<div>Boa tarde Cesar,</div><div>Obrigado por responder.</div><div>A única variável resposta de interesse é a produção de leite (Leite) e o interesse é comparar os níveis do fator experimental tratamento.</div><div>Vacas é um bloco, cada vaca foi sorteado para uma sequencia de tratamentos A-B-A ou B-A-B em tres diferentes periodos. Não há interesse em inferir sobre as vacas.</div><br><div>Da mesma forma bloco , foi devido ao fato de as vacas não entrarem no  experimento ao mesmo tempo. Grupos de 10 vacas foram utilizadas em anos diferentes. Assim considerei que blocos, vacas dentro de blocos e Periodo dentro de vacas , dentro de bloco como aleatórios.</div><br><br><div>Minha dúvida é que ao fazer utilizando o modelo misto ou utilizando a abordagem do  artigo, o qual utiliza o glm, as conclusões são as mesmas (Não houve efeito do tratamento) as médias estimadas por ambas abordagens são ligeiramente diferentes.</div><div>No caso do modelo misto o intervalo de confiança foi maior que o intervalo de confiança utilizando o glm.</div><br><div>Assim gostaria da opinião de alguém com mais experiência, para me falar se o modelo da forma como montei, está correto, se não o que corrigir.</div><br><div class="gmail_quote_attribution">On Nov 4 2020, at 3:59 pm, Cesar Rabak por (R-br) <r-br@listas.c3sl.ufpr.br> wrote:</div><blockquote><div><div>Se a única variável manipulada ("independente") foram os tratamentos, e a resposta é unicamente uma única variável também, matematicamente você não acaba com a mesma análise, apenas por caminhos diferentes?</div><div><br></div></div><br><div class="gmail_quote"><div class="gmail_attr"><div>On Wed, Nov 4, 2020 at 12:28 PM Fernando Souza por (R-br) <<a href="mailto:r-br@listas.c3sl.ufpr.br" title="mailto:r-br@listas.c3sl.ufpr.br">r-br@listas.c3sl.ufpr.br</a>> wrote:</div></div><blockquote><div>Boa tarde pessoal,</div><br><div>Estou analisando um experimento em Switchback com vacas leiteiras e estou com duvidas sobre a montagem do modelo. Gostaria da ajuda de vocês.</div><div>O experimento comparou dois tratamentos A e B. Utilizou 30 vacas, porém as vacas não foram avaliadas simultaneamente. 10 vacas entraram no momento 1, 10 entraram no momento 2 e 10 entraram no momento 3.  As vacas dentro de cada momento foram sorteadas para uma das duas sequencias possíveis  A-B-A  ou B-A-B, sendo a sequencia aplicadas em 3 períodos diferentes de igual duração.</div><div><div>Entendo que o desenho experimental desse trabalho é semelhante ao descrito nesse trabalho: <a href="https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@getmailspring.com/0?redirect=https%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0022030287802734&recipient=ci1ickBsaXN0YXMuYzNzbC51ZnByLmJy" title="https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@getmailspring.com/0?redirect=https%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0022030287802734&recipient=ci1ickBsaXN0YXMuYzNzbC51ZnByLmJy">https://www.sciencedirect.com/science/article/pii/S0022030287802734</a></div><div>sendo o block os momentos (1,2 e 3)</div></div><br><div>Porém nesse trabalho os autores utilizam o PROC GLM dos SAS. Eu no entanto desejo analisá-lo através da abordagem dos modelos mistos, com a função lme{nlme}</div><div>Fiz o seguinte modelo e gostaria de uma opinião para saber se o modelo está correto? Se não como posso melhorá-lo</div><br><div><div>dados<-structure(list(Bloco = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L,</div><div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,</div><div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,</div><div>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,</div><div>2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,</div><div>3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,</div><div>3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), Ordem = structure(c(1L,</div><div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,</div><div>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L,</div><div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L,</div><div>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,</div><div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L,</div><div>2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"),</div><div>    Periodo = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,</div><div>    1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,</div><div>    1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,</div><div>    1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,</div><div>    1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,</div><div>    1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,</div><div>    1L, 2L, 3L), Tratamento = structure(c(1L, 2L, 1L, 1L, 2L,</div><div>    1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L,</div><div>    2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L,</div><div>    1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L,</div><div>    2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L,</div><div>    1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L,</div><div>    2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("A",</div><div>    "B"), class = "factor"), Sequencia = structure(c(1L, 1L,</div><div>    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,</div><div>    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,</div><div>    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,</div><div>    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,</div><div>    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,</div><div>    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), .Label = c("1",</div><div>    "2"), class = "factor"), Vacas = structure(c(1L, 1L, 1L,</div><div>    2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L,</div><div>    7L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L, 11L, 11L,</div><div>    11L, 12L, 12L, 12L, 13L, 13L, 13L, 14L, 14L, 14L, 15L, 15L,</div><div>    15L, 16L, 16L, 16L, 17L, 17L, 17L, 18L, 18L, 18L, 19L, 19L,</div><div>    19L, 20L, 20L, 20L, 21L, 21L, 21L, 22L, 22L, 22L, 23L, 23L,</div><div>    23L, 24L, 24L, 24L, 25L, 25L, 25L, 26L, 26L, 26L, 27L, 27L,</div><div>    27L, 28L, 28L, 28L, 29L, 29L, 29L, 30L, 30L, 30L), .Label = c("1",</div><div>    "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12",</div><div>    "13", "14", "15", "16", "17", "18", "19", "20", "21", "22",</div><div>    "23", "24", "25", "26", "27", "28", "29", "30"), class = "factor"),</div><div>    Leite = c(18.28, 15.73, 14.96, 16.08, 15.64, 15.41, 16.21,</div><div>    15.52, 14.93, 17.29, 14.52, 12.98, 13.28, 12.57, 12.31, 21.82,</div><div>    19.28, 18.75, 16.69, 15.15, 14, 17.11, 15.51, 14.73, 15.38,</div><div>    14.77, 13.37, 15.21, 14.46, 13.5, 12.67, 11.91, 11.55, 15.78,</div><div>    14.68, 14.61, 13.29, 12.12, 11.77, 17.32, 14.81, 14.66, 16.13,</div><div>    14.81, 14.29, 14.94, 13.45, 13.09, 15.27, 12.36, 11.29, 14.02,</div><div>    13, 12.06, 15.25, 14.9, 14.59, 12.44, 11.8, 11.56, 12.56,</div><div>    12.22, 7.68, 15.15, 14.56, 10.08, 14.26, 13.34, 10.21, 13.56,</div><div>    12.85, 8.9, 14.09, 14.63, 11.52, 17.7, 17.24, 14.89, 16.69,</div><div>    16.28, 12.25, 12.66, 12.14, 9, 18.74, 18.23, 14.98, 17.62,</div><div>    17.4, 15.67), Per = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L,</div><div>    2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,</div><div>    2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,</div><div>    2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,</div><div>    2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,</div><div>    2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,</div><div>    2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1", "2", "3"</div><div>    ), class = "factor")), class = "data.frame", row.names = c(NA,</div><div>-90L))</div></div><br><div>#install.packages("nlme")</div><div>library(nlme)</div><div>options(contrasts=c("contr.sum","contr.poly"))</div><div>controle<-lmeControl(maxIter = 200, msMaxIter = 200,opt = 'optim')</div><div>mlme <- lme(Leite ~Tratamento,random=~1|Bloco/Vacas/Per,control=controle, data=dados)</div><div>anova(mlme,type='marginal')</div><br><div>_______________________________________________</div><div>R-br mailing list</div><div><a href="mailto:R-br@listas.c3sl.ufpr.br" title="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a></div><div><a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" title="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a></div><div>Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" title="http://www.leg.ufpr.br/r-br-guia">http://www.leg.ufpr.br/r-br-guia</a>) e forneça código mínimo reproduzível.</div></blockquote></div><div>_______________________________________________</div><div>R-br mailing list</div><div>R-br@listas.c3sl.ufpr.br</div><div>https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</div><div>Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.</div></blockquote>