Talvez a discussão não seja para a lista, mas também me interessa saber como a comunidade está pensando neste problemas. 1 - A definição de resíduos para modelos de efeitos aleatórios não é imediata como para modelos apenas com efeitos fixos. Que tipo de resíduos vc esta usando? Ver por exemplo Haslett, J. and Hayes, K. (1998) Residuals for linear model with general covariante structure, JRSS, Series B. 2 - Se vc já sabe que sua variável resposta é gamma pq não ajusta um modelo gamma? Ou mesmo qq outro modelo para resposta contínua como a Gaussian Inverse? 3 - Vc escreveu " ii) a influência da filogenia da minha amostra ... pois apresenta um intervalo de confiança exageradamente pequeno". Não entendi pq um intervalo pequeno é indicação de que a filogenia não tem efeito? Segundo será que seu MCMC realmente convergiu? O MCMC apresenta uma "boa mistura". 4 - Vc escreveu " iii) e os resultados são os mesmos (diferentes valores mesma direção) que quando conduzo um glm por exemplo". Se vc ajustou o GLM usando distribuição Normal, vc não espera que os efeitos fixos mudem, desde que na distribuição Normal a média é orthogonal a covariancia o que deve mudar é apenas os erros padrões associados aos coeficientes de regressão. 5 - Como é que um Bayesiano testa o efeito da filogenia no modelo? Que priori vc está usando para o componente de variância associado a filogenia? 6 - Pq vc quer manter a inferência Bayesiana? Talvez Elias posso ajudar. Em 23 de novembro de 2015 09:58, Filipe Cristovão <filipe.cunha@uzh.ch> escreveu:
Olá,
Bom dia.
Talvez o assunto aqui abordado não seja tanto sobre o uso geral do software, mas uma questão teórica sobre estatística. Espero estar adequado às “guidelines” do grupo.
Recentemente tenho optado por analisar meus dados usando MCMCglmm, isso se deu por várias questões, mas principalmente pela liberdade que o pacote me dá de criar meus “priors" e de poder controlar meus dados filogenéticamente.
Contudo, sempre ouvi e li que “os resíduos de um modelo seguindo MCMCglmm devem ter distribuição normal”. Ai sequem algumas questões sobre isso:
I) Isso é mesmo verdade absoluta? Pergunto isso porque tenho uma variável que não consigo normalizar. Essa variável apresenta uma distribuição gamma com uma obliqüidade positiva (ou "positive skewed”). Já tentei de tudo inclusive o “milagroso” boxcox. É uma variável que não se normaliza - se é que posso dizer isso =).
II) Mesmo com meus resíduos não obedecendo uma distribuição normal, levei em consideração alguns dados importantes do “output” do meu modelo: i) não existe colinearidade entre as variáveis, ii) a influência da filogenia da minha amostra (ou melhor da diversidade filogenetica da minha amostra) é “irrelevante” - pois apresenta um intervalo de confiança exageradamente pequeno, iii) e os resultados são os mesmos (diferentes valores mesma direção) que quando conduzo um glm por exemplo. As questões são: a) poderia ignorar o controle filogenético? b) Ou existe outra maneira de normalizar meus dados? e por fim c) Em algum outro pacote posso controlar meu modelo quanto à filogenia e ainda assim executar meu modelo usando estatística "bayseana"?
Obrigado pela paciência ao ler o email =)
Atenciosamente,
Filipe Cristovão R. da Cunha Anthropological Institute & Museum University of Zurich - Campus Irchel Winterthurerstrasse 190, CH-8057 Zürich Switzerland www.aim.uzh.ch/Research/birdfamilies/filipe.html * <http://www.flickr.com/photos/filipe_cristovao>* www.flickr.com/photos/filipe_cristovao
_______________________________________________ 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.
-- Wagner Hugo Bonat ---------------------------------------------------------------------------------------------- Department of Mathematics and Computer Science (IMADA) University of Southern Denmark (SDU) and Laboratório de Estatística e Geoinformação (LEG) Universidade Federal do Paraná (UFPR)