<div dir="auto">tente rodar usando a abordagem generalisada implementada na função gls do pacote nlme. <div dir="auto">nela é possivel afrouxar o pressuposto de homocedasticidade exigido pela função lm,aov, através do argumento weights</div><div dir="auto">der uma olhada no manual</div></div><br><div class="gmail_quote"><div dir="ltr">Em sáb, 2 de mar de 2019 5:56 PM, Marcelo Laia <<a href="mailto:marcelolaia@gmail.com">marcelolaia@gmail.com</a> escreveu:<br></div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">On 02/03/19 at 03:51, Fernando Souza wrote:<br>
> Seguindo a proposta do gilson, apos rodar o modelo utilizando aov ou lm veja a distribuição dos residuos graficamente através da função qqp do pacote CAR<br>
> qqp(rstandard(modelo.lm),"norm")<br>
> <br>
<br>
Olá Fernando,<br>
<br>
Eu não conhecia essa função do pacote car. Bem massa, pois ela mostra as linhas<br>
de confiança.<br>
<br>
Com base no pacote bestNormalize, eu transformei os dados e observei os<br>
gráficos. Inclusive, com a função qqp todos ficam dentro dos 95%. Ou seja, a<br>
questão da normalidade foi resolvida. Mas, a homogeneidade ainda ficou<br>
esquisita quando incluo a interação:<br>
<br>
Com a interação:<br>
Levene's Test for Homogeneity of Variance (center = median)<br>
       Df F value    Pr(>F)    <br>
group  41  2.2615 0.0002938 ***<br>
      126                      <br>
<br>
Sem interação: só Genotipo<br>
Levene's Test for Homogeneity of Variance (center = median)<br>
       Df F value  Pr(>F)  <br>
group   1  3.1509 0.07772 .<br>
      166                  <br>
<br>
Sem interação: só Isolado<br>
Levene's Test for Homogeneity of Variance (center = median)<br>
       Df F value  Pr(>F)  <br>
group  20  1.5658 0.06859 .<br>
      147                  <br>
<br>
Em anexo os gráficos após transformação.<br>
<br>
Agradeço, imensamente, pela inestimável ajuda de ambos!<br>
<br>
-- <br>
Marcelo<br>
</blockquote></div>