Alisson, Se você espera que a dependência da variável resposta para sua variável quantitativa independente seja linear¹ (ou seja proporcional aos valores intermediários nos intervalos dos valores que você tem nos seus pontos coletados) então o melhor seria tratá-la como variável intervalar e tecnicamente você passou a fazer uma ANCOVA.
Algumas vantagens do ponto de vista "matemático" nessa abordagem são a redução de "perda" de graus de liberdade nos resíduos e maior potência do teste (no fundo você está testando se as funções afim são iguais (hipótese nula) ou diferentes (hipótese alternativa). Quando esse relacionamento funcional não é possível de fazer, aí um compromisso pode ser feito (tratando os diversos valores quantitativos em fatores) mas lembre-se da questão dos graus de liberdade e que a informação de "distância" do intervalo entre os fatores será perdida, ele considerará o nível do fator para fert=50 apenas diferente de fert=150 e não que eles distam 100 unidades na escala que mede fertilidade. HTH -- Cesar Rabak [1] ou possam ser linearizados por alguma transformação em função do conhecimento do problema, p. ex., como me parece ser o caso na função que você tem fert + fert² On Mon, Jul 15, 2013 at 5:52 PM, Alisson Lucrecio <[email protected]>wrote: > Caro Colegas r-br, > > Boa tarde. > > Nesse exemplo abaixo é certo transformar um dado quantitativo em fator > para depois fazer a analise de variância? Obrigado > > Alisson Lucrécio da Costa > > adi <- expand.grid(cult=gl(1,5,la=LETTERS[1]), fert=101) > fat <- expand.grid(cult=gl(5,5,la=LETTERS[2:6]), fert=seq(50,150,25)) > da <- rbind(adi, fat) > > theta <- c(c(-194.29, -197.26, -197.85, -203.03, -190.20, -190.45), > c(9.1797, 8.2686, 8.6437, 9.3438, 8.8773, 8.1872), > c(-0.03382, -0.03479, -0.03632, -0.03341, -0.03597, -0.03675)) > > X <- model.matrix(~-1+cult/(fert+I(fert^2)), data=da) > da$eta <- X%*%matrix(theta) > da$y <- da$eta+rnorm(nrow(da),0,30) > > require(lattice) > xyplot(y~fert|cult, data=da, type=c("p","a")) > > da$Fert <- factor(da$fert) #?????? > levels(da$Fert) > levels(da$cult) > > m0 <- aov(y~cult*Fert, data=da) > anova(m0) > > _______________________________________________ > R-br mailing list > [email protected] > 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 [email protected] 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.
