Oi Wagner, muitíssimo obrigado. Instalei o dev e está tudo funcionando. Novamente, parabéns pelo pacote. Quando as coisas reduzirem a velocidade, seria interessante um curso sobre. Seria muito interessante. Abs, RS ___________________________________________________ *Rodrigo Sant'Ana* -- Mestre em Ciência e Tecnologia Ambiental - MCTA/UNIVALI Graduado em Oceanografia - CTTMar/UNIVALI Universidade do Vale do Itajaí - UNIVALI -- Em 22 de novembro de 2016 21:15, Mauro Sznelwar via R-br < r-br@listas.c3sl.ufpr.br> escreveu:

Consegui rodar o primeiro, instalando a mais nova versão do R no Windows. O segundo não consegui porque não forneceu o segundo arquivo dados2 <- read.table("HETE.csv", header = TRUE, sep = ";", dec = ",")

Prezados membros da lista,

Alguns dias postei um código não reproduzível sobre modelos para heterocedásticidade. Peço desculpas e abaixo vai o código que imagino ser possível reproduzir. Os dois principais problemas eram a instalação do pacote mcglm e o conjunto de dados. O pacote pode ser instalado facilmente pelo github repository neste endereço

https://github.com/wbonat/mcglm install_github("wbonat/mcglm", ref = "devel") # Saliento para instalar a versão devel !!

O conjunto de dados está anexado neste e-mail. Além disso, o Luiz Leal estava com problemas pra ter acesso e pediu o .tar.gz que também vai em anexo. Aproveito para salientar que o mcglm está em desenvolvimento, assim quaisquer dúvidas, criticas e/ou sugestões serão muito bem vindas.

All the best!

# Heteroscedastic regression model ------------------------------------- # Author: Wagner Hugo Bonat LEG/UFPR ----------------------------------- # Date: 13/11/2016 -----------------------------------------------------

# Loading extra packages install.packages("devtools") require(devtools)

# Install mcglm package from github repository ------------------------- install_github("wbonat/mcglm", ref = "devel") require(mcglm)

# Loading data set Fenois <- c(337.311, 344.874, 342.353, 325.546, 333.950, 330.588, 328.067, 328.067, 318.824, 331.429, 333.950, 334.790, 336.471, 338.151, 342.353, 259.160, 252.437, 268.403, 265.882, 266.723, 287.731, 88.571, 88.571, 90.252, 41.513, 52.437, 49.076, 88.571, 88.571, 90.252, 64.202, 60.000, 61.681) Cor <- factor(c(rep("ambar",6), rep("ambar_claro",3), rep("ambar",6), rep("ambar_claro",6),rep("branco",6), rep("extra_ambar_claro",3),rep("branco",3))) dados <- data.frame("Fenois" = Fenois, "Cor" = Cor) boxplot(dados$Fenois ~ dados$Cor) tapply(dados$Fenois, dados$Cor, sd)

# Linear regression model- --------------------------------------------- fit1 <- lm(Fenois ~ Cor, data = dados) anova(fit1) plot(residuals(fit1) ~ fitted(fit1)) plot(residuals(fit1) ~ Cor)

# Double Linear regression model --------------------------------------- dados$id <- 1 fit2 <- mcglm(c(Fenois ~ Cor), list(mc_dglm(~ Cor, id = "id", data = dados)), covariance = "expm", data = dados) summary(fit2)

summary(fit1) summary(fit2)

cbind(coef(fit1), coef(fit2, type = "beta")$Estimates) cbind(sqrt(diag(vcov(fit1))), coef(fit2, type = "beta", std.error = TRUE)$Std.error)

# Example 2 ------------------------------------------------------------ dados2 <- read.table("HETE.csv", header = TRUE, sep = ";", dec = ",") with(dados2, boxplot(y ~ x))

# Note that, the A33 has no variance, so we need to remove this level. dados2 <- dados2[which(dados2$x != "A33"),] dados2$x <- droplevels(dados2$x) tapply(dados2$y, dados2$x, sd)

# Linear regression model ---------------------------------------------- fit_lm <- lm(y ~ x, data = dados2) summary(fit_lm) plot(residuals(fit_lm) ~ fitted(fit_lm)) plot(residuals(fit_lm) ~ dados2$x)

# Double linear regression model --------------------------------------- dados2$id <- 1 fit_dlm <- mcglm(c(y ~ x), list(mc_dglm(~ x, id = "id", data = dados2)), covariance = "expm", data = dados2) summary(fit_dlm)

# Comparing estimates and standard errors ------------------------------ cbind(coef(fit_lm), coef(fit_dlm, type = "beta")$Estimates) cbind(sqrt(diag(vcov(fit_lm))), coef(fit_dlm, type = "beta", std.error = TRUE)$Std.error)

fpr.br/r-br-guia <http://www.leg.ufpr.br/r-br-guia>) e forne�a c�digo m�nimo reproduz�vel.

_______________________________________________ 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.