Boa tarde pessoal. Tenho dados de contagem em função do tempo e da cultivar. Tenho duvida na maneira como declaro o modelo. Qual é a diferença entre os modelos NP1 <- glm (Y ~ T+C, family = poisson, data=dados) e NP2 <- glm (Y ~ ., family = poisson, data=dados). Outra coisa, quando rodo o NP1 tenho a seguinte saída: Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 ** Pegunto: Não aparece o efeito da cultivar 1 (C1) e do tempo 0 (T0), por que isso ocorre? Como falar sobre o efeito desses dois fatores? Desde já agradeço. Ana
Ana, o modelo com o ponto é o modelo nulo. O outro está ajustando pelo T e C. Não aparecem as categorias que são as de referência. Abs Em 13 de dezembro de 2013 13:26, ana paula coelho madeira < apcmadeira@hotmail.com> escreveu:
Boa tarde pessoal.
Tenho dados de contagem em função do tempo e da cultivar. Tenho duvida na maneira como declaro o modelo. Qual é a diferença entre os modelos
NP1 <- glm (Y ~ T+C, family = poisson, data=dados) e NP2 <- glm (Y ~ ., family = poisson, data=dados).
Outra coisa, quando rodo o NP1 tenho a seguinte saída:
Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Pegunto: Não aparece o efeito da cultivar 1 (C1) e do tempo 0 (T0), por que isso ocorre? Como falar sobre o efeito desses dois fatores?
Desde já agradeço.
Ana
_______________________________________________ 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.
-- "Minha felicidade depende da qualidade dos meus pensamentos"
Nao! o ponto "." siginifica todas as variaveis no data-frame alem da resposta (Y) Se o data frame contem apenas Y, T, e C entao as especificaqcoes sao iguais On Fri, 13 Dec 2013, Fátima Lima Paula wrote:
Ana, o modelo com o ponto é o modelo nulo. O outro está ajustando pelo T e C. Não aparecem as categorias que são as de referência. Abs
Em 13 de dezembro de 2013 13:26, ana paula coelho madeira <apcmadeira@hotmail.com> escreveu: Boa tarde pessoal. Tenho dados de contagem em função do tempo e da cultivar. Tenho duvida na maneira como declaro o modelo. Qual é a diferença entre os modelos NP1 <- glm (Y ~ T+C, family = poisson, data=dados) e NP2 <- glm (Y ~ ., family = poisson, data=dados). Outra coisa, quando rodo o NP1 tenho a seguinte saída: Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Pegunto: Não aparece o efeito da cultivar 1 (C1) e do tempo 0 (T0), por que isso ocorre? Como falar sobre o efeito desses dois fatores? Desde já agradeço. Ana
_______________________________________________ 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.
-- "Minha felicidade depende da qualidade dos meus pensamentos"
Entendi, muito obrigada! Mas e quanto aos fatores que não aparecem na análise? Tenho 8 tempos e 4 cultivares e quando peço o summary do modelo o tempo 0 e a cultivar C1 não aparecem na análise. O que ocorreu? Como avaliar a significância desses fatores? Segue a saída: NP1 <- glm (Y ~ T+C, family = poisson, data=dados)
Outra coisa, quando rodo o NP1 tenho a seguinte saída:
Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Obrigada! Date: Fri, 13 Dec 2013 15:35:26 -0200 From: paulojus@leg.ufpr.br To: r-br@listas.c3sl.ufpr.br Subject: Re: [R-br] GLM Nao! o ponto "." siginifica todas as variaveis no data-frame alem da resposta (Y) Se o data frame contem apenas Y, T, e C entao as especificaqcoes sao iguais On Fri, 13 Dec 2013, Fátima Lima Paula wrote:
Ana, o modelo com o ponto é o modelo nulo. O outro está ajustando pelo T e C. Não aparecem as categorias que são as de referência. Abs
Em 13 de dezembro de 2013 13:26, ana paula coelho madeira <apcmadeira@hotmail.com> escreveu: Boa tarde pessoal.
Tenho dados de contagem em função do tempo e da cultivar. Tenho duvida na maneira como declaro o modelo. Qual é a diferença entre os modelos
NP1 <- glm (Y ~ T+C, family = poisson, data=dados) e NP2 <- glm (Y ~ ., family = poisson, data=dados).
Outra coisa, quando rodo o NP1 tenho a seguinte saída:
Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Pegunto: Não aparece o efeito da cultivar 1 (C1) e do tempo 0 (T0), por que isso ocorre? Como falar sobre o efeito desses dois fatores?
Desde já agradeço.
Ana
_______________________________________________ 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.
-- "Minha felicidade depende da qualidade dos meus pensamentos"
_______________________________________________ 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 forne�a c�digo m�nimo reproduz�vel.
Você pode obter as estimativas de cada casela de diversas formas: 1) removendo intercepto da fórmula, 2) mudando o tipo de constraste, 3) calculando as funções lineares por fora com matrizes apropriadas e 4) fazendo o item 3 com a popMeans() e/ou popMatrix(), que considero a opção mais simples. Veja o CMR. ##----------------------------------------------------------------------------- ## dados artificiais da <- expand.grid(A=gl(4,4), B=gl(3,1)) da$y <- rpois(nrow(da), lambda=10) ## constrates usados por padrão options()$contrasts ## removendo o intercepto, primeiro fator com estimativas por nível m0 <- glm(y~-1+A+B, data=da, family=poisson) summary(m0) m0 <- glm(y~-1+B+A, data=da, family=poisson) summary(m0) ## mudando a opção de contraste localmente m0 <- glm(y~A+B, data=da, family=poisson, contrasts=list(A=contr.helmert, B=contr.SAS)) summary(m0) M <- unique(model.matrix(m0)) M ## comportamento padrão m0 <- glm(y~A+B, data=da, family=poisson) summary(m0) M <- unique(model.matrix(m0)) M ##----------------------------------------------------------------------------- ## estimativas para cada combinação A*B M%*%coef(m0) ## para soma direta de matrizes source("http://fisher.osu.edu/~schroeder_9/AMIS900/blockdiag.R") mA <- contrasts(da$A) mB <- contrasts(da$B) M <- list(mA, mB) M <- cbind(1, blockdiag(M)) M <- unique(M) M M%*%coef(m0) coef(m0) require(doBy) ## efeito marginal de A (ou seja, na média dos níveis de B) popMeans(m0, effect="A") ## efeito marginal de B (ou seja, na média dos níveis de A) popMeans(m0, effect="B") ## efeito de A condicional à B=1 popMeans(m0, effect="A", at=list(B="1")) ## aqui é para ver as matrizes envolvidas popMatrix(m0, effect="A") popMatrix(m0, effect="A", at=list(B="1")) ##----------------------------------------------------------------------------- À disposição. Walmes.
A partir daí não consegui rodar, ele não reconhece as funções popMeans e popMatrix, e instalei a bibliotéca doBay ## efeito marginal de A (ou seja, na média dos níveis de B) popMeans(m0, effect="A") ## efeito marginal de B (ou seja, na média dos níveis de A) popMeans(m0, effect="B") ## efeito de A condicional à B=1 popMeans(m0, effect="A", at=list(B="1")) ## aqui é para ver as matrizes envolvidas popMatrix(m0, effect="A") popMatrix(m0, effect="A", at=list(B="1")) Você pode obter as estimativas de cada casela de diversas formas: 1) removendo intercepto da fórmula, 2) mudando o tipo de constraste, 3) calculando as funções lineares por fora com matrizes apropriadas e 4) fazendo o item 3 com a popMeans() e/ou popMatrix(), que considero a opção mais simples. Veja o CMR. ##----------------------------------------------------------------------------- ## dados artificiais da <- expand.grid(A=gl(4,4), B=gl(3,1)) da$y <- rpois(nrow(da), lambda=10) ## constrates usados por padrão options()$contrasts ## removendo o intercepto, primeiro fator com estimativas por nível m0 <- glm(y~-1+A+B, data=da, family=poisson) summary(m0) m0 <- glm(y~-1+B+A, data=da, family=poisson) summary(m0) ## mudando a opção de contraste localmente m0 <- glm(y~A+B, data=da, family=poisson, contrasts=list(A=contr.helmert, B=contr.SAS)) summary(m0) M <- unique(model.matrix(m0)) M ## comportamento padrão m0 <- glm(y~A+B, data=da, family=poisson) summary(m0) M <- unique(model.matrix(m0)) M ##----------------------------------------------------------------------------- ## estimativas para cada combinação A*B M%*%coef(m0) ## para soma direta de matrizes source("http://fisher.osu.edu/~schroeder_9/AMIS900/blockdiag.R") mA <- contrasts(da$A) mB <- contrasts(da$B) M <- list(mA, mB) M <- cbind(1, blockdiag(M)) M <- unique(M) M M%*%coef(m0) coef(m0) require(doBy) ## efeito marginal de A (ou seja, na média dos níveis de B) popMeans(m0, effect="A") ## efeito marginal de B (ou seja, na média dos níveis de A) popMeans(m0, effect="B") ## efeito de A condicional à B=1 popMeans(m0, effect="A", at=list(B="1")) ## aqui é para ver as matrizes envolvidas popMatrix(m0, effect="A") popMatrix(m0, effect="A", at=list(B="1")) ##----------------------------------------------------------------------------- À disposição. Walmes. ------------------------------------------------------------------------------ _______________________________________________ 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.
Ana Paula, Como você já pôde ver nas respostas sobre sua dúvida (do ponto de vista da técnica do uso da GLM e da sintaxe do R), acho que se enseja também uma outra discussão: Qual é o sentido para sua modelagem de ter todos os cultivares (e tempos) como níveis (removendo o intercepto)? O uso de um nível de cada fator como "referência" me parece mais lógico na análise que um modelo onde cada nível seja explicitamente estimado. senão vejamos o seguinte: qual é a resposta que a significância do nível que na primeira abordagem estava na referência? Ou a outra pergunta: o quê significa (sem trocadilho, por favor) a não significância estatística para o fator tempo na sua regressão? Note também na sua regressão os resultados para o intercepto, que geralmente são ignorados nesse tipo de análise, mas neste caso à guisa de ilustração vamos considerar o resultado: o p-valor para o intercepto (que considera T0 e C1 como referência) é 0,98628 suficientemente grande para dizer estatisticamente o quê? Uma outra coisa que gostaria de saber é o número de casos que você dispõe para fazer essa regressão? 2013/12/13 ana paula coelho madeira <apcmadeira@hotmail.com>
Entendi, muito obrigada! Mas e quanto aos fatores que não aparecem na análise? Tenho 8 tempos e 4 cultivares e quando peço o summary do modelo o tempo 0 e a cultivar C1 não aparecem na análise. O que ocorreu? Como avaliar a significância desses fatores? Segue a saída:
NP1 <- glm (Y ~ T+C, family = poisson, data=dados)
Outra coisa, quando rodo o NP1 tenho a seguinte saída:
Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Obrigada!
Date: Fri, 13 Dec 2013 15:35:26 -0200 From: paulojus@leg.ufpr.br To: r-br@listas.c3sl.ufpr.br Subject: Re: [R-br] GLM
Nao!
o ponto "." siginifica todas as variaveis no data-frame alem da resposta (Y)
Se o data frame contem apenas Y, T, e C entao as especificaqcoes sao iguais
On Fri, 13 Dec 2013, Fátima Lima Paula wrote:
Ana, o modelo com o ponto é o modelo nulo. O outro está ajustando pelo T e C. Não aparecem as categorias que são as de referência. Abs
Em 13 de dezembro de 2013 13:26, ana paula coelho madeira <apcmadeira@hotmail.com> escreveu: Boa tarde pessoal.
Tenho dados de contagem em função do tempo e da cultivar. Tenho duvida na maneira como declaro o modelo. Qual é a diferença entre os modelos
NP1 <- glm (Y ~ T+C, family = poisson, data=dados) e NP2 <- glm (Y ~ ., family = poisson, data=dados).
Outra coisa, quando rodo o NP1 tenho a seguinte saída:
Deviance Residuals: Min 1Q Median 3Q Max -5.7588 -1.0631 -0.0002 0.7864 4.7855 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.718e+01 9.994e+02 -0.017 0.98628 T15 3.932e-09 1.413e+03 0.000 1.00000 T29 1.951e+01 9.994e+02 0.020 0.98442 T43 2.088e+01 9.994e+02 0.021 0.98333 T57 2.139e+01 9.994e+02 0.021 0.98292 T71 2.140e+01 9.994e+02 0.021 0.98291 T85 2.081e+01 9.994e+02 0.021 0.98339 T99 1.745e+01 9.994e+02 0.017 0.98607 C2 -1.468e-01 5.659e-02 -2.594 0.00950 ** C3 -1.433e-01 5.653e-02 -2.535 0.01123 * C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Pegunto: Não aparece o efeito da cultivar 1 (C1) e do tempo 0 (T0), por que isso ocorre? Como falar sobre o efeito desses dois fatores?
Desde já agradeço.
Ana
_______________________________________________ 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.
-- "Minha felicidade depende da qualidade dos meus pensamentos"
_______________________________________________ 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 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.
participantes (6)
-
ana paula coelho madeira -
Cesar Rabak -
Fátima Lima Paula -
Mauro Sznelwar -
Paulo Justiniano -
walmes .