[R-br] Heterocedasticidade e teste de média
Wagner Bonat
wbonat em gmail.com
Terça Novembro 15 05:24:49 BRST 2016
Tente instalar o digest
install.packages("digest")
Me parece ser algo no seu sistema.
Você pode fazer clonar o diretório pela pagina do github
https://github.com/wbonat/mcglm
Best
Em 15 de novembro de 2016 01:26, Mauro Sznelwar via R-br <
r-br em listas.c3sl.ufpr.br> escreveu:
> Não estou conseguindo instalar!
>
> > install_github("wbonat/mcglm", ref = "devel")
> Downloading GitHub repo wbonat/mcglm em devel
> from URL https://api.github.com/repos/wbonat/mcglm/zipball/devel
> Installing mcglm
> Erro em `_digest`(c(list(repos, type), lapply(`_additional`, function(x)
> eval(x[[2L]], :
> objeto 'digest_impl' não encontrado
>
>
>
> On Sunday, November 13, 2016 3:40 PM, Wagner Bonat <wbonat em gmail.com>
> wrote:
>
>
> Prezados membros da lista,
>
> Alguns dias postei um código não reproduzível sobre modelos para
> heterocedásticidade.
> Peço desculpas e abaixo vai o código que imagino ser possível reproduzir.
> Os dois principais problemas eram a instalação do pacote mcglm e o
> conjunto de dados.
> O pacote pode ser instalado facilmente pelo github repository neste
> endereço
>
> https://github.com/wbonat/mcglm
> install_github("wbonat/mcglm", ref = "devel") # Saliento para instalar a
> versão devel !!
>
> O conjunto de dados está anexado neste e-mail.
> Além disso, o Luiz Leal estava com problemas pra ter acesso e pediu o
> .tar.gz que também vai em anexo.
> Aproveito para salientar que o mcglm está em desenvolvimento, assim
> quaisquer dúvidas, criticas e/ou
> sugestões serão muito bem vindas.
>
> All the best!
>
> # Heteroscedastic regression model -------------------------------------
> # Author: Wagner Hugo Bonat LEG/UFPR -----------------------------------
> # Date: 13/11/2016 -----------------------------------------------------
>
> # Loading extra packages
> install.packages("devtools")
> require(devtools)
>
> # Install mcglm package from github repository -------------------------
> install_github("wbonat/mcglm", ref = "devel")
> require(mcglm)
>
>
> # Loading data set
> 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)))
> dados <- data.frame("Fenois" = Fenois, "Cor" = Cor)
> boxplot(dados$Fenois ~ dados$Cor)
> tapply(dados$Fenois, dados$Cor, sd)
>
> # Linear regression model- ---------------------------------------------
> fit1 <- lm(Fenois ~ Cor, data = dados)
> anova(fit1)
> plot(residuals(fit1) ~ fitted(fit1))
> plot(residuals(fit1) ~ Cor)
>
> # Double Linear regression model ---------------------------------------
> dados$id <- 1
> fit2 <- mcglm(c(Fenois ~ Cor), list(mc_dglm(~ Cor, id = "id", data =
> dados)),
> covariance = "expm", data = dados)
> summary(fit2)
>
> summary(fit1)
> summary(fit2)
>
> cbind(coef(fit1), coef(fit2, type = "beta")$Estimates)
> cbind(sqrt(diag(vcov(fit1))), coef(fit2, type = "beta", std.error =
> TRUE)$Std.error)
>
> # Example 2 ------------------------------------------------------------
> dados2 <- read.table("HETE.csv", header = TRUE, sep = ";", dec = ",")
> with(dados2, boxplot(y ~ x))
>
> # Note that, the A33 has no variance, so we need to remove this level.
> dados2 <- dados2[which(dados2$x != "A33"),]
> dados2$x <- droplevels(dados2$x)
> tapply(dados2$y, dados2$x, sd)
>
> # Linear regression model ----------------------------------------------
> fit_lm <- lm(y ~ x, data = dados2)
> summary(fit_lm)
> plot(residuals(fit_lm) ~ fitted(fit_lm))
> plot(residuals(fit_lm) ~ dados2$x)
>
> # Double linear regression model ---------------------------------------
> dados2$id <- 1
> fit_dlm <- mcglm(c(y ~ x), list(mc_dglm(~ x, id = "id", data = dados2)),
> covariance = "expm", data = dados2)
> summary(fit_dlm)
>
> # Comparing estimates and standard errors ------------------------------
> cbind(coef(fit_lm), coef(fit_dlm, type = "beta")$Estimates)
> cbind(sqrt(diag(vcov(fit_lm))), coef(fit_dlm, type = "beta", std.error =
> TRUE)$Std.error)
>
>
>
> Em 11 de novembro de 2016 17:01, Luiz Leal <richfield1974 em yahoo.com
> <http://../../../undefined//compose?to=richfield1974@yahoo.com>> escreveu:
>
> Prezado Wagner, uso o R no trabalho e devido a restrições técnicas só
> consigo instalar pacotes a partir do zip. Poderia me mandar o zip deste
> pacote?
> Att
> Luiz
>
>
> On Friday, November 4, 2016 5:05 PM, Wagner Bonat <wbonat em gmail.com
> <http://../../../undefined//compose?to=wbonat@gmail.com>> wrote:
>
>
> Sim, vc pode usar qualquer dos testes padrões.
> A única diferença é que vc deve usar os beta e erros padrões que vem deste
> modelo.
> Não sei se vc pode incluir sua própria matriz de covariancia nas funções
> do R.
> Talvez, sim. Se não tem que implementar.
> O Walmes é muito bom nestes testes de comparações múltiplas talvez ele
> possa ajudar.
>
> O que houve q não conseguiu instalar o pacote?
> Tentou pelo github ou do CRAN?
>
> https://cran.r-project.org/ web/packages/mcglm/index.html
> <https://cran.r-project.org/web/packages/mcglm/index.html>
> https://github.com/wbonat/ mcglm <https://github.com/wbonat/mcglm>
>
>
>
>
> Em 4 de novembro de 2016 19:46, Luiz Leal <richfield1974 em yahoo.com
> <http://../../../undefined//compose?to=richfield1974@yahoo.com>> escreveu:
>
> Wagner, meu interesse é, uma vez identificado que existe diferença entre
> os tratamentos (considerando que um deles é o controle) utilizar o teste de
> Dunnett para verificar quais tratamentos diferem do tratamento controle.
> Como o pressuposto de homogeneidade das variâncias é violado busquei
> alternativas para "homogeneizar" as variâncias. Posso aplicar esse teste a
> partir do modelo acima descrito?
> Desde já agradeço
> Luiz
> PS. Não consegui instalar o pacote
>
>
> On Friday, November 4, 2016 4:13 PM, Wagner Bonat via R-br <
> r-br em listas.c3sl.ufpr.br
> <http://../../../undefined//compose?to=r-br@listas.c3sl.ufpr.br>> wrote:
>
>
> 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 pode
> ser 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
> <http://../../../undefined//compose?to=R-br@listas.c3sl.ufpr.br>
> https://listas.inf.ufpr.br/ cgi-bin/mailman/listinfo/r-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
> <http://www.leg.ufpr.br/r-br-guia>) e forne� c�igo m�imo reproduz�el.
>
>
>
>
> --
> 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)
>
>
>
>
>
>
> --
> 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�a
> c�digo m�nimo reproduz�vel.
>
> _______________________________________________
> 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 forneça
> código mínimo reproduzível.
>
--
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)
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20161115/8baa6576/attachment.html>
Mais detalhes sobre a lista de discussão R-br