O uso da função tá correto, no entanto os teus dados não são inteiros, como contagens, para você usar distribuição Poisson. Se os dados não são números de eventos, contagens, não há razão para usar Poisson. Penso que o seu dado seja contínuo e que uma transformação pode amenizar o desvio dos pressupostos. Pelo gráfico de diagnostico dos resíduos o que se vê é uma forte relação média-variância. A transformação Box-Cox sugeriu transformar com log. Veja o CMR. da <- expand.grid(rep=1:4, isol=factor(1:6), cult=factor(1:2)) da$y <- c(4.5, 25.5, 8.5, 12, 123, 19.5, 111.5, 83.5, 10, 4, 4.5, 90.5, 46.5, 61.5, 20.5, 33.5, 47.5, 39, 131.5, 68.5, 4, 10, 13.5, 10, 9, 0, 0, 0, 2, 0, 0, 0, 0, 12.5, 4.5, 6.5, 1, 0, 0, 1, 0, 0, 0.5, 0, 2, 2, 0.5, 0.5) g0 <- lm(y~isol + cult + isol:cult, data=da) par(mfrow=c(2,2)) plot(g0) layout(1) g0 <- lm(y+0.5~isol + cult + isol:cult, data=da) MASS::boxcox(g0) g0 <- lm(log(y+0.5)~isol + cult + isol:cult, data=da) par(mfrow=c(2,2)) plot(g0) layout(1) À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br skype: walmeszeviani twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================