Já rodei os exemplos do Pimentel e do Ramalho et al. Implementação de ambos estão disponíveis nos scripts que levei para o Curso mais recente que dei na Embrapa Arroz e Feijão (que terminei ontem). O link para arquivos do curso é esse

Pegue o script lati.R. Eu nunca olhei a implementação do C&Cox e fiquei curioso e imaginando será que os livros divergem? Meus códigos reproduzem o Pimentel. Bem, com os seus dados a análise que atualmente faço é essa

rm(list=ls(all=TRUE)); ls()

download <- read.table('http://dl.dropbox.com/u/38195533/dados_CC.txt',

header = TRUE, # com cabecalho

sep = '\t', # separador de celulas <TAB>

dec = ',', # separador de decimal <, (virgula)>

na.string = '.') # indicador de omissao

str(download)

## lendo e transformando variaveis em fator

dados <- transform(download,

trat = factor(trat), # transforma em fator

rep = factor(rep), # idem

bloco = factor(bloco)) # ...

all(complete.cases(dados)) # completo

xtabs(~rep+trat, dados)

xtabs(~rep+bloco, dados)

xtabs(~bloco+trat+rep, dados)

str(dados) # estrutura da planilha

m0 <- lm(terms(resp~rep/bloco+trat, keep.order=TRUE), data=dados)

anova(m0)

require(doBy)

popMeans(m0, effect="trat")

require(nlme)

dados$blocoin <- with(dados, interaction(rep, bloco, drop=TRUE))

mm0 <- lme(resp~rep+trat, random=~1|blocoin, dados)

anova(mm0)

popMeans(mm0, effect="trat")