Sugestões sobre a melhor abordagens estatística
Caro Colegas, Boa tarde. Estou fazendo uma análise para um colega, mas estou com duvida sobre a melhor abordagem usar. Ele me enviou uma planilha com dados de matéria seca, numero nódulos (rizóbio), matéria seca dos nódulos, numero de vargens por planta, rendimendo de grão de feijão em 10 regioẽs diferente submetido a 8 tratamento diferente como com e sem nitrogênio e inoculado com 6 estirpes de rizóbio diferentes. O objetivo dele é comparar a eficiência das estirpes de rizóbio em relação a com e sem nitrogênio e selecionar a melhor estiper de rizóbio nos diferente locais. Algum colega poderia me ajudar com sugestões sobre a melhor abordagem estatística? Obrigado -- Alisson Lucrecio da Costa
Já antecipado que a escolha do rizóbium é dentro de cada local, poderia-se fazer uma análise por local com o efeito de estirpe, nitrogênio e tratamento (e as interações) no preditor (modelo de fatorial triplo). No entanto, uma análise conjunta também pode ser feita, o que considero melhor, pois permite "empréstimo de informação" entre os locais. Acaba-se caindo em modelo de efeitos mistos ao considerar efeito de parcela dentro de local, local e/ou bloco dentro de local como aleatórios. Para as respostas que são contagens (suporte nos inteiros não negativos) vale considerar a Poisson como candidata (candidata pois nem tudo que é contagem é Poisson), no entanto, análise sob uma transformação da resposta também pode ser conduzida. A vantagem da análise conjunta é verificar a existência de interação (se estirpe depende de local) e ser mais poderosa dado aumento do número de observações (que informam sobre os efeitos). Walmes.
Walmes, Boa tarde. Tenho o efeito fixo para tratamento com sete níveis, os quais são: com n itrogénio; sem nitrogénio; (estirpe de rizóbioum) CIAT 899 ; UFLA 02-100; UFLA 02-127; UFLA 02-68 e UFLA 04-195. Tenho o efeito de Local com 10 níveis, os quais são: Lavras; Lavras2; Patos de Minas; Patos de Minas2; PO; PO2; Bambui; GM; Luminarias e Pitangui. Patos de Minas e Bambui foram irrigados e cultivados na estação Seca. Patos de Minas2 e Pitangui foram irrigados e cultivados na estação Inverno. Lavras, GM, Luminarias e PO2 foram cultivados sem irrigação e na estação Águas. PO e Lavras2 foram cultivados sem irrigação e na estação Seca. Existe também um efeito de nivel tecnológico onde Patos de Minas, Bambui, Patos de Minas2 e Pitangui foi 4. Para Lavras, Lavras2, PO, Luminarias foi 2. Para GM foi 4. Para PO2 foi 3. Além disso o Local GM foi cultivado com Plantio Direto. Criei o modelo abaixo, mas testou com duvida em como inserir o efeito de Irrigação, Nível Tecnológico, Safra e Preparo do Solo no Modelo. lmer1 <- lmer(RG ~ Tratamento + ??? + (1 + Tratamento | Local ), data = estirpe, control=lmerControl(optCtrl=list(maxfun=40000))) Você poderia me ajudar? Obrigado. 'data.frame': 280 obs. of 15 variables: $ Tratamento: Factor w/ 7 levels "T_CN","T_SN",..: 4 4 4 4 5 5 5 5 6 6 ... $ Local : Factor w/ 10 levels "Lavras","Lavras2",..: 3 3 3 3 3 3 3 3 3 3 ... $ Bloco : Factor w/ 4 levels "1","2","3","4": 1 2 3 4 1 2 3 4 1 2 ... $ Irrigacao : Factor w/ 2 levels "Sem","Com": 2 2 2 2 2 2 2 2 2 2 ... $ NT : Factor w/ 3 levels "2","3","4": 3 3 3 3 3 3 3 3 3 3 ... $ Safra : Factor w/ 3 levels "Seca","Aguas",..: 1 1 1 1 1 1 1 1 1 1 ... $ Prep_Solo : Factor w/ 2 levels "CO","PD": 1 1 1 1 1 1 1 1 1 1 ... $ MSPA : num 21.5 19.2 27.1 21.4 11.1 ... $ NN : int 255 136 136 186 129 79 84 130 242 106 ... $ MSN : num 0.63 1.05 0.53 0.48 0.31 0.13 0.25 0.33 0.56 0.32 ... $ ANPA : num 386 520 758 450 367 ... $ V.P : num 13.8 9.9 6.1 9.8 3.7 5.1 9 7 7.2 7.4 ... $ S.V : num 5.17 5.09 4.97 4.84 4.41 4.57 4.34 4.9 4 4.45 ... $ RG : num 1362 1550 1925 1612 525 ... $ ANG : num 24.5 41.9 53.9 33.9 17.3 ... 2014-05-26 14:22 GMT-03:00 walmes . <walmeszeviani@gmail.com>:
Já antecipado que a escolha do rizóbium é dentro de cada local, poderia-se fazer uma análise por local com o efeito de estirpe, nitrogênio e tratamento (e as interações) no preditor (modelo de fatorial triplo). No entanto, uma análise conjunta também pode ser feita, o que considero melhor, pois permite "empréstimo de informação" entre os locais. Acaba-se caindo em modelo de efeitos mistos ao considerar efeito de parcela dentro de local, local e/ou bloco dentro de local como aleatórios. Para as respostas que são contagens (suporte nos inteiros não negativos) vale considerar a Poisson como candidata (candidata pois nem tudo que é contagem é Poisson), no entanto, análise sob uma transformação da resposta também pode ser conduzida. A vantagem da análise conjunta é verificar a existência de interação (se estirpe depende de local) e ser mais poderosa dado aumento do número de observações (que informam sobre os efeitos).
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.
-- Alisson Lucrecio da Costa
Crie colunas a mais que descrevam tais características de cada local (já feito). Depois é só entrar com esses fatores no modelo, possivelmente de forma apenas aditiva, visto que as interações podem ter cédulas não presentes ocasionando missings ou melhor, termos do vetor de parâmetros não estimáveis. Por exemplo, como apenas GM representa o plantio direto, o efeito de GM e plantio direto está confundido, assim sistema de plantio deixa de ser uma variável explicativa viável para o modelo. À disposição. Walmes.
Caro Walmes, Criei o modelo com variável RG (Rendimento do Grão de Feijão) em Tratamento como efeito fixo somando com Irrigação + NT + Safra, entretanto tenho o seguinte erro:
lmer1 <- lmer(RG ~ Tratamento + Irrigacao + NT + Safra + Prep_Solo + (1 + Tratamento | Local ), data = estirpe,+ control=lmerControl(optCtrl=list(maxfun=40000)))Error in lme4::lFormula(formula = RG ~ Tratamento + Irrigacao + NT + Safra + : rank of X = 12 < ncol(X) = 13
Esse erro não aparece quando entro com apenas 3 fatores no modelo. Ex. Irrigação + NT + Safra.
lmer1 <- lmer(RG ~ Tratamento + Irrigacao + NT + Safra + (1 + Tratamento | Local ), data = estirpe,+ control=lmerControl(optCtrl=list(maxfun=40000)))
Porque esse erro esta acontecendo? O modelo esta correto? Obrigado. 2014-06-09 21:13 GMT-03:00 walmes . <walmeszeviani@gmail.com>:
Crie colunas a mais que descrevam tais características de cada local (já feito). Depois é só entrar com esses fatores no modelo, possivelmente de forma apenas aditiva, visto que as interações podem ter cédulas não presentes ocasionando missings ou melhor, termos do vetor de parâmetros não estimáveis. Por exemplo, como apenas GM representa o plantio direto, o efeito de GM e plantio direto está confundido, assim sistema de plantio deixa de ser uma variável explicativa viável para o modelo.
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.
-- Alisson Lucrecio da Costa
Isso é decorrente do que mencionei na mensagem anterior. Você só tem plantio direto em um lugar. O efeito está confundido. Por isso o rank da matriz é deficiente. Isso ocorre com toda classe de modelo pois de fato não existe informação nos dados que permita identificar os parâmetros em questão. Na lm() um NA aparece nas estimativas dos coeficientes.
da <- data.frame(local=gl(4,5), sistema="PC", stringsAsFactors=FALSE) da$sistema[da$local=="4"] <- "PD" da <- as.data.frame(da, stringsAsFactors=TRUE) da$y <- rnorm(nrow(da)) str(da) 'data.frame': 20 obs. of 3 variables: $ local : Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 2 2 2 2 2 ... $ sistema: chr "PC" "PC" "PC" "PC" ... $ y : num 0.375 -0.646 -1.727 -1.764 -0.285 ... xtabs(~local+sistema, da) sistema local PC PD 1 5 0 2 5 0 3 5 0 4 0 *5* m0 <- lm(y~local+sistema, data=da) coef(m0) (Intercept) local2 local3 local4 *sistemaPD* -0.8091214 0.6408831 0.5092444 0.2868672 *NA *
À disposição. Walmes.
participantes (2)
-
Alisson Lucrecio -
walmes .