Muito obrigado Walmes! Mais uma vez foi muito esclarecedor sua resposta. Penso que é mais sensato manter a analis com o default da função glht mesmo. grato.
Em 3 de dezembro de 2012 22:14, Walmes Zeviani <[email protected]>escreveu: > Isso que aconteceu com você acontece com frequência. Veja, sua interação > foi significativa à 4% > > Sum Sq Df F value Pr(>F) > (Intercept) 1254528000 1 301.3933 < 2e-16 *** > Gest 39011053 3 3.1241 0.04044 * > Manej 28043758 1 6.7374 0.01448 * > Gest:Manej 39571188 3 3.1689 *0.03859 ** > Residuals 124872833 30 > > Bem, agora você vai fazer comparações duas à duas. O seu número de > hipóteses avaliadas é grande pois você fará k(k-1)/2 contrastes, onde k é o > número de níveis. Quando eleva-se o número de hipóteses eleva-se também a > chance de erro tipo I. Se cada hipótese tem 95% de confiança (ou 5% de > significância), ao testar 10 hipóteses *independentes*, a chance de *pelo > menos uma* ser significativa por mero acaso é 1-0.95^10=0.40, ou seja, bem > distante do 5%. Ou seja, o nível de significância global fica longe do > nominal. Para contornar isso faça a engenharia inversa, quanto deve ser > nível individual para o global ser 5%? > > Diversos tipos de testes de comparação multipla existem justamente para > fazer essa engenharia inversa (Tukey, SNK, t protegido por Bonferroni, > etc). Cada um deles procura resolver o mesmo problema: a manutenção do > nível global de significância para comparações múltiplas. A glht() faz > correção nos p-valores dos testes t. Vários métodos estão disponíveis e o > padrão é o single-step. Mudar o método muda o apelo e consequentemente o > rigor, uns serão mais liberais (tenderão a dar mais diferenças) que outros. > Quando você pega p-valores do F perto do 5%, como no seu caso, se o número > de comparações for grande (6 no seu caso), existe chance de não haver > diferenças. Por exemplo, para ser significativo pelo critério de > Bonferroni, o nível individual de cada teste t teria que ser inferior à > 5%/6=0.833, ou seja, uma hipótese individual tem que ser significativa à 1% > para representar 5% no global. > > É natural você pagar esse preço, afinal, você tá testando várias > hipóteses. Sou dono de uma barraca de tiro ao alvo numa feira. O prêmio é > R$ 10 se acertar o alvo com 3 tentativas. Se você diz "quanto eu ganho se > eu acertar com 10 tentativas?", lógico que não vou te pagar R$ 10. Pagaria > bem menos, você terá muito mais chances. Tenho que manter a esperança > matemática no mesmo lugar. > > Você pode trocar a opção de correção de p-valor para que veja diferenças > mas não é recomendado fazer. Os testes de hipótese bem como as hipóteses > devem ser definidos antes do experimento/análise dos dados e não decididos > durante análise para favorecer certos resultados. Em caráter exploratório, > você pode fazer o teste à 10% para recomendar estratégias/selecionar níveis > para realizar um experimento futuro. > > X1 <- popMatrix(C, effect="Gest", at=list(Manej="1")) > X2 <- popMatrix(C, effect="Gest", at=list(Manej="2")) > cb <- combn(nrow(X), 2) > Xc1 <- X1[cb[1,],]-X1[cb[2,],] > Xc2 <- X2[cb[1,],]-X2[cb[2,],] > summary(glht(C, linfct=Xc1)) > summary(glht(C, linfct=Xc2)) > summary(glht(C, linfct=Xc1), test=adjusted(*type="none"*)) > summary(glht(C, linfct=Xc2), test=adjusted(*type="none"*)) > > > summary(glht(C, linfct=Xc1)) > Linear Hypotheses: > Estimate Std. Error t value Pr(>|t|) > 1 == 0 -180 1290 -0.139 0.9990 > 2 == 0 -1760 1290 -1.364 0.5307 > 3 == 0 -3710 1369 -2.711 0.0508 . > 4 == 0 -1580 1290 -1.224 0.6163 > 5 == 0 -3530 1369 -2.579 0.0680 . > 6 == 0 -1950 1369 -1.425 0.4940 > (Adjusted p values reported -- *single-step method*) > > > summary(glht(C, linfct=Xc1), test=adjusted(type="none")) > Linear Hypotheses: > Estimate Std. Error t value Pr(>|t|) > 1 == 0 -180 1290 -0.139 0.890 > 2 == 0 -1760 1290 -1.364 0.183 > 3 == 0 -3710 1369 -2.711 0.011 * > 4 == 0 -1580 1290 -1.224 0.230 > 5 == 0 -3530 1369 -2.579 0.015 * > 6 == 0 -1950 1369 -1.425 0.165 > (Adjusted p values reported -- *none method*) > > 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 > VoIP: (3361 3600) 1053 1173 > e-mail: [email protected] > skype: walmeszeviani > twitter: @walmeszeviani > homepage: http://www.leg.ufpr.br/~walmes > linux user number: 531218 > ========================================================================== > > _______________________________________________ > 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.
