Re: [R-br] Falha em ANAVA
Jovem, aconselho que leia o help da função glht novamente! Não tem sentido usar covariate_average=TRUE, pois não há covariável no modelo. Não tem sentido usar interaction_average=TRUE, pois não foi significativo. Não tem sentido utilizar procedimentos de comparação múltipla quando se tem apenas dois grupos. Ao fazer, summary(glht(analise, linfct=mcp(Manej="Tukey",interaction_average=FALSE))) Tem-se o mesmo resultado da Anova como era de se esperar, pois a estatística t ao quadrado é equivalente ao estatística F. Antes de partir para vias de fato (inferência), faça uma boa análise exploratória de dados. Existem três outliers na sua base. Avalie se eles são influentes ou não. Sabemos que valores extremos influenciam a média. (S,f,P) Allaman \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5596 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}
Usar covariate_average=TRUE não muda nada, pois afinal de contas, como Ivan mencionou, não tem covariável no modelo. Por outro lado, interaction_average=TRUE deve ser usado se você quer contrastar níveis de fator principal havendo interações envolvendo este no modelo, mesmo elas não sendo significativas. Declarar como FALSE está assumindo como 0 as estimativas e portanto desconsiderando o erro-padrão delas também. No caso da interação ser não significativa você pode abandonar o termo interação, ajustar modelo só com efeitos principais. O fato dos valores da anova (F) e do contraste (t) estarem um de cada lado do 0.05 é um dos problemas da inferência baseada em p-valor. Assim como um F pode apontar diferenças e um teste de comparações não apontar, o contrário também pode ocorrer. Na minha humilde opinião, olhar para o p-valor e dicotomizar em água > 0.05 e vinho < 0.05 deixa de ser estatística e vira matemática. Se for pra seguir a risca a filosofia procedural, você só vai para o teste após permissão da anova. Segue CMR para mostrar a função linear definida pelo interaction_average=TRUE e a análise após abandono de termos. ganho1 <- structure(list(Animal = c(25L, 38L, 42L, 50L, 53L, 18L, 22L, 34L, 41L, 44L, 48L, 2L, 12L, 14L, 39L, 46L, 4L, 5L, 21L, 26L, 49L, 3L, 32L, 37L, 43L, 47L, 8L, 15L, 30L, 40L, 1L, 17L, 23L, 28L, 7L, 9L, 19L, 35L), Gest = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("0", "100", "130", "140"), class = "factor"), Manej = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("1", "2"), class = "factor"), PVINICIAL = c(36.5, 37, 25.6, 30.3, 30.1, 27.3, 31, 25.1, 32.5, 29.6, 35, 40, 34.3, 33.8, 33.7, 31.4, 40, 32.3, 34.5, 29.5, 39.7, 38, 33.2, 34.5, 34.8, 31.3, 29.2, 32, 30.5, 27.5, 37, 32, 36.5, 40.6, 35.1, 29.8, 36.2, 28.6)), .Names = c("Animal", "Gest", "Manej", "PVINICIAL" ), class = "data.frame", row.names = c(NA, -38L)) names(ganho1) <- tolower(names(ganho1)) str(ganho1) library(multcomp) library(doBy) library(car) library(reshape) cast(manej~gest, data=ganho1, margins=TRUE) xyplot(pvinicial~manej, groups=gest, ganho1, type=c("p","a")) xyplot(pvinicial~gest, groups=manej, ganho1, type=c("p","a")) analise <- lm(pvinicial~manej*gest,data=ganho1) par(mfrow=c(2,2)); plot(analise); layout(1) anova(analise) Anova(analise, type="II") Anova(analise, type="III") drop1(analise, scope=.~., test="F") summary(analise) g <- glht(analise, linfct=mcp(manej="Tukey", interaction_average=TRUE, covariate_average=TRUE)) g$linfct # função linear definida pelos argumentos usados # é o contraste para efeito principal summary(g) X <- popMatrix(analise, effect="manej") X cbind(c(X[2,]-X[1,]), c(g$linfct)) # exatamente como se faz "na mão" summary(glht(analise, linfct=rbind(X[2,]-X[1,]))) ana <- update(analise, .~manej+gest) anova(ana) summary(ana) g <- glht(ana, linfct=mcp(manej="Tukey")) summary(g) À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br skype: walmeszeviani twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
participantes (2)
-
Ivan Bezerra Allaman -
Walmes Zeviani