1 - Se sua resposta for Gaussiana o residuo deve ser Gaussiano. Eu nao tenho nenhuma experiencia com o pacote MCMCglmm, mas eu acho que vc esta assumindo Gaussianidade pq vc nao especificou nenhuma distribuicao no argumento family.
O envelope simulado que o Elias falou vai ajudar a interpretar o QQ-plot que deve sim indicar que os residuos sao Gaussianos i.e. pontos dentro do envelope.
Eu nao vi o qq-plot dos seus residuos talvez vc possa colocar aqui pra gente ver.
As vezes nas pontas fica meio estranho mesmo.

2 - Esses testes de normalidade esquece isso.

3 - Apesar da normalidade dos residuos ser importantes, muitas vezes isso nao tem nenhum grande efeito na estimacao dos parametros que em geral e bastante robusta. Eu estaria mais preocupado em verificar se existe um relacionamento entre media e variancia, vc pode usar por exemplo um grafico residuos versus preditos ou observados. Se vc identificar algum padrao e sinal de problema no modelo.
Vc precisa de alguma forma padronizar esses residuos para vc ter uma ideia do tamanho que eles sao. E identificar possiveis outliers ou pontos influentes aberrantes...

4 - MCMCglmm e so um pacote que ajusta Generalized Linear Mixed Models (GLMM) using MCMC methods. Vc pode ajustar GLMM usando diferentes distribuicoes para a sua variavel resposta, como Gaussiana, Gamma, Normal Inverse, T e outras.

5 - O pacote INLA e capaz de ajustar esse modelo filogenetico que vc quer. Vc pode ajustar usando a Normal e tbm tem opcao skew Normal and Gamma. Vc deve usar o modelo generic0 e passar a inversa da sua matriz filogenetica parecido com o que vc passou pro MCMCglmm.

Ver http://www.math.ntnu.no/inla/r-inla.org/doc/latent/generic0.pdf. Exemplo de aplicacao de INLA em animal models que e praticamente a mesma coisa que o modelo filogetico neste paper.
http://www.g3journal.org/content/3/8/1241.full

6 - Meu pacote mcglm tbm e capaz de ajustar esse modelo, usando estimating function uma abordagem diferente. No caso Gaussiano os modelos sao iguais a menos do efeito da priori.

Vc pode baixar o meu paper aqui e ver se atende suas necessidades
https://www.researchgate.net/profile/Wagner_Bonat2

7 - Se vc tiver interesse em uma abordagem nao Bayesiana. Manda um e-mail e conversamos.

Em 23 de novembro de 2015 15:34, Filipe Cristovão <filipe.cunha@uzh.ch> escreveu:

Olá,

Muito obrigado pelas mensagens.

Vou dar continuidade a discussão com alguns esclarecimentos e um pouco de código:

1- Elias pergunta como calculo os resíduos nesse modelo:

>residuals_model<-(data$response_variable-predict(model))

2- Wagner, sua pergunta é, de alguma maneira, minha grande dúvida: "Se vc já sabe que sua variável resposta é gamma pq não ajusta um modelo gamma? Ou mesmo qq outro modelo para resposta contínua como a Gaussian Inverse?”. Contudo, qual tipo de análise que não MCMCglmm me permitiria controlar meus dados quanto à filogenia?

3. E finalmente sobre os motivos de se usar MCMCglmm: recaem novamente na não independência dos dados e na possibilidade de se controlar filogeneticamente.

Mas, a mesma pergunta que foi feita, é parte da minha questão:
"Por que assumindo distribuição de probabilidade aos parâmetros, a interpretação dos resultados é baseada no fato de que também se obtem distribuições de probabilidade à posteriori para interpretar?” Em outras palavras, por que os resíduos devem seguir uma distribuição normal mesmo se os dados não são normais? Ou essa última frase está equivocada?

O modelo segue:

#Phylo é minha árvore filogenética.

>MCMC1<-MCMCglmm(Response_var~var1*var2*+var3,
+ random = ~Phylo, family=“?”,
+ ginverse=list(Phylo=inv.phylo$Ainv), prior = prior,
+ nitt = 10000,
+ burnin = 1000, thin = 500, data = mob,
+ verbose = F )

# Os resíduos estão acima. E para checar a normalidade dos resíduos usei:

> qqnorm(residuals_model)
> shapiro.test(residuals_model)

Enfim, após as mensagens que me fizeram estudar novos artigos =) refaço as perguntas:

A) Meus resíduos precisam ser normais quando uso um modelo MCMCglmm?

B) Que outro pacote me permite controlar a filogenia em um modelo?

Abraços,

Filipe Cristovão R. da Cunha
Anthropological Institute & Museum
University of Zurich - Campus Irchel
Winterthurerstrasse 190, CH-8057 Zürich
Switzerland
www.aim.uzh.ch/Research/birdfamilies/filipe.html
www.flickr.com/photos/filipe_cristovao

_______________________________________________
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

Wagner Hugo Bonat
----------------------------------------------------------------------------------------------
Department of Mathematics and Computer Science (IMADA)
University of Southern Denmark (SDU) and
Laboratório de Estatística e Geoinformação (LEG)
Universidade Federal do Paraná (UFPR)