Colega, A dias que venho lendo a respeito de como realizar uma análise de medidas repetidas no tempo. Encontrei uma farta bibliografia e diversas sugestões de como fazer. Eis um dado mínimo: datafilename="http://dl.dropbox.com/u/34009642/Dados_Omissao.csv" data.min <- read.table(datafilename, header=T, sep="\t", dec=",") head(data.min) data.min <- within(data.min, { Clone <- factor(Clone) Tempo <- factor(Tempo) Trat <- factor(Trat) Planta <- factor(Planta) }) summary(data.min) A partir desses dados e do que eu li, tentei: dados_omissao_h.aov <- aov(h ~ Clone * Trat * Tempo + Error(Planta), data = data_min) # http://tinyurl.com/bjlas86 Esse http://pealco.net/2009/01/30/repeated-measures-anova-in-r.html dá outra abordagem. Eu também rodei o código abaixo. library(nlme) lme(h ~ Clone+Trat+Tempo,random=~1|Planta,data=data.min) # Ainda li os textos seguintes: http://egret.psychol.cam.ac.uk/statistics/R/anova.html#8.4 http://egret.psychol.cam.ac.uk/statistics/R/enteringdata.html#reshape http://www.psych.yorku.ca/cribbie/6130/ex14_rscript.R No entanto, sinceramente, não sei qual abordagem utilizar nos nossos dados. Desejamos verificar se há diferenças entre clones, entre tratamentos, a interação clone tratamento e a evolução ao longo do tempo das variáveis. Ainda, há plantas que morreram ao longo do experimento devido ao próprio tratamento. E ainda tem a dica do Wlames no ridiculas para dados binomial! Alguma sugestão? -- Marcelo Brasil (Brazil, for English Speakers) Linux user number 487797