Caros amigos,

Estou tentando rodar a função glm do R refazendo os passos de um artigo de um pesquisador de minha área o qual disponibilizou seus dados para que possa ser refeito por outros. O mesmo realizou suas análises no SAS. o modelo utilizado é bastante simples da forma Y= X+Z+X*Z porém quando observo o resultado por meio da função summary não encontro a mesma resposta. Além disto  a função summary não mostra as estimativas para o nível 1 do tratamento "Experimento" e a função anova não apresenta o mesmo resultado que o do autor.
Afim de obter ajuda colocarei no final deste texto os dados nesta lista na esperança que alguém possa me esclarecer o motivo de tal diferença de resultaods

summary(reg)

 

Call:

glm(formula = Y ~ X + as.factor(Experimento) + X:as.factor(Experimento),

    family = gaussian(), data = stpierre)

 

Deviance Residuals:

    Min       1Q   Median       3Q      Max 

-0.9540  -0.2459   0.0000   0.2691   1.0813 

 

Coefficients:

                            Estimate Std. Error t value Pr(>|t|)   

(Intercept)                -3.796128   0.512862  -7.402 2.67e-10 ***

X                           1.154824   0.148879   7.757 6.06e-11 ***

as.factor(Experimento)2     0.073324   0.753491   0.097 0.922765   

as.factor(Experimento)3     0.534750   0.797377   0.671 0.504723   

as.factor(Experimento)4     0.630910   1.300006   0.485 0.629014   

as.factor(Experimento)5     1.750966   1.442286   1.214 0.228939   

as.factor(Experimento)6     2.479657   1.025254   2.419 0.018264 * 

as.factor(Experimento)7     2.406456   0.760101   3.166 0.002314 **

as.factor(Experimento)8     1.074060   1.250668   0.859 0.393474   

as.factor(Experimento)9     3.792558   0.905848   4.187 8.32e-05 ***

as.factor(Experimento)10    3.715397   0.774152   4.799 9.08e-06 ***

as.factor(Experimento)11    3.661052   1.379359   2.654 0.009891 **

as.factor(Experimento)12    4.061232   0.813967   4.989 4.45e-06 ***

as.factor(Experimento)13    6.829381   1.532305   4.457 3.19e-05 ***

as.factor(Experimento)14    4.535287   1.752982   2.587 0.011819 * 

as.factor(Experimento)15    4.667338   0.893773   5.222 1.83e-06 ***

as.factor(Experimento)16    4.521313   1.194614   3.785 0.000328 ***

as.factor(Experimento)17    6.129145   1.836979   3.337 0.001378 **

as.factor(Experimento)18    4.959858   1.090125   4.550 2.28e-05 ***

as.factor(Experimento)19    4.674037   1.536483   3.042 0.003337 **

as.factor(Experimento)20    7.313506   2.503107   2.922 0.004720 **

X:as.factor(Experimento)2  -0.057205   0.205877  -0.278 0.781962   

X:as.factor(Experimento)3  -0.132183   0.204408  -0.647 0.520028   

X:as.factor(Experimento)4  -0.183180   0.286068  -0.640 0.524105   

X:as.factor(Experimento)5  -0.158596   0.434051  -0.365 0.715957   

X:as.factor(Experimento)6  -0.141252   0.274472  -0.515 0.608479   

X:as.factor(Experimento)7  -0.080546   0.193212  -0.417 0.678081   

X:as.factor(Experimento)8  -0.203014   0.312965  -0.649 0.518730   

X:as.factor(Experimento)9  -0.190486   0.210970  -0.903 0.369765   

X:as.factor(Experimento)10 -0.144995   0.180614  -0.803 0.424894   

X:as.factor(Experimento)11  0.045302   0.340027   0.133 0.894405   

X:as.factor(Experimento)12 -0.148867   0.186561  -0.798 0.427676   

X:as.factor(Experimento)13 -0.540281   0.260298  -2.076 0.041713 * 

X:as.factor(Experimento)14 -0.150676   0.331527  -0.454 0.650923   

X:as.factor(Experimento)15 -0.164412   0.193329  -0.850 0.398073   

X:as.factor(Experimento)16  0.003847   0.219549   0.018 0.986073   

X:as.factor(Experimento)17 -0.343555   0.273726  -1.255 0.213737   

X:as.factor(Experimento)18 -0.135951   0.193712  -0.702 0.485188   

X:as.factor(Experimento)19  0.018426   0.227413   0.081 0.935660   

X:as.factor(Experimento)20 -0.250016   0.325199  -0.769 0.444669   

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 

(Dispersion parameter for gaussian family taken to be 0.2520778)

 

    Null deviance: 1369.409  on 107  degrees of freedom

Residual deviance:   17.141  on  68  degrees of freedom

AIC: 189.7

 

Number of Fisher Scoring iterations: 2



Base de dados

OBS Experimento X Y
1 1 1.16391 -2.92296
2 1 1.94273 -1.03365
3 1 2.50229 -1.00383
4 1 3.98627 1.33325
5 1 4.36177 1.13752
6 1 4.98954 1.59278
7 2 2.1091 -1.33751
8 2 2.28976 -1.14376
9 2 2.45645 -1.09304
10 2 4.95084 1.4274
11 2 5.92572 2.99572
12 3 2.09605 -0.70073
13 3 2.30059 -1.11007
14 3 3.90388 0.17334
15 3 5.15574 2.38882
16 3 5.57553 1.78167
17 3 5.60523 3.09353
18 4 3.1955 0.18097
19 4 4.32691 0.7431
20 4 5.04092 1.947
21 4 5.17521 1.07029
22 4 5.57254 2.71423
23 4 5.59532 2.43982
24 5 2.31878 0.26487
25 5 4.06027 1.99979
26 6 2.48122 1.31151
27 6 2.73224 1.32218
28 6 3.66628 2.52286
29 6 4.15568 2.83423
30 6 4.57694 2.99086
31 6 4.86356 3.90049
32 7 2.767 1.18358
33 7 2.79859 1.70206
34 7 2.97074 1.84639
35 7 3.85289 3.13155
36 7 6.24981 5.27271
37 7 6.80389 5.85844
38 8 2.74107 -0.26691
39 8 3.72445 1.32567
40 8 4.51721 1.04086
41 8 5.18536 2.40105
42 9 3.24046 3.12334
43 9 3.2864 3.52558
44 9 4.52824 4.29043
45 9 5.10468 4.04917
46 9 5.40578 5.55135
47 9 7.25461 7.2311
48 10 3.09531 3.31464
49 10 3.13951 2.5785
50 10 3.86928 4.0819
51 10 6.40856 6.6731
52 10 7.35976 6.8001
53 10 7.95716 8.2098
54 11 3.24974 2.8825
55 11 3.25369 4.8511
56 11 4.4005 4.3538
57 11 4.74897 6.076
58 11 4.96576 5.9062
59 12 3.00403 2.5733
60 12 3.1542 3.9324
61 12 4.95652 5.8456
62 12 5.35746 5.2066
63 12 5.62651 6.3312
64 12 6.53297 6.6019
65 12 6.6958 6.9498
66 12 7.83844 8.1031
67 13 5.44713 6.4838
68 13 5.82682 6.2341
69 13 6.76986 7.8937
70 13 6.87949 6.9477
71 13 8.47819 8.1336
72 14 4.31493 5.228
73 14 5.70501 6.0941
74 14 6.70113 7.6858
75 15 4.11223 5.2129
76 15 4.55329 5.2169
77 15 4.75641 6.1755
78 15 5.0742 5.7492
79 15 5.90125 6.5407
80 15 6.84886 6.7004
81 15 8.87813 10.2425
82 16 4.25114 5.3359
83 16 6.50762 9.1897
84 16 6.52857 8.4259
85 16 6.67694 8.2782
86 16 6.79539 8.3206
87 16 8.62833 10.4385
88 17 6.47237 7.6132
89 17 6.73826 7.7381
90 17 7.57947 8.5328
91 17 8.11267 8.9045
92 17 9.18169 9.7732
93 18 5.49319 6.6492
94 18 5.62711 6.4464
95 18 6.67182 8.5909
96 18 7.4494 9.2077
97 18 8.13165 9.365
98 18 8.31896 9.5025
99 18 8.74606 10.3598
100 18 8.92038 9.4361
101 18 9.43227 11.0051
102 19 6.06067 7.9306
103 19 7.98874 10.1887
104 19 8.35784 10.9856
105 19 9.52789 11.507
106 19 9.68213 12.6051
107 20 7.15668 9.9928
108 20 9.61256 12.2149

Obrigado