Olá Fernando, a estrutura de minha análise é a seguinte:<br /> <br /> library(lme4)<br /> modelo &lt;- lmer(y ~ (1|Q) + (1|L) + (1|C) + (1|T))  # todos os efeitos aqui são aleatórios<br /> VarQ2 = VarCorr(summary(modelo))$Q[1,]  # extraindo a variancia do 1º fator<br /> VarL2 = VarCorr(summary(modelo))$L[1,]   # extraindo a variancia do 2º fator<br /> VarC2 = VarCorr(summary(modelo))$C[1,]  # extraindo a variancia do 3º fator<br /> VarT2 = VarCorr(summary(modelo))$T[1,]  # extraindo a variancia do 4º fator<br /> VarR2 = deviance(summary(modelo))[6]^2 # extraindo a variancia residual<br /><br />espero ter ajudado<em>.<br /><br />Att.<br />André Barbosa Ventura da Silva</em><br /> <br /><br />
<hr style="border-top: 1px solid #ccc;" />
Em 18/05/2012 10:37, <strong>Fernando Colugnati &lt; fernando@ipti.org.br &gt;</strong> escreveu:<br />Muito bom Andre! Na verdade a tabela inteira seria interessante, mas quando rodo o deviance(summary(fm1))ˆ2  obtenho isso:
<div></div>
<div>
<div>ML         REML         ldL2        ldRX2      sigmaML    sigmaREML        pwrss</div>
<div>4.907226e+06 4.875134e+06 5.543775e+04 2.717787e+00 2.158984e-05 2.165971e-05 4.519695e-05</div>
<div>disc         usqr         wrss          dev         llik      NULLdev</div>
<div>3.557687e-05 5.302714e-07 3.557710e-05           NA           NA           NA</div>
<div></div>
<div>Como vc gerou aquela tabela? Foi com o lme4 mesmo?</div>
<div></div>
<div>Abs</div>
<br />
<div class="gmail_quote">Em 18 de maio de 2012 10:22, andrebvs <span dir="ltr">&lt;<a href="http://mce_host/compose?to=andrebvs@bol.com.br" target="_blank">andrebvs@bol.com.br</a>&gt;</span> escreveu:<br />
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">
<div class="im">Bom dia Fernando, para você identificar a variância residual utilize o seguinte comando:<br /><br /> VarR = deviance(summary(fm1))[6]^2<br /> VarR<br /><em><br /></em>Mude apenas o valor "6" que está em colchetes para a linha que se encontra sua variância residual de sua análise, como no meu caso eu tinha 4 efeitos aleatórios (Q, L, C, T), utilizei a linha 6 contando a partir do titulo "variance" como mostra o quadro abaixo: <em><br /> <br /></em><strong>Random effects:<br /> Groups   Name        Variance Std.Dev.<br /> Q        (Intercept) 1.2490   1.11761 <br /> L        (Intercept) 1.9913   1.41115 <br /> C        (Intercept) 0.7901   0.88888 <br /> T        (Intercept) <a href="tel:1.8454%C2%A0%C2%A0%201.35846" target="_blank">1.8454   1.35846</a> <br /> Residual                1.4658   1.21070 </strong><em><strong><br /></strong><br /></em>espero ter ajudado<em>.<br /><br />Att.<br />André 
 Barbosa Ventura da Silva</em><br /> <br /><br /> 
<hr style="border-top:1px solid #ccc" />
</div>
Em 17/05/2012 13:17, <strong>Fernando Colugnati &lt; <a href="http://mce_host/compose?to=fernando@ipti.org.br" target="_blank">fernando@ipti.org.br</a> &gt;</strong> escreveu:
<div class="HOEnZb">
<div class="h5"><br />
<div class="gmail_quote">
<div>#Pessoal, estou analisando um experimento que procura avaliar as fontes de variabilidade em um processo de medição. São 101 pacientes, #onde são realizadas 5 medidas em 2 imagens de endotélio, ou seja, para cada paciente tenho 10 replicações, 5 em cada imagem (variável #medida no dataframe abaixo). Entendo que tenho um modelo misto, pois considero os pacientes como efeito aleatório (a variablidade entre eles #é enorme) e também as imagens, já que podem ser tiradas de diferentes partes do antebraço do paciente.</div>
<div>#Especifiquei este modelo com o lme4 para uma das medidas que quero analisar, o diâmetro do endotélio pós-oclusão:</div>
<div>fm1 &lt;- lmer(abps ~ replicacao + (replicacao|medida) + (medida|id3), medidas)</div>
<div>#e gostaria de estimar o % da variância de cada componente, e para isso preciso da variância total, que é a soma de todas, inlcuindo dos #efeitos fixos, do aleatório e tbm dos resíduos. Está especificação está correta, na opinião dos especialistas em experimentos? (não é meu #caso)</div>
<div>#Rodando, após o modelo</div>
<div>VarCorr(fm1, type="varcov")</div>
<div>anova(fm1)</div>
<div>#como identifico a variância residual? Na verdade me enrolei um pouco com a saída do VarCorr, e mesmo pesquisando no Google, não achei nada que</div>
<div>#apresente este tipo de propósito de análise (é um estudo de R&amp;R, onde quero mostrar que a variabilidade das replicações, ou do operador, é a #de menor culpa neste processo).</div>
<div>#Segue um pedaço dos dados:</div>
<div>#&gt; dput(medidas[1:20,])</div>
<div>structure(list(abpre = c(0.382, 0.383, 0.386, 0.386, 0.383, 0.386,</div>
<div>0.384, 0.387, 0.386, 0.383, 0.339, 0.335, 0.342, 0.335, 0.339,</div>
<div>0.357, 0.342, 0.346, 0.343, 0.35), abps = c(0.412, 0.412, 0.415,</div>
<div>0.404, 0.408, 0.408, 0.393, 0.408, 0.408, 0.408, 0.382, 0.386,</div>
<div>0.386, 0.386, 0.386, 0.383, 0.383, 0.379, 0.379, 0.379), abs = c(0.03,</div>
<div>0.029, 0.029, 0.018, 0.025, 0.022, 0.009, 0.021, 0.022, 0.025,</div>
<div>0.043, 0.051, 0.044, 0.051, 0.047, 0.026, 0.041, 0.033, 0.036,</div>
<div>0.029), id3 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L,</div>
<div>1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), replicacao = c(1L, 2L, 3L, 4L,</div>
<div>5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L</div>
<div>), medida = c(0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 0L, 0L,</div>
<div>0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), abpre2 = c(0.407, 0.408, 0.399,</div>
<div>0.404, 0.401, 0.404, 0.413, 0.413, 0.416, 0.407, 0.318, 0.318,</div>
<div>0.325, 0.325, 0.318, 0.314, 0.315, 0.316, 0.322, 0.322), abps2 = c(0.458,</div>
<div>0.452, 0.452, 0.455, 0.459, 0.465, 0.456, 0.459, 0.462, 0.462,</div>
<div>0.372, 0.382, 0.392, 0.386, 0.365, 0.386, 0.382, 0.369, 0.382,</div>
<div>0.382), abs2 = c(0.051, 0.044, 0.053, 0.051, 0.058, 0.061, 0.043,</div>
<div>0.046, 0.046, 0.055, 0.054, 0.064, 0.067, 0.061, 0.047, 0.072,</div>
<div>0.067, 0.053, 0.06, 0.06), X_Imedida_1 = c(0L, 0L, 0L, 0L, 0L,</div>
<div>1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L),</div>
<div>X_ImedXrepli_1 = c(0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L,</div>
<div>0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L)), .Names = c("abpre",</div>
<div>"abps", "abs", "id3", "replicacao", "medida", "abpre2", "abps2",</div>
<div>"abs2", "X_Imedida_1", "X_ImedXrepli_1"), row.names = c(NA, 20L</div>
<div>), class = "data.frame")</div>
<div>Abraço</div>
<span><span style="color:#888888"> -- <br />Fernando A.B. Colugnati<br /> -- <br />Fernando A.B. Colugnati<br /><br /><br /> <br /><br /><br /> </span></span></div>
</div>
</div>
<br />_______________________________________________<br /> R-br mailing list<br /> <a href="http://mce_host/compose?to=R-br@listas.c3sl.ufpr.br" target="_blank">R-br@listas.c3sl.ufpr.br</a><br /> <a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" target="_blank">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a><br /> Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" target="_blank">http://www.leg.ufpr.br/r-br-guia</a>) e forneça código mínimo reproduzível.<br /></blockquote>
</div>
<br /><br />
<div></div>
-- <br /> Fernando A.B. Colugnati<br /><br /><br /></div>
<br />