<div dir="ltr"><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Rafael, se entendi corretamente, você fará um experimento em DBC com (sub)-repetições dentro da parcela, certo? É o mesmo caso de quando se mede altura (da planta, da primeira espiga/vagen) em várias plantas na mesma parcela, ou conta-se o número de vagens, enfim. Parece que a sua dúvida é quanto a análise usando valores individuais (4 x 4 x 10 = 160 registros) ou com os valores agregados (4 x 4 = 16 registros). Se você usar uma agregação de soma ou média, para comparar os tratamentos o resultado é o mesmo (F e p-valor), como demonstra o código abaixo a partir de dados gerados.<br><br><span style="font-family:monospace,monospace">> # Tabela de dados artificiais (em inclusão de efeitos, só ruído branco).<br>> da <- expand.grid(bloc = gl(4, 1),<br>+                   trt = gl(4, 1),<br>+                   rept = gl(10, 1))<br>> da$parc <- with(da, interaction(bloc, trt))<br>> set.seed(2017)<br>> da$y <- rnorm(nrow(da))<br>> <br>> # Modelo com observações dentro de parcela (dois estratos).<br>> m0 <- aov(y ~ bloc + trt + Error(parc/rept), data = da)<br>> summary(m0)<br><br>Error: parc<br>          Df Sum Sq Mean Sq F value Pr(>F)<br>bloc       3  0.945  0.3150   0.442  0.728<br>trt        3  1.433  0.4776   0.671  0.591<br>Residuals  9  6.408  0.7120               <br><br>Error: parc:rept<br>           Df Sum Sq Mean Sq F value Pr(>F)<br>Residuals 144  150.2   1.043               <br>> <br>> # Redução com média por parcela.<br>> db <- aggregate(y ~ bloc + trt, data = da, FUN = mean)<br>> <br>> # Modelo feito sobre as médias das parcelas.<br>> m1 <- lm(y ~ bloc + trt, data = db)<br>> anova(m1)<br>Analysis of Variance Table<br><br>Response: y<br>          Df  Sum Sq  Mean Sq F value Pr(>F)<br>bloc       3 0.09449 0.031496  0.4423 0.7285<br>trt        3 0.14329 0.047764  0.6708 0.5911<br>Residuals  9 0.64081 0.071201               <br>> <br></span><br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Usando a média, o quadro de anova do estrato `parc` é igual ao quadro de anova utilizando a média como resposta. Portanto, em termos de inferência sobre os tratamentos, é a mesma coisa. A análise com estrato é mais informativa porque te permite compreender a maginitude das variância entre parcelas e dentro de parcelas quando você obtém os componentes de variância, o que é útil para decisões de planejamento e dimensionamento amostral. Por outro lado, é mais fácil trabalhar com objetos de classe lm (m1) do que aov.list (m0), então, depois de ver o resultado do m0 eu seguiria a análise com o objeto m1, onde posso facilmente aplicar uma série de métodos e outras funções.<br><br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Se o número de observações for diferente em cada parcela, é necessário representar isso com peso na análise (lm(..., weigths)). Os pesos foram educadamente ignorados nessa análise que fiz porque o número de observações foi o mesmo. Veja alguns exemplos em: <a href="http://leg.ufpr.br/~walmes/cursoR/geneticaEsalq/script07.html">http://leg.ufpr.br/~walmes/cursoR/geneticaEsalq/script07.html</a>.<br><br>À diposição.<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Walmes.<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif"></div>​</div>