Obrigado Walmes! Eu encontrei um post criado por você no "ridículas" e tentei adaptar para o meu problema. Não tenho certeza se está adequado. Acho que não. O motivo é que encontrei interação dupla significativa entre "meio" e "tipo" e no desdobramento final, para identificar os níveis onde há diferença significativa, esta diferença não aparece ( "valor-p" sempre igual a 1). Segue o CMR e agradeço mais uma vez a atenção. *https://www.dropbox.com/s/ci4u8c4vn4cmk4l/dados.txt?dl=0 <https://www.dropbox.com/s/ci4u8c4vn4cmk4l/dados.txt?dl=0>* *require(multcomp)* *require(doBy)* *dados <- read.table("dados.txt",header=TRUE, sep="\t")* *str(dados)* *attach(dados)* *xtabs(~genotipo+meio+tipo, dados)* *## Interação.* *dados$gmt <- interaction(genotipo, meio, tipo)* *attach(dados)* *levels(gmt)* *#Modelo fatorial completo* *m0 = glm(cbind(good=n_ex_ox, bad=n_explant-n_ex_ox)~genotipo*meio*tipo,family="quasibinomial", data=dados)* *par(mfrow=c(2,2))* *plot(m0)* *anova(m0,test="F")* *drop1(m0, test="F", scope=.~.)* *#Modelo só com efeito de primeira grau* *m1 <- update(m0, .~genotipo+meio+tipo)* *anova(m1, m0,test="F")* *## Modelo só com efeitos até segundo grau.* *m2 <- update(m0, .~(genotipo+meio+tipo)^2)* *anova(m2, test="F")* *anova(m2, m0,test="F")* *par(mfrow=c(2,2))* *plot(m2)* *##Obs: Estou estudando o modelo logístico com superdispersão constante para melhorar os resíduos deste modelo. Por enquanto vou utilizar o modelo completo* *do.call(rbind, strsplit(levels(dados$gmt),"\\."))* *M <- LSmatrix(m0, effect=c("tipo","meio"))* *dim(M)* *class(M)* *grid <- attr(M, "grid")* *## Matriz de contrastes * *## Antes executar a Função apc* *apc <- function(pmc, lev=NULL){* * ## apc: all pairwise contrasts, pmc: popMatrix contrast* * nlev <- nrow(pmc)* * rn <- rownames(pmc)* * a <- attr(pmc, "grid")* * if(is.null(lev)){* * if(!is.null(a)){* * lev <- apply(a, 1, paste, collapse=":")* * } else if(!is.null(rn)){* * lev <- rn* * } else {* * lev <- as.character(1:nlev)* * }* * }* * cbn <- combn(seq_along(lev), 2)* * M <- pmc[cbn[1,],]-pmc[cbn[2,],]* * if(is.vector(M)) dim(M) <- c(1, length(M))* * rownames(M) <- paste(lev[cbn[1,]], lev[cbn[2,]], sep="-")* * M* *}* *#Matriz de contrastes entre níveis de `focus` dentro dos níveis de `split`.* *split <- c("meio")* *focus <- "tipo"* *spl <- interaction(grid[,split])* *i <- 1:nrow(grid)* *l <- split(i, f=spl)* *contr <- lapply(l,* * function(row){* * ## Matriz de contrastes par a par.* * a <- apc(M[row,], lev=levels(dados[,focus]))* * ## Prefixo no nome das linhas.* * rownames(a) <- paste(spl[row[1]],* * rownames(a), sep="/")* * return(a)* * })* *contr <- do.call(rbind, contr)* *summary(glht(m0, linfct=contr),test=adjusted(type="fdr"))* Em 30 de outubro de 2014 10:22, walmes . <walmeszeviani@gmail.com> escreveu:
Minha sugestão ou modelo de trabalhar é considerar funções do pacote doBy com multcomp. Basicamente a doBy::LSmatrix() vai te gerar uma matriz que você vai converter em matriz de contrastes e passar para multcomp::glht(). A glht() admite objetos de classe lm, glm, lme. O detalhe para objetos glm é que as "médias" e comparações são na escala do preditor linear, ou seja, quando você pedir LSmeans() para um binomial não será retornado "média" mas sim o valor esperado de log(1/(1-p)) = X%*%beta, mas aí é só converter em probabilidade com a função inversa da função de ligação. Seguem links que podem servir de inspiração.
http://www.leg.ufpr.br/~walmes/analises/MESerafim/abacaxi/abacaxisolo.html http://www.leg.ufpr.br/~walmes/cursoR/geneticaEsalq/script10.html
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.