Medidas tomadas em diferentes tempos
Caros amigos, tenho um banco de dados organizados da seguinte forma e gostaria de uma opiniao para confirmar se estou procedendo corretamente
head(dadosmetabolitos[,1:4]) ANIMAL TRATAMENTO TEMPO PROTEINA 1 1 0.146 0 5.70 2 1 0.146 6 3.37 3 1 0.146 12 4.41 4 1 0.146 24 5.68 5 1 0.146 36 5.37 6 1 0.146 60 6.63
Os tratamentos foram aleatoriamente distribuídos aos animais em um DIC. A resposta PROTEINA, foi medida em cada animal em tempos diferentes. Estou em dúvida quanto a forma de avaliar este trabalho. Entendo que as medidas tomadas em diferentes tempos no mesmo animal estão correlacionadas, por isso estou utilizando o seguinte modelo: #install.packages("nlme") library(nlme) modelo2 <- gls(PROTEINA~TRATAMENTO*as.factor(TEMPO),correlation=corAR1(form=~1+TEMPO|Animal),na.action=na.omit,data=dados) onde TRATAMENTO e TEMPO são fatores uma variável de númerica. Minha dúvida é a seguinte. Seria melhor eu tratar a variável tempo como uma variavel do tipo fator e analisar a interação, ou tratar o tempo como uma variável numerica (neste caso uma covariável). O objetivo do trabalho é avaliar se a resposta dos animais submetidos a cada tratamento foi influenciada pelo tempo que os animais permaneceram no tratamento. dados<-structure(list(ANIMAL = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, oi 6L, 6L, 6L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 18L, 18L, 18L, 18L, 18L, 18L, 18L, 19L, 19L, 19L, 19L, 19L, 19L, 19L, 20L, 20L, 20L, 20L, 20L, 20L, 20L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", "16", "17", "18", "19", "20"), class = "factor"), TRATAMENTO = 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, 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, 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, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("0.146", "0.154", "0.182", "0.214"), class = "factor"), TEMPO = c(0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L, 0L, 6L, 12L, 24L, 36L, 60L, 84L), PROTEINA = c(5.7, 3.37, 4.41, 5.68, 5.37, 6.63, 5.39, 7, 4.84, 4.83, 5.81, 5.99, 7.65, 6.16, 5.53, 5.1, 5.99, 5.29, 4.46, 7.31, 6.57, 5.44, 5.45, 3.86, 3.83, 5.15, 6.13, 4.91, 5.96, 5.45, 5.2, 5.54, 4.54, 6.75, 5.84, 5.47, 5.37, 4.67, 3.98, 5.01, 6, 4.05, 6.03, 4.35, 4.32, 4.9, 4.22, 6.27, 5.71, 6.15, 4.4, 4.86, 5.81, 4.91, 6.31, 4.21, 6.74, 4.82, 6.42, 5.69, 5.67, 6.2, 6.13, 5.71, 5.53, 3.75, 4.6, 4.74, 6.26, 5.53, 5.37, 3.54, 5.63, 5.1, 3.4, 5.63, 3.94, 6.62, 5.43, 4.76, 3.69, 3.75, 6.48, 4.71, 6.74, 4.25, 4.11, 4.84, 5.13, 6.74, 4.06, 7.06, 5.69, 4.3, 6.06, 5.47, 6.8, 5.44, 6.63, 5.92, 4.3, 6.31, 5.64, 6.57, 5.03, 5.07, 4.64, 4.64, 4.71, 4.38, 5.52, 4.14, 4.64, 5.75, 4.67, 5.45, 5.1, 6.08, 6.09, 6.32, 3.33, 4.49, 4.69, 5.97, 5.74, 5.25, 5.74, 5.67, 4.37, 5.03, 4.12, 6.02, NA, 6.67, 6.32, 4.64, 4.75, 5.83, 6.06, NA)), .Names = c("ANIMAL", "TRATAMENTO", "TEMPO", "PROTEINA"), class = "data.frame", row.names = c(NA, -140L)) -- Fernando Antônio de Souza Zootecnista,Dsc. Nutrição e alimentação animal (UFMG) Lattes: http://lattes.cnpq.br/6519538815038307 e-mail:nandodesouza@gmail.com (82)9618-6457 (tim) (82)8113-8781 (vivo) (82)3313-8781 (net) (31)9784-5273 (vivo-MG)
Bem, o objetivo é verificar se existe interação TRAT:TEMPO. Você pode investigar isso tendo TEMPO como quantitativa ou qualitativa. Como qualitativa você não tem muita opção na forma de descrever o efeito, ela vira dummy, cada nível um parâmetro. Como quantitativa você tem que encontrar a melhor função para descrever o seu efeito. Em geral, aqui se faz uso frequente de polinômios. Eu particularmente prefiro expressar o efeito de uma variável quantitativa sobre um resposta por regressão e não havendo um bom ajuste aí expressar o efeito convertendo para qualitativa. Pelo que observei em gráficos com seus dados, parece não haver um sinal dos dados que seja compatível com alguma função, ou seja, não parece haver uma tendência linear nem quadrática ou alguma que seja simples. Usar um polinômio de grau alto pode pegar esse sinal mas aí quase que vale a pena usar TEMPO como qualitativa. Outra coisa questionável é se realmente existe dependência entre observações dentro de um mesmo animal. Em séries curtas como essa eu não teria tanta preocupação, embora ajustar um modelo com alguma estrutura de covariância seja recomendado para coisa não ficar no "eu acho". Eu penso que antes de pensar em estrutura de covariância no tempo você tem que acomodar o efeito (aleatório) de animal que esse sim, pelos gráficos, se mostram mais presentes. À disposição. Walmes.
Parabens Walmes, uma verdadeira aula, vou guadar ..... nada mais acrescentar.Sim, animal como aleatório.,Att,Moita Em Quarta-feira, 8 de Abril de 2015 19:33, walmes . <walmeszeviani@gmail.com> escreveu: Bem, o objetivo é verificar se existe interação TRAT:TEMPO. Você pode investigar isso tendo TEMPO como quantitativa ou qualitativa. Como qualitativa você não tem muita opção na forma de descrever o efeito, ela vira dummy, cada nível um parâmetro. Como quantitativa você tem que encontrar a melhor função para descrever o seu efeito. Em geral, aqui se faz uso frequente de polinômios. Eu particularmente prefiro expressar o efeito de uma variável quantitativa sobre um resposta por regressão e não havendo um bom ajuste aí expressar o efeito convertendo para qualitativa. Pelo que observei em gráficos com seus dados, parece não haver um sinal dos dados que seja compatível com alguma função, ou seja, não parece haver uma tendência linear nem quadrática ou alguma que seja simples. Usar um polinômio de grau alto pode pegar esse sinal mas aí quase que vale a pena usar TEMPO como qualitativa. Outra coisa questionável é se realmente existe dependência entre observações dentro de um mesmo animal. Em séries curtas como essa eu não teria tanta preocupação, embora ajustar um modelo com alguma estrutura de covariância seja recomendado para coisa não ficar no "eu acho". Eu penso que antes de pensar em estrutura de covariância no tempo você tem que acomodar o efeito (aleatório) de animal que esse sim, pelos gráficos, se mostram mais presentes. 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.
Em Quarta-feira, 8 de Abril de 2015 19:33, walmes . <walmeszeviani@gmail.com> escreveu: Bem, o objetivo é verificar se existe interação TRAT:TEMPO. Você pode investigar isso tendo TEMPO como quantitativa ou qualitativa. Como qualitativa você não tem muita opção na forma de descrever o efeito, ela vira dummy, cada nível um parâmetro. Como quantitativa você tem que encontrar a melhor função para descrever o seu efeito. Em geral, aqui se faz uso frequente de polinômios. Eu particularmente prefiro expressar o efeito de uma variável quantitativa sobre um resposta por regressão e não havendo um bom ajuste aí expressar o efeito convertendo para qualitativa. Pelo que observei em gráficos com seus dados, parece não haver um sinal dos dados que seja compatível com alguma função, ou seja, não parece haver uma tendência linear nem quadrática ou alguma que seja simples. Usar um polinômio de grau alto pode pegar esse sinal mas aí quase que vale a pena usar TEMPO como qualitativa. Outra coisa questionável é se realmente existe dependência entre observações dentro de um mesmo animal. Em séries curtas como essa eu não teria tanta preocupação, embora ajustar um modelo com alguma estrutura de covariância seja recomendado para coisa não ficar no "eu acho". Eu penso que antes de pensar em estrutura de covariância no tempo você tem que acomodar o efeito (aleatório) de animal que esse sim, pelos gráficos, se mostram mais presentes. 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.
Oi Walmes, Obrigado pela resposta. Estava precisando mesmo de uma opinião para ver se estava pensando mesmo. Fiquei em dúvida quanto se era melhor utilizar o tempo como variavel fatorial ou numerica. Sua opinião me ajudou muito. Quando enviei a dúvida estava no início da análise e ainda não tinha analisado qual seria o modelo aleatório. Realmente o modelo aleatório está agrupado por animal no intercepto e inclinação e a correlação não foi necessária conforme analises que fiz. Muito obrigado On 09-04-2015 19:44, Antonio Moita wrote:
Em Quarta-feira, 8 de Abril de 2015 19:33, walmes . <walmeszeviani@gmail.com> escreveu:
Bem, o objetivo é verificar se existe interação TRAT:TEMPO. Você pode investigar isso tendo TEMPO como quantitativa ou qualitativa. Como qualitativa você não tem muita opção na forma de descrever o efeito, ela vira dummy, cada nível um parâmetro. Como quantitativa você tem que encontrar a melhor função para descrever o seu efeito. Em geral, aqui se faz uso frequente de polinômios. Eu particularmente prefiro expressar o efeito de uma variável quantitativa sobre um resposta por regressão e não havendo um bom ajuste aí expressar o efeito convertendo para qualitativa. Pelo que observei em gráficos com seus dados, parece não haver um sinal dos dados que seja compatível com alguma função, ou seja, não parece haver uma tendência linear nem quadrática ou alguma que seja simples. Usar um polinômio de grau alto pode pegar esse sinal mas aí quase que vale a pena usar TEMPO como qualitativa. Outra coisa questionável é se realmente existe dependência entre observações dentro de um mesmo animal. Em séries curtas como essa eu não teria tanta preocupação, embora ajustar um modelo com alguma estrutura de covariância seja recomendado para coisa não ficar no "eu acho". Eu penso que antes de pensar em estrutura de covariância no tempo você tem que acomodar o efeito (aleatório) de animal que esse sim, pelos gráficos, se mostram mais presentes. 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.
_______________________________________________ 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.
-- Fernando Antônio de Souza Zootecnista,Dsc. Nutrição e alimentação animal (UFMG) Lattes: http://lattes.cnpq.br/6519538815038307 e-mail:nandodesouza@gmail.com (82)9618-6457 (tim) (82)8113-8781 (vivo) (82)3313-8781 (net) (31)9784-5273 (vivo-MG)
e' preciso criar o wzFortunes algue'm com habilidade de webscrapping poderia fazer isso com os arquivos da lista... On 10/04/15 00:44, Antonio Moita wrote:
Em Quarta-feira, 8 de Abril de 2015 19:33, walmes . <walmeszeviani@gmail.com> escreveu:
Bem, o objetivo é verificar se existe interação TRAT:TEMPO. Você pode investigar isso tendo TEMPO como quantitativa ou qualitativa. Como qualitativa você não tem muita opção na forma de descrever o efeito, ela vira dummy, cada nível um parâmetro. Como quantitativa você tem que encontrar a melhor função para descrever o seu efeito. Em geral, aqui se faz uso frequente de polinômios. Eu particularmente prefiro expressar o efeito de uma variável quantitativa sobre um resposta por regressão e não havendo um bom ajuste aí expressar o efeito convertendo para qualitativa. Pelo que observei em gráficos com seus dados, parece não haver um sinal dos dados que seja compatível com alguma função, ou seja, não parece haver uma tendência linear nem quadrática ou alguma que seja simples. Usar um polinômio de grau alto pode pegar esse sinal mas aí quase que vale a pena usar TEMPO como qualitativa. Outra coisa questionável é se realmente existe dependência entre observações dentro de um mesmo animal. Em séries curtas como essa eu não teria tanta preocupação, embora ajustar um modelo com alguma estrutura de covariância seja recomendado para coisa não ficar no "eu acho". Eu penso que antes de pensar em estrutura de covariância no tempo você tem que acomodar o efeito (aleatório) de animal que esse sim, pelos gráficos, se mostram mais presentes. 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.
_______________________________________________ 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.
-- In God we trust, all others bring data. – William Edwards Deming (1900-1993)
participantes (4)
-
Antonio Moita -
Elias T. Krainski -
Fernando Souza -
walmes .