Muito obrigado Walmes.
On Monday, December 2, 2019, 12:40:19 PM GMT-2, Walmes Zeviani
<[email protected]> wrote:
Respostas dentro da mensagem.
À disposição.Walmes.
On Thu, Nov 28, 2019 at 2:49 PM Luiz Leal <[email protected]> wrote:
Prezado Walmes, muito obrigado.
Pelo que entendi não é possível "sigma^2_b" e "sigma^2_e" utilizando a função
gls().
Não. Tem-se que usar um modelo de efeitos aleatórios.
A função VarCorr(modelo2) fornece "sigma^2_b" e "sigma^2_e", correto?
Sim. Mas a interpretação é mais específica. "sigma^2_e" é a variância do erro
ao redor do ponto médio da curva em um ponto específico do suporte da
covariável que eu imagino ser o 0. A variância em outros pontos da curva será
outra, obviamente, porque você declarou um modelo heterocedástico.
# Média ajustada.
m <- unique(fitted(modelo2))
# Modelo ajustado.
plot(y ~ as.integer(x))
lines(m ~ seq_along(m))
# Variância estimada é função da média.
# s2(v) = exp(2* t * v)
var_estim <- 6041.676 * exp(2 * 0.0009743905 * m)
var_amost <- tapply(y, x, var)
cbind(var_amost, var_estim)
# Resíduos crus e padronizados.
plot(residuals(modelo2) ~ fitted(modelo2))
plot(residuals(modelo2, type = "pearson") ~ fitted(modelo2))
# Calculando o resíduo padronizado.
r_my <- residuals(modelo2)/
sqrt(6041.676 * exp(2 * 0.0009743905 * fitted(modelo2)))
# Comparação.
cbind(r_my, residuals(modelo2, type = "pearson"))
Variance StdDev
(Intercept) 667641.149 817.09311
Residual 6041.696 77.72834
Tenho uma dúvida: a variância do intercepto é "sigma^2_b"?
Sim.
Muito obrigado. Sua contribuição está sendo muito válida no meu trabalho.Luiz
_______________________________________________
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.
