Companheiros recorro a ajuda de vocês novamente. Meu objetivo é comparar dois modelos, ambos exponenciais negativo, porém para dois diferentes tratamentos. Como os modelos não são aninhados eu estou utilizando o teste de Vuong do pacote "nonnest2"  para avaliar se as curvas obtidas a partir desses modelos diferem entre si. O problema é que eu consigo entender a saída do R. O "Variance test" diz que os modelos são indistinguíveis, porém o teste de razão de verossimilhança não aninhada diz que o modelo 1 e diferente do 2, isso é correto ? Segue a saída e os comandos. Agradeço a todos que me ajudarem. Abraços.

SAÍDA:

Model 1 
 Class: nls 
 Call: nls(formula = diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == ...

Model 2 
 Class: nls 
 Call: nls(formula = diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == ...

Variance test 
  H0: Model 1 and Model 2 are indistinguishable 
  H1: Model 1 and Model 2 are distinguishable 
    w2 = 0.048,   p = 0.997

Non-nested likelihood ratio test 
  H0: Model fits are equal for the focal population 
  H1A: Model 1 fits better than Model 2 
    z = 6.840,   p = 3.97e-12
  H1B: Model 2 fits better than Model 1 
    z = 6.840,   p = 1

COMANDOS:

dados.ajuste <- expand.grid(parA = c(0.0,0.99,2,3,4,5,6)+1, sistema = factor(c("MAFA01","MAFA04"))); perfilMAFA01; perfilMAFA04
dados.ajuste$diversidade <- c(55.00000,19.572140, 10.230871,  7.224990,  6.004212,  5.402218,  5.056630,
                              62.00000, 31.69523, 21.41784, 17.61259, 15.76542, 14.70719, 14.03339); dados.ajuste

expMAFA01 <- nls(diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == "MAFA01",], start = list(a = 50, b = -1))
summary(expMAFA01)
lines(fitted.values(expMAFA01))

expMAFA04 <- nls(diversidade ~ a * parA^b, data = dados.ajuste[dados.ajuste$sistema == "MAFA04",], start = list(a = 50, b = -1))
summary(expMAFA04)
lines(fitted.values(expMAFA04))

ggplot(dados.ajuste,aes(parA,diversidade))+
  stat_function(fun=function(parA){coef(expMAFA01)[[1]] * parA^coef(expMAFA01)[[2]]}, 
                aes(colour="MAFA01", linetype="MAFA01")) +
  stat_function(fun=function(parA){coef(expMAFA04)[[1]] * parA^coef(expMAFA04)[[2]]}, 
                aes(colour="MAFA04", linetype="MAFA04"))

AIC(expMAFA01,expMAFA04)

vuongtest(expMAFA01,expMAFA04)
 
--
Diego dos Santos Vieira
Engenheiro Florestal - UFRA
Mestre em Ciência Florestal - UFVJM
Doutorando em Ciência Florestal - UFVJM