Olá,
Muito obrigado pelas mensagens.
Vou dar continuidade a discussão com alguns esclarecimentos e um pouco de código:
1- Elias pergunta como calculo os resíduos nesse modelo:
>residuals_model<-(data$response_variable-predict(model))
2- Wagner, sua pergunta é, de alguma maneira, minha grande dúvida: "Se vc já sabe que sua variável resposta é gamma pq não ajusta um modelo gamma? Ou mesmo qq outro modelo para resposta contínua como a Gaussian Inverse?”. Contudo, qual tipo de análise que não MCMCglmm me permitiria controlar meus dados quanto à filogenia?
3. E finalmente sobre os motivos de se usar MCMCglmm: recaem novamente na não independência dos dados e na possibilidade de se controlar filogeneticamente.
Mas, a mesma pergunta que foi feita, é parte da minha questão:
"Por que assumindo distribuição de probabilidade aos parâmetros, a interpretação dos resultados é baseada no fato de que também se obtem distribuições de probabilidade à posteriori para interpretar?” Em outras palavras, por que os resíduos devem seguir uma distribuição normal mesmo se os dados não são normais? Ou essa última frase está equivocada?
O modelo segue:
#Phylo é minha árvore filogenética.
>MCMC1<-MCMCglmm(Response_var~var1*var2*+var3,
+ random = ~Phylo, family=“?”,
+ ginverse=list(Phylo=inv.phylo$Ainv), prior = prior,
+ nitt = 10000,
+ burnin = 1000, thin = 500, data = mob,
+ verbose = F )
# Os resíduos estão acima. E para checar a normalidade dos resíduos usei:
> qqnorm(residuals_model)
> shapiro.test(residuals_model)
Enfim, após as mensagens que me fizeram estudar novos artigos =) refaço as perguntas:
A) Meus resíduos precisam ser normais quando uso um modelo MCMCglmm?
B) Que outro pacote me permite controlar a filogenia em um modelo?
Abraços,