<div dir="ltr">Companheiros recorro a ajuda de vocês novamente. Meu objetivo é comparar dois modelos, ambos exponenciais negativo, porém para dois diferentes tratamentos. Como os modelos não são aninhados eu estou utilizando o teste de Vuong do pacote "nonnest2"  para avaliar se as curvas obtidas a partir desses modelos diferem entre si. O problema é que eu consigo entender a saída do R. O "Variance test" diz que os modelos são indistinguíveis, porém o teste de razão de verossimilhança não aninhada diz que o modelo 1 e diferente do 2, isso é correto ? Segue a saída e os comandos. Agradeço a todos que me ajudarem. Abraços.<div><br></div><div><div>SAÍDA:</div><div><br></div><div>Model 1 </div><div> Class: nls </div><div> Call: nls(formula = diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == ...</div><div><br></div><div>Model 2 </div><div> Class: nls </div><div> Call: nls(formula = diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == ...</div><div><br></div><div>Variance test </div><div>  H0: Model 1 and Model 2 are indistinguishable </div><div>  H1: Model 1 and Model 2 are distinguishable </div><div>    w2 = 0.048,   p = 0.997</div><div><br></div><div>Non-nested likelihood ratio test </div><div>  H0: Model fits are equal for the focal population </div><div>  H1A: Model 1 fits better than Model 2 </div><div>    z = 6.840,   p = 3.97e-12</div><div>  H1B: Model 2 fits better than Model 1 </div><div>    z = 6.840,   p = 1</div><div><br></div><div>COMANDOS:</div><div><br></div><div><div>dados.ajuste <- expand.grid(parA = c(0.0,0.99,2,3,4,5,6)+1, sistema = factor(c("MAFA01","MAFA04"))); perfilMAFA01; perfilMAFA04</div><div>dados.ajuste$diversidade <- c(55.00000,19.572140, 10.230871,  7.224990,  6.004212,  5.402218,  5.056630,</div><div>                              62.00000, 31.69523, 21.41784, 17.61259, 15.76542, 14.70719, 14.03339); dados.ajuste</div><div><br></div><div>expMAFA01 <- nls(diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == "MAFA01",], start = list(a = 50, b = -1))<br></div><div>summary(expMAFA01)</div><div>lines(fitted.values(expMAFA01))</div><div><br></div><div>expMAFA04 <- nls(diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == "MAFA04",], start = list(a = 50, b = -1))</div><div>summary(expMAFA04)</div><div>lines(fitted.values(expMAFA04))</div><div><br></div><div>ggplot(dados.ajuste,aes(parA,diversidade))+<br></div><div>  stat_function(fun=function(parA){coef(expMAFA01)[[1]] * parA^coef(expMAFA01)[[2]]}, </div><div>                aes(colour="MAFA01", linetype="MAFA01")) +</div><div>  stat_function(fun=function(parA){coef(expMAFA04)[[1]] * parA^coef(expMAFA04)[[2]]}, </div><div>                aes(colour="MAFA04", linetype="MAFA04"))</div><div><br></div><div>AIC(expMAFA01,expMAFA04)</div><div><br></div><div>vuongtest(expMAFA01,expMAFA04)</div> <br>-- <br><div class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div dir="ltr"><div><div><div style="text-align:center">Diego dos Santos Vieira<br></div></div></div><div style="text-align:center">Engenheiro Florestal - UFRA</div><div style="text-align:center">Mestre em Ciência Florestal - UFVJM</div><div style="text-align:center">Doutorando em Ciência Florestal - UFVJM</div><div style="text-align:center"><br></div></div></div></div></div></div>
</div></div></div>