[R-br] Heterocedasticidade e teste de média

[Luiz Leal]

Prezados Walmes e WagnerCostumo trabalhar com conjuntos de dados em que todos os pressupostos são violados (os dados e os resíduos desviam muito da normalidade além de heterocedasticidade que conforme o Walmes mencionou a solução transformação Box-Cox não resolve). Além disso não posso excluir ou agrupar os tratamentos porque os mesmos representam resultados (medições) de laboratórios. Preciso compará-los com um tratamento (laboratório) considerado de "referência".O modelo gls() é capaz de abarcar esses problemas? Desde já agradeçoLuiz 

    On Monday, November 7, 2016 10:34 PM, Mauro Sznelwar via R-br <r-br em listas.c3sl.ufpr.br> wrote:
 

 Ele não reconhece estes comandos 'mcglm','gof', tem alguma bibliotéca para isto? Caros, 
Alguém postou esse conjunto de dados com problema de pressupostos, principalmente heterocedasticidade. Agora a pouco veio outro e-mail com um problema similar. Fiz um exemplo um pouco mais detalhado de como isso podeser facilmente resolvido e mostrando o efeito disso no modelo.

# Example 2 ------------------------------------------------------------
Fenois = c(337.311, 344.874, 342.353, 325.546, 333.950, 330.588, 328.067, 
           328.067, 318.824, 331.429, 333.950, 334.790, 336.471, 338.151, 
           342.353, 259.160, 252.437, 268.403, 265.882, 266.723, 287.731, 
           88.571, 88.571,  90.252,  41.513,  52.437,  49.076,  88.571,  
           88.571,  90.252,  64.202,  60.000,  61.681)
Cor = factor(c(rep("ambar",6), rep("ambar_claro",3), rep("ambar",6), 
               rep("ambar_claro",6),rep("branco",6), 
               rep("extra_ambar_claro",3),rep("branco",3)))

# Exploratory analysis
boxplot(Fenois ~ Cor)
tapply(Fenois, Cor, sd)
dados <- data.frame(Fenois, Cor)
dados$id <- 1

# Fitting 
fit1 <- mcglm(c(Fenois ~ Cor), list(mc_id(dados)), data = dados)
fit2 <- mcglm(c(Fenois ~ Cor), list(mc_dglm(~ Cor, id = "id", data = dados)),
              covariance = "expm", data = dados)
# Goodness-of-fit 
gof(fit1)
gof(fit2)

# Comparing estimates and standard errors
coef(fit1, type = "beta", std.error = TRUE)
coef(fit2, type = "beta", std.error = TRUE)

O interessante é que a estimativa pontual é exatamente a mesma, porém
olha a enorme diferença nos erros padrões dos betas.

-- 
Wagner Hugo Bonat
----------------------------------------------------------------------------------------------
Department of Mathematics and Computer Science (IMADA)
University of Southern Denmark (SDU) and
Laboratório de Estatística e Geoinformação (LEG)
Universidade Federal do Paraná (UFPR)

_______________________________________________


_______________________________________________
R-br mailing list
R-br em 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� c�igo m�imo reproduz�el.

   
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20161108/d8e8a046/attachment-0001.html>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: dados.csv
Tipo: application/vnd.ms-excel
Tamanho: 409 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20161108/d8e8a046/attachment-0001.xlb>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: script.R
Tipo: application/octet-stream
Tamanho: 272 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20161108/d8e8a046/attachment-0001.obj>