Modelo Misto - Análise Experimento Switchback
Boa tarde pessoal, Estou analisando um experimento em Switchback com vacas leiteiras e estou com duvidas sobre a montagem do modelo. Gostaria da ajuda de vocês. O experimento comparou dois tratamentos A e B. Utilizou 30 vacas, porém as vacas não foram avaliadas simultaneamente. 10 vacas entraram no momento 1, 10 entraram no momento 2 e 10 entraram no momento 3. As vacas dentro de cada momento foram sorteadas para uma das duas sequencias possíveis A-B-A ou B-A-B, sendo a sequencia aplicadas em 3 períodos diferentes de igual duração. Entendo que o desenho experimental desse trabalho é semelhante ao descrito nesse trabalho: https://www.sciencedirect.com/science/article/pii/S0022030287802734 (https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@get...) sendo o block os momentos (1,2 e 3) Porém nesse trabalho os autores utilizam o PROC GLM dos SAS. Eu no entanto desejo analisá-lo através da abordagem dos modelos mistos, com a função lme{nlme} Fiz o seguinte modelo e gostaria de uma opinião para saber se o modelo está correto? Se não como posso melhorá-lo dados<-structure(list(Bloco = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), Ordem = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), Periodo = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Tratamento = structure(c(1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("A", "B"), class = "factor"), Sequencia = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), .Label = c("1", "2"), class = "factor"), Vacas = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L, 11L, 11L, 11L, 12L, 12L, 12L, 13L, 13L, 13L, 14L, 14L, 14L, 15L, 15L, 15L, 16L, 16L, 16L, 17L, 17L, 17L, 18L, 18L, 18L, 19L, 19L, 19L, 20L, 20L, 20L, 21L, 21L, 21L, 22L, 22L, 22L, 23L, 23L, 23L, 24L, 24L, 24L, 25L, 25L, 25L, 26L, 26L, 26L, 27L, 27L, 27L, 28L, 28L, 28L, 29L, 29L, 29L, 30L, 30L, 30L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26", "27", "28", "29", "30"), class = "factor"), Leite = c(18.28, 15.73, 14.96, 16.08, 15.64, 15.41, 16.21, 15.52, 14.93, 17.29, 14.52, 12.98, 13.28, 12.57, 12.31, 21.82, 19.28, 18.75, 16.69, 15.15, 14, 17.11, 15.51, 14.73, 15.38, 14.77, 13.37, 15.21, 14.46, 13.5, 12.67, 11.91, 11.55, 15.78, 14.68, 14.61, 13.29, 12.12, 11.77, 17.32, 14.81, 14.66, 16.13, 14.81, 14.29, 14.94, 13.45, 13.09, 15.27, 12.36, 11.29, 14.02, 13, 12.06, 15.25, 14.9, 14.59, 12.44, 11.8, 11.56, 12.56, 12.22, 7.68, 15.15, 14.56, 10.08, 14.26, 13.34, 10.21, 13.56, 12.85, 8.9, 14.09, 14.63, 11.52, 17.7, 17.24, 14.89, 16.69, 16.28, 12.25, 12.66, 12.14, 9, 18.74, 18.23, 14.98, 17.62, 17.4, 15.67), Per = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1", "2", "3" ), class = "factor")), class = "data.frame", row.names = c(NA, -90L)) #install.packages("nlme") library(nlme) options(contrasts=c("contr.sum","contr.poly")) controle<-lmeControl(maxIter = 200, msMaxIter = 200,opt = 'optim') mlme <- lme(Leite ~Tratamento,random=~1|Bloco/Vacas/Per,control=controle, data=dados) anova(mlme,type='marginal')
Se a única variável manipulada ("independente") foram os tratamentos, e a resposta é unicamente uma única variável também, matematicamente você não acaba com a mesma análise, apenas por caminhos diferentes? On Wed, Nov 4, 2020 at 12:28 PM Fernando Souza por (R-br) < r-br@listas.c3sl.ufpr.br> wrote:
Boa tarde pessoal,
Estou analisando um experimento em Switchback com vacas leiteiras e estou com duvidas sobre a montagem do modelo. Gostaria da ajuda de vocês. O experimento comparou dois tratamentos A e B. Utilizou 30 vacas, porém as vacas não foram avaliadas simultaneamente. 10 vacas entraram no momento 1, 10 entraram no momento 2 e 10 entraram no momento 3. As vacas dentro de cada momento foram sorteadas para uma das duas sequencias possíveis A-B-A ou B-A-B, sendo a sequencia aplicadas em 3 períodos diferentes de igual duração. Entendo que o desenho experimental desse trabalho é semelhante ao descrito nesse trabalho: https://www.sciencedirect.com/science/article/pii/S0022030287802734 <https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@getmailspring.com/0?redirect=https%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0022030287802734&recipient=ci1ickBsaXN0YXMuYzNzbC51ZnByLmJy> sendo o block os momentos (1,2 e 3)
Porém nesse trabalho os autores utilizam o PROC GLM dos SAS. Eu no entanto desejo analisá-lo através da abordagem dos modelos mistos, com a função lme{nlme} Fiz o seguinte modelo e gostaria de uma opinião para saber se o modelo está correto? Se não como posso melhorá-lo
dados<-structure(list(Bloco = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), Ordem = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), Periodo = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Tratamento = structure(c(1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("A", "B"), class = "factor"), Sequencia = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), .Label = c("1", "2"), class = "factor"), Vacas = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L, 11L, 11L, 11L, 12L, 12L, 12L, 13L, 13L, 13L, 14L, 14L, 14L, 15L, 15L, 15L, 16L, 16L, 16L, 17L, 17L, 17L, 18L, 18L, 18L, 19L, 19L, 19L, 20L, 20L, 20L, 21L, 21L, 21L, 22L, 22L, 22L, 23L, 23L, 23L, 24L, 24L, 24L, 25L, 25L, 25L, 26L, 26L, 26L, 27L, 27L, 27L, 28L, 28L, 28L, 29L, 29L, 29L, 30L, 30L, 30L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26", "27", "28", "29", "30"), class = "factor"), Leite = c(18.28, 15.73, 14.96, 16.08, 15.64, 15.41, 16.21, 15.52, 14.93, 17.29, 14.52, 12.98, 13.28, 12.57, 12.31, 21.82, 19.28, 18.75, 16.69, 15.15, 14, 17.11, 15.51, 14.73, 15.38, 14.77, 13.37, 15.21, 14.46, 13.5, 12.67, 11.91, 11.55, 15.78, 14.68, 14.61, 13.29, 12.12, 11.77, 17.32, 14.81, 14.66, 16.13, 14.81, 14.29, 14.94, 13.45, 13.09, 15.27, 12.36, 11.29, 14.02, 13, 12.06, 15.25, 14.9, 14.59, 12.44, 11.8, 11.56, 12.56, 12.22, 7.68, 15.15, 14.56, 10.08, 14.26, 13.34, 10.21, 13.56, 12.85, 8.9, 14.09, 14.63, 11.52, 17.7, 17.24, 14.89, 16.69, 16.28, 12.25, 12.66, 12.14, 9, 18.74, 18.23, 14.98, 17.62, 17.4, 15.67), Per = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1", "2", "3" ), class = "factor")), class = "data.frame", row.names = c(NA, -90L))
#install.packages("nlme") library(nlme) options(contrasts=c("contr.sum","contr.poly")) controle<-lmeControl(maxIter = 200, msMaxIter = 200,opt = 'optim') mlme <- lme(Leite ~Tratamento,random=~1|Bloco/Vacas/Per,control=controle, data=dados) anova(mlme,type='marginal')
_______________________________________________ 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.
Boa tarde Cesar, Obrigado por responder. A única variável resposta de interesse é a produção de leite (Leite) e o interesse é comparar os níveis do fator experimental tratamento. Vacas é um bloco, cada vaca foi sorteado para uma sequencia de tratamentos A-B-A ou B-A-B em tres diferentes periodos. Não há interesse em inferir sobre as vacas. Da mesma forma bloco , foi devido ao fato de as vacas não entrarem no experimento ao mesmo tempo. Grupos de 10 vacas foram utilizadas em anos diferentes. Assim considerei que blocos, vacas dentro de blocos e Periodo dentro de vacas , dentro de bloco como aleatórios. Minha dúvida é que ao fazer utilizando o modelo misto ou utilizando a abordagem do artigo, o qual utiliza o glm, as conclusões são as mesmas (Não houve efeito do tratamento) as médias estimadas por ambas abordagens são ligeiramente diferentes. No caso do modelo misto o intervalo de confiança foi maior que o intervalo de confiança utilizando o glm. Assim gostaria da opinião de alguém com mais experiência, para me falar se o modelo da forma como montei, está correto, se não o que corrigir. On Nov 4 2020, at 3:59 pm, Cesar Rabak por (R-br) <r-br@listas.c3sl.ufpr.br> wrote:
Se a única variável manipulada ("independente") foram os tratamentos, e a resposta é unicamente uma única variável também, matematicamente você não acaba com a mesma análise, apenas por caminhos diferentes?
On Wed, Nov 4, 2020 at 12:28 PM Fernando Souza por (R-br) <r-br@listas.c3sl.ufpr.br (mailto:r-br@listas.c3sl.ufpr.br)> wrote:
Boa tarde pessoal,
Estou analisando um experimento em Switchback com vacas leiteiras e estou com duvidas sobre a montagem do modelo. Gostaria da ajuda de vocês. O experimento comparou dois tratamentos A e B. Utilizou 30 vacas, porém as vacas não foram avaliadas simultaneamente. 10 vacas entraram no momento 1, 10 entraram no momento 2 e 10 entraram no momento 3. As vacas dentro de cada momento foram sorteadas para uma das duas sequencias possíveis A-B-A ou B-A-B, sendo a sequencia aplicadas em 3 períodos diferentes de igual duração. Entendo que o desenho experimental desse trabalho é semelhante ao descrito nesse trabalho: https://www.sciencedirect.com/science/article/pii/S0022030287802734 (https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@get...) sendo o block os momentos (1,2 e 3)
Porém nesse trabalho os autores utilizam o PROC GLM dos SAS. Eu no entanto desejo analisá-lo através da abordagem dos modelos mistos, com a função lme{nlme} Fiz o seguinte modelo e gostaria de uma opinião para saber se o modelo está correto? Se não como posso melhorá-lo
dados<-structure(list(Bloco = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), Ordem = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), Periodo = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Tratamento = structure(c(1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("A", "B"), class = "factor"), Sequencia = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), .Label = c("1", "2"), class = "factor"), Vacas = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L, 11L, 11L, 11L, 12L, 12L, 12L, 13L, 13L, 13L, 14L, 14L, 14L, 15L, 15L, 15L, 16L, 16L, 16L, 17L, 17L, 17L, 18L, 18L, 18L, 19L, 19L, 19L, 20L, 20L, 20L, 21L, 21L, 21L, 22L, 22L, 22L, 23L, 23L, 23L, 24L, 24L, 24L, 25L, 25L, 25L, 26L, 26L, 26L, 27L, 27L, 27L, 28L, 28L, 28L, 29L, 29L, 29L, 30L, 30L, 30L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26", "27", "28", "29", "30"), class = "factor"), Leite = c(18.28, 15.73, 14.96, 16.08, 15.64, 15.41, 16.21, 15.52, 14.93, 17.29, 14.52, 12.98, 13.28, 12.57, 12.31, 21.82, 19.28, 18.75, 16.69, 15.15, 14, 17.11, 15.51, 14.73, 15.38, 14.77, 13.37, 15.21, 14.46, 13.5, 12.67, 11.91, 11.55, 15.78, 14.68, 14.61, 13.29, 12.12, 11.77, 17.32, 14.81, 14.66, 16.13, 14.81, 14.29, 14.94, 13.45, 13.09, 15.27, 12.36, 11.29, 14.02, 13, 12.06, 15.25, 14.9, 14.59, 12.44, 11.8, 11.56, 12.56, 12.22, 7.68, 15.15, 14.56, 10.08, 14.26, 13.34, 10.21, 13.56, 12.85, 8.9, 14.09, 14.63, 11.52, 17.7, 17.24, 14.89, 16.69, 16.28, 12.25, 12.66, 12.14, 9, 18.74, 18.23, 14.98, 17.62, 17.4, 15.67), Per = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1", "2", "3" ), class = "factor")), class = "data.frame", row.names = c(NA, -90L))
#install.packages("nlme") library(nlme) options(contrasts=c("contr.sum","contr.poly")) controle<-lmeControl(maxIter = 200, msMaxIter = 200,opt = 'optim') mlme <- lme(Leite ~Tratamento,random=~1|Bloco/Vacas/Per,control=controle, data=dados) anova(mlme,type='marginal')
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br (mailto: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.
_______________________________________________ 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.
Olá Fernando, A modelagem matemática/estatística deve tentar se aproximar de uma descrição defensável do *processo* pelo qual os dados são gerados no experimento no domínio do problema. Não saberia dizer porque o autor da referência que você menciona usou GLM, pois a variável dependente (*resposta*) parece-me apropriada para uma análise ANOVA. Por outro lado, de novo por não compreender o quê você espera que o modelo misto capture melhor que a GLM, tampouco saberia como discutir. Entendi sua interpretação para usar as vacas individuais como bloco, mas devo dizer que o "entendimento" foi no português e não na lógica do experimento, porque, de novo, não posso me imiscuir no domínio do problema. O fato mais importante, ou seja, que tanto numa como outra abordagem para modelar o experimento os resultados apontam para não detecção do efeito dos tratamentos, me parece fazer com que a discussão sobre a modelagem seja menos importante do que entender se o efeito é de fato inexistente, ele é visível num nível mais prático mas a amostragem (tamanho da amostra não assegura ausência de efeito devido à variabilidade natural da resposta do seu experimento), ou outros fatores. O fato de IC serem mais amplos ou mais estreitos decorrem exatamente do conservadorismo das abordagens matemáticas, e tampouco *per se* seriam soberanas para uma determinação de propriedade da abordagem. Uma informação mais pertinente seria a análise dos resíduos para ver se o erro ficou bem distribuído (gaussianamente) , e outros vieses de modelagem. HTH -- Cesar Rabak On Wed, Nov 4, 2020 at 5:06 PM Fernando Souza <nandodesouza@gmail.com> wrote:
Boa tarde Cesar, Obrigado por responder. A única variável resposta de interesse é a produção de leite (Leite) e o interesse é comparar os níveis do fator experimental tratamento. Vacas é um bloco, cada vaca foi sorteado para uma sequencia de tratamentos A-B-A ou B-A-B em tres diferentes periodos. Não há interesse em inferir sobre as vacas.
Da mesma forma bloco , foi devido ao fato de as vacas não entrarem no experimento ao mesmo tempo. Grupos de 10 vacas foram utilizadas em anos diferentes. Assim considerei que blocos, vacas dentro de blocos e Periodo dentro de vacas , dentro de bloco como aleatórios.
Minha dúvida é que ao fazer utilizando o modelo misto ou utilizando a abordagem do artigo, o qual utiliza o glm, as conclusões são as mesmas (Não houve efeito do tratamento) as médias estimadas por ambas abordagens são ligeiramente diferentes. No caso do modelo misto o intervalo de confiança foi maior que o intervalo de confiança utilizando o glm.
Assim gostaria da opinião de alguém com mais experiência, para me falar se o modelo da forma como montei, está correto, se não o que corrigir.
On Nov 4 2020, at 3:59 pm, Cesar Rabak por (R-br) < r-br@listas.c3sl.ufpr.br> wrote:
Se a única variável manipulada ("independente") foram os tratamentos, e a resposta é unicamente uma única variável também, matematicamente você não acaba com a mesma análise, apenas por caminhos diferentes?
On Wed, Nov 4, 2020 at 12:28 PM Fernando Souza por (R-br) < r-br@listas.c3sl.ufpr.br> wrote:
Boa tarde pessoal,
Estou analisando um experimento em Switchback com vacas leiteiras e estou com duvidas sobre a montagem do modelo. Gostaria da ajuda de vocês. O experimento comparou dois tratamentos A e B. Utilizou 30 vacas, porém as vacas não foram avaliadas simultaneamente. 10 vacas entraram no momento 1, 10 entraram no momento 2 e 10 entraram no momento 3. As vacas dentro de cada momento foram sorteadas para uma das duas sequencias possíveis A-B-A ou B-A-B, sendo a sequencia aplicadas em 3 períodos diferentes de igual duração. Entendo que o desenho experimental desse trabalho é semelhante ao descrito nesse trabalho: https://www.sciencedirect.com/science/article/pii/S0022030287802734 <https://link.getmailspring.com/link/6AAC746E-76FD-40C3-9BB7-28232AAC3000@getmailspring.com/0?redirect=https%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0022030287802734&recipient=ci1ickBsaXN0YXMuYzNzbC51ZnByLmJy> sendo o block os momentos (1,2 e 3)
Porém nesse trabalho os autores utilizam o PROC GLM dos SAS. Eu no entanto desejo analisá-lo através da abordagem dos modelos mistos, com a função lme{nlme} Fiz o seguinte modelo e gostaria de uma opinião para saber se o modelo está correto? Se não como posso melhorá-lo
dados<-structure(list(Bloco = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), Ordem = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), Periodo = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Tratamento = structure(c(1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("A", "B"), class = "factor"), Sequencia = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), .Label = c("1", "2"), class = "factor"), Vacas = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L, 11L, 11L, 11L, 12L, 12L, 12L, 13L, 13L, 13L, 14L, 14L, 14L, 15L, 15L, 15L, 16L, 16L, 16L, 17L, 17L, 17L, 18L, 18L, 18L, 19L, 19L, 19L, 20L, 20L, 20L, 21L, 21L, 21L, 22L, 22L, 22L, 23L, 23L, 23L, 24L, 24L, 24L, 25L, 25L, 25L, 26L, 26L, 26L, 27L, 27L, 27L, 28L, 28L, 28L, 29L, 29L, 29L, 30L, 30L, 30L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26", "27", "28", "29", "30"), class = "factor"), Leite = c(18.28, 15.73, 14.96, 16.08, 15.64, 15.41, 16.21, 15.52, 14.93, 17.29, 14.52, 12.98, 13.28, 12.57, 12.31, 21.82, 19.28, 18.75, 16.69, 15.15, 14, 17.11, 15.51, 14.73, 15.38, 14.77, 13.37, 15.21, 14.46, 13.5, 12.67, 11.91, 11.55, 15.78, 14.68, 14.61, 13.29, 12.12, 11.77, 17.32, 14.81, 14.66, 16.13, 14.81, 14.29, 14.94, 13.45, 13.09, 15.27, 12.36, 11.29, 14.02, 13, 12.06, 15.25, 14.9, 14.59, 12.44, 11.8, 11.56, 12.56, 12.22, 7.68, 15.15, 14.56, 10.08, 14.26, 13.34, 10.21, 13.56, 12.85, 8.9, 14.09, 14.63, 11.52, 17.7, 17.24, 14.89, 16.69, 16.28, 12.25, 12.66, 12.14, 9, 18.74, 18.23, 14.98, 17.62, 17.4, 15.67), Per = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1", "2", "3" ), class = "factor")), class = "data.frame", row.names = c(NA, -90L))
#install.packages("nlme") library(nlme) options(contrasts=c("contr.sum","contr.poly")) controle<-lmeControl(maxIter = 200, msMaxIter = 200,opt = 'optim') mlme <- lme(Leite ~Tratamento,random=~1|Bloco/Vacas/Per,control=controle, data=dados) anova(mlme,type='marginal')
_______________________________________________ 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.
_______________________________________________ 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.
participantes (2)
-
Cesar Rabak -
Fernando Souza