Basicamente não existe segredo para reproduzir a mesma análise. O modo mais direto é declarar o modelo para estimar os parâmetros separados para cada nível do fator, depois montar as matrizes correspondentes às funções lineares e submetê-las à glht() ou qualquer outra função que permita inferências para funções lineares de parâmetros. O pacote car, contrast e gmodels têm funções equivalentes à glht(), minha preferida. ##----------------------------------------------------------------------------- m0 <- lm(Y~0+estudo/X, DATA) summary(m0) m0$assign tapply(coef(m0), m0$assign, mean) ## Matriz de pesos. m <- rbind(rep(1, nlevels(DATA$estudo))/nlevels(DATA$estudo)) require(multcomp) ## Intercepto médio. X <- cbind(m, 0*m) summary(glht(m0, linfct=X), test=adjusted(type="none")) ## Inclinação média. X <- cbind(0*m, m) summary(glht(m0, linfct=X), test=adjusted(type="none")) ## As inclinações para cada nível saem no próprio summary() do modelo ## quando se declara o modelo na forma ~0+fator/numérica. Para ## conhecimento, pode ser feito assim. M <- diag(nlevels(DATA$estudo)) X <- cbind(M, 0*M) summary(glht(m0, linfct=X), test=adjusted(type="fdr")) X <- cbind(0*M, M) summary(glht(m0, linfct=X), test=adjusted(type="fdr")) ##----------------------------------------------------------------------------- À disposição. Walmes.