Walmes,
Atendi a sua sugestão e resolvi ajustar os modelos, no entanto,
fiz as comparações múltiplas para saber a diferença entre os tratamentos
e tudo bem, todos foram significativamente diferentes, porém na hora de
fazer as curvas para cada tratamento no tempo não consigo obter os
coeficientes do modelo para cada um dos tratamentos ou seja quando faço
o summary() do modelo completo tenho apenas um coeficiente para trat e
outro para tempo. Gostrai o que posso fazer para obter os coeficientes
para cada tratamento? Segue CRM:
## Desdobramento de dados com distribuição de Poisson inflacionado por
zeros ---
require(pscl)
require(multicomp)
y1<- c(mapply(rpois, lambda=c(4,45,93), MoreArgs=list(n=400)))##Criação
da variável resposta Poisson
y2<- c(mapply(rbinom, size=c(1,0,0), prob=c(0.5,1,1),
MoreArgs=list(n=200)))##Criação da variável resposta Binomial
y<-c(y1,y2)
trat <- as.factor(gl(3,600)) ##Criação dos tratamentos
tempo<- as.factor(rep(gl(6,100),3)) ### Criação da variável tempo
dados<-as.data.frame(cbind(trat,tempo, y))
#-------------------------------------------------------------------------------
# Análise de variância do dados inflacionados
summary(m1 <- zeroinfl(y ~ trat*tempo | trat*tempo, data = dados)) ##
Modelo completo
mnull <- update(m1, . ~ 1) ### Modelo nulo
pchisq(2 * (logLik(m1) - logLik(mnull)), df = 2, lower.tail = FALSE) ##
Teste de Chi o modelo completo foi significativo
## Comparando com GLM Poisson sem inflação por zeros
---------------------------
summary(p1 <- glm(y ~ trat + tempo, family = poisson, data = dados))
##Teste de
Vuong----------------------------------------------------------------
vuong(p1, m1) ## O GLM Poisson estava tão mal ajustado que o Poisson
iflacionado é a única opção
#
### Interação entre os tratamamentos no
tempo-----------------------------------
zi_m1<-zeroinfl(y ~ trat*tempo | trat*tempo, data = dados, link = "logit")
summary(zinb_edanx2) ## Modelos completo
## Calculando os contrastes para o modelo
inflacionado--------------------------
nr <- length(levels(trat))
contr <- matrix(0, nrow = nr, ncol = length(coef(zi_m1)))
colnames(contr) <- names(coef(zi_m1))
rownames(contr) <- paste(levels(trat)[c(2, 3, 3)],
levels(trat)[c(1, 1, 2)], sep = " - ")
contr[,3:4] <- contrMat(numeric(nrow(contr)), type = "Tukey")[,-2]
glht_zi <- glht(zi_m1, linfct = contr)
## Comparações
multiplas-------------------------------------------------------------------
summary(glht_zi)
## Realizando um ajuste para cada tratamento - Primeiro para Poisson
sort(tapply(y,trat,mean))
levels(trat)
zi_final<-zeroinfl(y ~ trat+tempo | trat+tempo, data = dados, link =
"logit")
summary(zi_final)
## Aqui não consigo descobrir os coeficientes para cada tratamento para
fazer as curvas!!!!!
Obrigado,
Alexandre
Em 26/09/2013 16:28, walmes . escreveu:
Desdobrar as deviances tal como fazemos o desdobramento de somas de
quadrados em modelos lineares gaussianos seria interessante mas eu
acredito que os gráficos com os modelos ajutados (com bandas) já são
suficientes para discutir os resultados. Isso é bem mais fácil de
obter. Quando o leitor for ver os resultados ele vai gastar 5 segundos
na tabela de desdobramento e 2 minutos vendo o seu gráfico.
À disposição.
Walmes.
==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
fone: (+55) 41 3361 3573
skype: walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes
<http://www.leg.ufpr.br/%7Ewalmes>
linux user number: 531218
==========================================================================
2013/9/23 ASANTOS <[email protected]
<mailto:[email protected]>>
Walmes,
Na verdade eu gostaria de saber quais tratamentos tiveram
mesmo desempenho no tempo e representá-las através de curvas, mas
não sei como lidar com a decomposição das somas de quadrados
quando tenho duas distribuições (Poisson e Binomial), pois espero
dois resultados: 1) Poisson: a quantidade de insetos representada
para cada um dos tratamentos no tempo e; 2)Binomial: a ocorrência
ou não dos insetos em cada um dos tratamentos no tempo. Teria
alguma abordagem para sugerir?
Obrigado,
Alexandre
CRM:
## Desdobramento de dados com distribuição de Poisson inflacionado
por zeros ---
require(pscl)
y1<- c(mapply(rpois, lambda=c(5,20,45),
MoreArgs=list(n=400)))##Criação da variável resposta Poisson
y2<- c(mapply(rbinom, size=c(1,0,0), prob=c(0.5,1,1),
MoreArgs=list(n=200)))##Criação da variável resposta Binomial
y<-c(y1,y2)
trat <- as.factor(gl(3,600)) ##Criação dos tratamentos
tempo<- as.factor(rep(gl(6,100),3)) ### Criação da variável tempo
dados<-as.data.frame(cbind(trat,tempo, y))
#-------------------------------------------------------------------------------
# Análise de variância do dados inflacionados
summary(m1 <- zeroinfl(y ~ trat | tempo, data = dados)) ## Modelo
completo
mnull <- update(m1, . ~ 1) ### Modelo nulo
pchisq(2 * (logLik(m1) - logLik(mnull)), df = 2, lower.tail =
FALSE) ## Teste de Chi o modelo completo foi significativo
## Comparando com GLM Poisson sem inflação por zeros
---------------------------
summary(p1 <- glm(y ~ trat + tempo, family = poisson, data = dados))
##Teste de
Vuong----------------------------------------------------------------
vuong(p1, m1) ## O GLM Poisson estava tão mal ajustado que o
Poisson iflacionado é a única opção
#
## E agora, como desdobrar isto? Faço um desdobramento para parte
de poisson e outra para parte binomial?
Em 23/09/2013 09:26, walmes . escreveu:
Antes de desdobrar a interação é preciso saber qual o objetivo da
análise. É possível desdobrar de várias formas, fazendo
contrastes específicos, comparações múltiplas. Eu gosto da
abordagem de gráficos com os valores preditos (médias) e
intervalos de confiança (ou bandas). Todavia existem pessoas da
escola antiga que querer ver tabelas com letras ao lado de médias
um em CV baixo, infelizmente.
À disposição.
Walmes.
==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S,
49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
fone: (+55) 41 3361 3573 <tel:%28%2B55%29%2041%203361%203573>
VoIP: (3361 3600) 1053 1173
e-mail: [email protected] <mailto:[email protected]>
skype: walmeszeviani
twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes
<http://www.leg.ufpr.br/%7Ewalmes>
linux user number: 531218
==========================================================================
_______________________________________________
R-br mailing list
[email protected] <mailto:[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.
--
======================================================================
Alexandre dos Santos
Proteção Florestal
IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
Campus Cáceres
Caixa Postal 244
Avenida dos Ramires, s/n
Bairro: Distrito Industrial
Cáceres - MT CEP: 78.200-000
Fone:(+55) 65 8132-8112 <tel:%28%2B55%29%2065%208132-8112> (TIM)(+55) 65
9686-6970 <tel:%28%2B55%29%2065%209686-6970> (VIVO)
e-mails:[email protected] <mailto:e-mails:[email protected]>
[email protected] <mailto:[email protected]>
Lattes:http://lattes.cnpq.br/1360403201088680
======================================================================
_______________________________________________
R-br mailing list
[email protected] <mailto:[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.
--
======================================================================
Alexandre dos Santos
Proteção Florestal
IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
Campus Cáceres
Caixa Postal 244
Avenida dos Ramires, s/n
Bairro: Distrito Industrial
Cáceres - MT CEP: 78.200-000
Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO)
e-mails:[email protected]
[email protected]
Lattes: http://lattes.cnpq.br/1360403201088680
======================================================================
_______________________________________________
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.
