Bom dia pessoal, Bom já sei que esse assunto já foi motivo de tópicos passados no nosso mail-list e no interna
cional,tem material na internet etc, mais essa saída do pacote contraste não entrou na minha cabeça ainda não e venho pedir ajuda do grupo. Estou comparando minha variável resposta número de óvulos de fêmeas de um parasitóide com as variáveis explicativa tratamento (com 2 níveis: 1 casal e 10 casais) e geração (com 4 níveis: 3, 6, 9 e 12 gerações). Na saída da funcao contrast(), ele solta o trata- mento10 casais no intercepto(imagino) e não faz as comparacoes dentro de cada geração, ele só des-
dobra para o tratamento 1casal, mesmo assim sumiu com a geracao 12, onde pergunto onde que estou errando é na funcao ou na interpretação? Sendo os argumentos que usei:
##Contraste tratamentos x desenvolvimento oviposicao a mumia m.comple<-glm(des.ov.mu~tratamento*geracao,data=dados6, family="quasipoisson") anova.comple<-anova(m.comple,test="Chi") anova.comple Analysis of Deviance Table
Model: quasipoisson, link: log
Response: des.ov.mu
Terms added sequentially (first to last)
Df Deviance Resid. Df Resid. Dev P(>|Chi|) NULL 82 9.1366 tratamento 1 1.0969 81 8.0397 2.265e-07 *** geracao 3 2.2880 78 5.7518 4.445e-12 *** tratamento:geracao 3 2.7715 75 2.9802 1.328e-14 *** --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#summary(m.comple) 10 casais
# ##Fazendo os contrastes require(contrast) contr<-contrast(m.comple, list(geracao=levels(geracao),tratamento="1casal"),list(geracao=levels(geracao),tratamento="10casal")) print(contr,X=TRUE) glm model parameter contrast
Contrast S.E. Lower Upper t df Pr(>|t|) -0.298869262 0.03278233 -0.36417501 -0.23356352 -9.12 75 0.0000 0.006271251 0.03351287 -0.06048982 0.07303232 0.19 75 0.8521 -0.103435587 0.03532313 -0.17380286 -0.03306831 -2.93 75 0.0045 0.049914391 0.03237891 -0.01458771 0.11441650 1.54 75 0.1274
Contrast coefficients: (Intercept) tratamento1casal geracaog3 geracaog6 geracaog9 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 tratamento1casal:geracaog3 tratamento1casal:geracaog6 tratamento1casal:geracaog9 0 0 0 1 0 0 0 1 0 0 0 1
## summary(m.comple)## Dando uma olhada no modelo
Call: glm(formula = des.ov.mu ~ tratamento * geracao, family = "quasipoisson", data = dados6)
Deviance Residuals: Min 1Q Median 3Q Max -0.38017 -0.09964 0.00000 0.03447 0.87147
Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.09063 0.02250 92.934< 2e-16 *** tratamento1casal -0.29887 0.03278 -9.117 8.93e-14 *** geracaog3 -0.15385 0.03229 -4.765 9.04e-06 *** geracaog6 -0.15621 0.03313 -4.715 1.09e-05 *** geracaog9 -0.05985 0.03230 -1.853 0.067820 . tratamento1casal:geracaog3 0.30514 0.04688 6.509 7.62e-09 *** tratamento1casal:geracaog6 0.19543 0.04819 4.055 0.000121 *** tratamento1casal:geracaog9 0.34878 0.04608 7.570 7.83e-11 *** --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Null deviance: 9.1366 on 82 degrees of freedom Residual deviance: 2.9802 on 75 degrees of freedom AIC: NA
Number of Fisher Scoring iterations: 4
Obrigado, Alexandre