Marcelo Laia <span dir="ltr"><<a href="mailto:marcelolaia@gmail.com" target="_blank">marcelolaia@gmail.com</a>></span>:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">Prezado Cesar,<br>
<br>
Neste caso, ANCOVA, como ficaria o código que o Walmes gentilmente publicizou?<br>
Tenho trabalhado com dose resposta e os pacotes do Task View foram criticados<br>
por membros de bancas. Achei a solução do Walmes muito interessante. Por isso,<br>
gostaria de testar a sua abordagem, também!<br>
<br>
Marcelo<br>
<div><div class="h5"><br>
On 22/12/16 at 01:21, Cesar Rabak via R-br wrote:<br>
> Walmes,<br>
><br>
> Apenas um observação: não seria mais interessante aproveitar mais a<br>
> informação da dose se a tratássemos como variável contínua fazendo uma<br>
> ANCOVA?<br>
><br>
> Minha interpretação apressada do seu código me faz crer que a dose virou<br>
> fator também. . .<br>
><br>
> []s<br>
> --<br>
> Cesar Rabak<br>
><br>
><br>
> On Thu, Dec 22, 2016 at 9:46 AM, Walmes Zeviani <<a href="mailto:walmeszeviani@gmail.com">walmeszeviani@gmail.com</a>><br>
> wrote:<br>
><br>
> > Ajuste um modelo com as três espécies como se fosse um fatorial. Para<br>
> > obter as DLs é mais fácil usar a parametrização de "estimativas separadas<br>
> > por nível". Veja o código abaixo.<br>
> ><br>
> > rm(list = ls())<br>
> > da <- data.frame(<br>
> > dose = rep(c(0, 0.15625, 0.3125, 0.625, 1.25, 2.5, 5, 10), each = 4),<br>
> > n = rep(10, 32),<br>
> > m1 = c(1, 3, 4, 0, 5, 2, 5, 5, 4, 4, 2, 2, 0, 3, 3, 5, 10,<br>
> > 10, 7, 0, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10,<br>
> > 10),<br>
> > m2 = c(0, 3, 4, 4, 1, 0, 4, 0, 0, 1, 0, 0, 3, 2, 0, 3, 3, 2,<br>
> > 0, 3, 3, 3, 3, 6, 9, 4, 7, 2, 10, 10, 10, 10),<br>
> > m3 = c(4, 2, 2, 3, 4, 6, 8, 6, 4, 6, 6, 5, 5, 9, 5, 8, 10,<br>
> > 8, 5, 5, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10,<br>
> > 10))<br>
> > da$Dose <- as.factor(da$dose)<br>
> ><br>
> > da <- reshape2::melt(da,<br>
> > id.vars = c("dose", "Dose", "n"),<br>
> > <a href="http://variable.name" rel="noreferrer" target="_blank">variable.name</a> = "esp",<br>
> > <a href="http://value.name" rel="noreferrer" target="_blank">value.name</a> = "mort")<br>
> > str(da)<br>
> ><br>
> > library(lattice)<br>
> ><br>
> > bwplot(mort/n ~ Dose | esp,<br>
> > data = da,<br>
> > pch = "|",<br>
> > as.table = TRUE,<br>
> > layout = c(NA, 1))<br>
> ><br>
> > xyplot(mort/n ~ Dose | esp,<br>
> > data = da,<br>
> > type = c("p", "a"),<br>
> > as.table = TRUE,<br>
> > layout = c(NA, 1))<br>
> ><br>
> > m0 <- glm(cbind(mort, n - mort) ~ esp * dose,<br>
> > data = da,<br>
> > family = quasibinomial)<br>
> ><br>
> > par(mfrow = c(2, 2))<br>
> > plot(m0)<br>
> > layout(1)<br>
> ><br>
> > summary(m0)<br>
> ><br>
> > anova(m0, test = "F")<br>
> ><br>
> > # Em um modelo binomial do tipo ~ \beta_0 + \beta_1 * x, a DL_{50} é<br>
> > # -\beta_0/\beta_1.<br>
> ><br>
> > # Ajuste do modelo com estimativas separadas para cada nível.<br>
> > m1 <- glm(cbind(mort, n - mort) ~ 0 + esp/dose,<br>
> > data = da,<br>
> > family = quasibinomial)<br>
> ><br>
> > # Deviances iguais porque são modelos iguais.<br>
> > deviance(m0)<br>
> > deviance(m1)<br>
> ><br>
> > summary(m1)<br>
> ><br>
> > beta <- matrix(coef(m1), ncol = 2)<br>
> > dl <- -beta[, 1]/beta[, 2]<br>
> ><br>
> > pred <- with(da,<br>
> > expand.grid(esp = levels(esp),<br>
> > dose = seq(min(dose), max(dose),<br>
> > length.out = 30)))<br>
> ><br>
> > pred$p <- predict(m1, newdata = pred, type = "response")<br>
> ><br>
> > library(latticeExtra)<br>
> ><br>
> > xyplot(mort/n ~ dose | esp,<br>
> > data = da,<br>
> > as.table = TRUE,<br>
> > layout = c(NA, 1)) +<br>
> > as.layer(xyplot(p ~ dose | esp,<br>
> > data = pred,<br>
> > type = "l",<br>
> > col = 2,<br>
> > lwd = 2)) +<br>
> > layer(panel.abline(v = dl[which.packet()],<br>
> > h = 0.5,<br>
> > lty = 2))<br>
> ><br>
> > À disposição.<br>
> > Walmes.<br>
> > <br>
> ><br>
<br>
</div></div><span class="">> ______________________________<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>
</span>> 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 forne?a c?digo m?nimo reproduz?vel.<br>
<span class="HOEnZb"><font color="#888888"><br>
<br>
<br>
--<br>
Marcelo<br>
</font></span></blockquote></div><br></div>