Walmes,
Atendi a sua sugestão e resolvi ajustar os modelos, no
entanto, fiz as comparações múltiplas para saber a diferença entre
os tratamentos e tudo bem, todos foram significativamente
diferentes, porém na hora de fazer as curvas para cada tratamento no
tempo não consigo obter os coeficientes do modelo para cada um dos
tratamentos ou seja quando faço o summary() do modelo completo tenho
apenas um coeficiente para trat e outro para tempo. Gostrai o que
posso fazer para obter os coeficientes para cada tratamento? Segue
CRM:
## Desdobramento de dados com distribuição de Poisson inflacionado
por zeros ---
require(pscl)
require(multicomp)
y1<- c(mapply(rpois, lambda=c(4,45,93),
MoreArgs=list(n=400)))##Criação da variável resposta Poisson
y2<- c(mapply(rbinom, size=c(1,0,0), prob=c(0.5,1,1),
MoreArgs=list(n=200)))##Criação da variável resposta Binomial
y<-c(y1,y2)
trat <- as.factor(gl(3,600)) ##Criação dos tratamentos
tempo<- as.factor(rep(gl(6,100),3)) ### Criação da variável tempo
dados<-as.data.frame(cbind(trat,tempo, y))
#-------------------------------------------------------------------------------
# Análise de variância do dados inflacionados
summary(m1 <- zeroinfl(y ~ trat*tempo | trat*tempo, data =
dados)) ## Modelo completo
mnull <- update(m1, . ~ 1) ### Modelo nulo
pchisq(2 * (logLik(m1) - logLik(mnull)), df = 2, lower.tail = FALSE)
## Teste de Chi o modelo completo foi significativo
## Comparando com GLM Poisson sem inflação por zeros
---------------------------
summary(p1 <- glm(y ~ trat + tempo, family = poisson, data =
dados))
##Teste de
Vuong----------------------------------------------------------------
vuong(p1, m1) ## O GLM Poisson estava tão mal ajustado que o Poisson
iflacionado é a única opção
#
### Interação entre os tratamamentos no
tempo-----------------------------------
zi_m1<-zeroinfl(y ~ trat*tempo | trat*tempo, data = dados, link =
"logit")
summary(zinb_edanx2) ## Modelos completo
## Calculando os contrastes para o modelo inflacionado--------------------------
nr <- length(levels(trat))
contr <- matrix(0, nrow = nr, ncol = length(coef(zi_m1)))
colnames(contr) <- names(coef(zi_m1))
rownames(contr) <- paste(levels(trat)[c(2, 3, 3)],
levels(trat)[c(1, 1, 2)], sep = " - ")
contr[,3:4] <- contrMat(numeric(nrow(contr)), type =
"Tukey")[,-2]
glht_zi <- glht(zi_m1, linfct = contr)
## Comparações multiplas-------------------------------------------------------------------
summary(glht_zi)
## Realizando um ajuste para cada tratamento - Primeiro para Poisson
sort(tapply(y,trat,mean))
levels(trat)
zi_final<-zeroinfl(y ~ trat+tempo | trat+tempo, data = dados,
link = "logit")
summary(zi_final)
## Aqui não consigo descobrir os coeficientes para cada tratamento
para fazer as curvas!!!!!
Obrigado,
Alexandre
Em 26/09/2013 16:28, walmes . escreveu:
Desdobrar as deviances tal como fazemos o
desdobramento de somas de quadrados em modelos lineares
gaussianos seria interessante mas eu acredito que os gráficos
com os modelos ajutados (com bandas) já são suficientes para
discutir os resultados. Isso é bem mais fácil de obter. Quando
o leitor for ver os resultados ele vai gastar 5 segundos na
tabela de desdobramento e 2 minutos vendo o seu gráfico.
À disposição.
Walmes.
_______________________________________________
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.
--
======================================================================
Alexandre dos Santos
Proteção Florestal
IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
Campus Cáceres
Caixa Postal 244
Avenida dos Ramires, s/n
Bairro: Distrito Industrial
Cáceres - MT CEP: 78.200-000
Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO)
e-mails:alexandresantosbr@yahoo.com.br
alexandre.santos@cas.ifmt.edu.br
Lattes: http://lattes.cnpq.br/1360403201088680
======================================================================