Re: [R-br] two-way anova - violação das pressuposições
Embora chegando atrasado a esta discussão, gostaria de contribuir com
algumas informações.
Primeiramente, uma questão de conceito: há uma certa confusão na
literatura, especialmente quando ela é ligada a algum manual de SW recente
a respeito da "premissa de normalidade" numa ANOVA.
Não é distribuição dos *dados* que precisa ser Gaussiana, mas sim a
distribuição dos resíduos após a ANOVA (que na verdade é um elegante teste
numa regressão linear onde a hipótese é que certos "fatores" mudam a média
da regressão.
Esse *equívoco* ele é perpetrado e perpetuado por "helps' e manuais de SW
que seus fabricantes para ganhar na guerra das *features* findam por
transformá-los em "boas práticas" ou exame obrigatório (quando os indicam
para os *dados*).
Um "contra exemplo" poderia ser ilustrativo. Um experimentador resolve
testar uma resposta a um certo estímulo com três tratamentos, e por
conveniência, custo ou mesmo necessidade, a variável independente precisa
ser uma medida cuja distribuição é o conjunto de {1,2,3,...,10} unidades de
medida, e a resposta o conjunto de dez respostas, para três fatores A, B, C.
Ora, como a ANOVA não passa de um uma regressão linear já com resultados
formatados para responder a questão a respeito dos tratamentos, *por
premissa*, os vetores de respostas serão números proporcionais ao vetor da
VI e tampouco nenhum dos três teria distribuição gaussiana (a soma pode até
se aproximar, embora para trinta casos ainda esteja na "beirada", [CLT,
G-K, etc.]).
Mas como a matemática é exata e os instrumentos de medida não, nosso
antepassado notou que tanto as medidas da VI como a resposta "flutuam" em
volta de um valor real, que se for somado subtraído (se fosse
conhecido ) geraria uns desvios cuja probalidade de serem grandes
diminui quanto maior o são e a relação funcional dessa probabilidade tem o
formato do sino (a curva que hoje o homenageamos dando-lhe o nome de Curva
de Gauss).
Portanto no nosso costume de análise a gente "faz de conta" que as medidas
da VI estão "certas" e que o desvio é uma distribuição de Gauss com média
zero e desvio padrão que é consequência do desvio padrão da medida vezes o
coeficiente angular da relação funcional (premissa de ser linear na ANOVA)
somado ao desvio padrão das medidas das respostas.
ESSA distribuição de valores os *resíduos* que precisam ser normais
(gaussianos).
Para isto não virar um tratado, estou eludindo discussões sobre a
distribuição mais conveniente dos dados das variáveis e outros aspectos que
entram em 'desenho' (projeto pois é trad. da palavra inglesa *design*) de
experimentos, etc.
Além disso, para não colocar ene referências bibliográficas, coloco aqui o
saber de mestres como Thomas Lumley (consultor da OMS) e seus coautores THE
IMPORTANCE OF THE NORMALITY ASSUMPTION IN LARGE PUBLIC HEALTH DATA SETS
.
Para os que não tenham tempo de ver o documento, submeto a vocês um resumo
dos pontos importantes:
1. É bastante disseminada a crença que o teste *t* e a regressão linear
são válidos apenas para resultados (desfechos) de distribuição normal.
2. Essa ideia está errada.
3. Esses testes (e acrescento eu por tabela ANOVA) são adequados para
determinar se as diferenças têm significação estatística.
4. O xis da questão não está nas distribuições, mas sim a detecção e
estimação das diferenças nas médias dos desfechos responde à questão
científica subjacente.
HTH
--
Cesar Rabak
On Thu, Mar 28, 2019 at 12:18 PM Marcelo Laia por (R-br) <
r-br@listas.c3sl.ufpr.br> wrote:
> Na minha busca por informação (para o meu conhecimento, mesmo) a respeito
> do
> tema, recebi a inestimável ajuda de vocês e também encontrei algumas
> coisas na
> internet.
>
> Daquilo que encontrei na net, eis um artigo que achei interessante:
>
>
> https://www.r-bloggers.com/normality-tests-don%E2%80%99t-do-what-you-think-they-do/
>
> ou
>
> https://wp.me/pMm6L-fpD
>
> Abraços a todos.
>
> Laia ML
>
>
>
> > > Colegas,
> > >
> > > Estamos com um conjunto de dados que viola pressuposições da ANOVA,
> > > principalmente a normalidade. Eu já li, por diversas vezes, que essa
> > > violação
> > > pode não ser tão danosa assim, devido a robustez do teste.
> > >
> > > Por favor, tire um tempo para ver os resultados e depois peço uma
> ajuda.
> > >
> > > Genotipo e Isolado são fatores
> > > Area está em centímetros quadrados
> > >
> > > > leveneTest(Area ~ Genotipo*Isolado, data = cerato.desc)
> > > Levene's Test for Homogeneity of Variance (center = median)
> > >Df F valuePr(>F)
> > > group 41 3.4755 4.718e-08 ***
> > > 126
> > > ---
> > > Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> > > >
> > >
> > > cat("Normality p-values by Factor Genotipo: ")
> > > for (i in unique(factor(cerato.desc$Genotipo))){
> > > cat(shapiro.test(cerato.desc[cerato.desc$Genotipo==i,
> ]$Area)$p.value,"
> > > ")
> > > }
> > > 7.074459e-10
Re: [R-br] two-way anova - violação das pressuposições
Na minha busca por informação (para o meu conhecimento, mesmo) a respeito do
tema, recebi a inestimável ajuda de vocês e também encontrei algumas coisas na
internet.
Daquilo que encontrei na net, eis um artigo que achei interessante:
https://www.r-bloggers.com/normality-tests-don%E2%80%99t-do-what-you-think-they-do/
ou
https://wp.me/pMm6L-fpD
Abraços a todos.
Laia ML
> > Colegas,
> >
> > Estamos com um conjunto de dados que viola pressuposições da ANOVA,
> > principalmente a normalidade. Eu já li, por diversas vezes, que essa
> > violação
> > pode não ser tão danosa assim, devido a robustez do teste.
> >
> > Por favor, tire um tempo para ver os resultados e depois peço uma ajuda.
> >
> > Genotipo e Isolado são fatores
> > Area está em centímetros quadrados
> >
> > > leveneTest(Area ~ Genotipo*Isolado, data = cerato.desc)
> > Levene's Test for Homogeneity of Variance (center = median)
> >Df F valuePr(>F)
> > group 41 3.4755 4.718e-08 ***
> > 126
> > ---
> > Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> > >
> >
> > cat("Normality p-values by Factor Genotipo: ")
> > for (i in unique(factor(cerato.desc$Genotipo))){
> > cat(shapiro.test(cerato.desc[cerato.desc$Genotipo==i, ]$Area)$p.value,"
> > ")
> > }
> > 7.074459e-10 3.200422e-06
> >
> > #Shapiro-Wilk normality tests by Isolado
> > for (i in unique(factor(cerato.desc$Isolado))){
> > cat(shapiro.test(cerato.desc[cerato.desc$Isolado==i, ]$Area)$p.value," ")
> > }
> > 0.09534117 0.4006495 0.6065291 0.2093362 0.6138097 0.5604402
> > 0.1302976 0.3135567 0.905537 0.7294285 0.0966383 0.1512716 0.8469947
> > 0.1226855 0.2713435 0.9695489 0.2747097 0.5476302 0.0008750702
> > 0.03693436 0.4197769
> >
> > > bartlett.test(Area~Genotipo,data = cerato.desc )
> >
> > Bartlett test of homogeneity of variances
> >
> > data: Area by Genotipo
> > Bartlett's K-squared = 19.769, df = 1, p-value = 8.738e-06
> >
> > > bartlett.test(Area~Isolado,data = cerato.desc )
> >
> > Bartlett test of homogeneity of variances
> >
> > data: Area by Isolado
> > Bartlett's K-squared = 171.26, df = 20, p-value < 2.2e-16
> >
> > A pergunta é: mesmo com esses resultados eu poderia afirmar que o teste,
> > neste
> > caso, será robusto o suficiente para essas violações?
> >
> > Obrigado!
> >
> > --
> > Marcelo
--
Marcelo
___
R-br mailing list
R-br@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 fornea cdigo mnimo
reproduzvel.
Re: [R-br] two-way anova - violação das pressuposições
Eu transformaria. Usaria a transformação Box Cox que resolve a maioria dos casos em que tive trabalhando. Em sex, 22 de mar de 2019 às 22:37, Diego Vieira escreveu: > Observe que o gráfico de homocedasticidade possui uma tendência nítida de > cone, característico de heterocedasticidade (os livros de estatística > mostram essa tendência). O de normalidade me parece não apresentar > normalidade, apenas os resíduos do meio estão concentrados, as pontas estão > bastante descoladas. Eu optaria pela estatística não paramétrica ou glm. > Abraço. > > Em sex, 22 de mar de 2019 às 18:44, Marcelo Laia por (R-br) < > r-br@listas.c3sl.ufpr.br> escreveu: > >> On 02/03/19 at 01:57, Gilson Geraldo Soares de Oliveira Júnior wrote: >> >> > Após o plot clique em algum botao, dentro da interface do R, para >> surgirem >> > 4 gráficos. Os dois primeiros são homocedasticidade e normalidade. Faça >> a >> > análise gráfica e verifique a dispersao dos pontos entorno da "reta" de >> > normalidade. >> > >> >> Gilson, >> >> Eu fiz essa verificação (gráficos em anexo). >> >> Há três observações que estão "fora". >> >> Eu utilizei o pacote bestNormalize e ele informa que a melhora >> transformação >> seria Log_b(x+a)[1]. Mas, eu não queria transformar os dados só por esses >> três >> outliers. >> >> 1. https://rdrr.io/cran/bestNormalize/man/log_x.html >> >> Uma vez que se trata de uma tese, preciso de argumentos para justificar a >> não >> transformação. >> >> Por outro lado, se, de fato, os dados necessitarem de transformação, >> terei que >> fazer. E neste caso, o output do bestNormalize informa que o melhor é >> lob_b(x+a) e o segundo melhor é Yeo-Johnson[2]. >> >> 2. https://rdrr.io/cran/bestNormalize/man/yeojohnson.html >> >> Qualquer sugestão será muito bem vinda! >> >> Obrigado! >> >> -- >> Marcelo >> ___ >> R-br mailing list >> R-br@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. > > -- > Diego dos Santos Vieira Engenheiro Florestal > -- Diego dos Santos Vieira Engenheiro Florestal ___ R-br mailing list R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
Observe que o gráfico de homocedasticidade possui uma tendência nítida de cone, característico de heterocedasticidade (os livros de estatística mostram essa tendência). O de normalidade me parece não apresentar normalidade, apenas os resíduos do meio estão concentrados, as pontas estão bastante descoladas. Eu optaria pela estatística não paramétrica ou glm. Abraço. Em sex, 22 de mar de 2019 às 18:44, Marcelo Laia por (R-br) < r-br@listas.c3sl.ufpr.br> escreveu: > On 02/03/19 at 01:57, Gilson Geraldo Soares de Oliveira Júnior wrote: > > > Após o plot clique em algum botao, dentro da interface do R, para > surgirem > > 4 gráficos. Os dois primeiros são homocedasticidade e normalidade. Faça a > > análise gráfica e verifique a dispersao dos pontos entorno da "reta" de > > normalidade. > > > > Gilson, > > Eu fiz essa verificação (gráficos em anexo). > > Há três observações que estão "fora". > > Eu utilizei o pacote bestNormalize e ele informa que a melhora > transformação > seria Log_b(x+a)[1]. Mas, eu não queria transformar os dados só por esses > três > outliers. > > 1. https://rdrr.io/cran/bestNormalize/man/log_x.html > > Uma vez que se trata de uma tese, preciso de argumentos para justificar a > não > transformação. > > Por outro lado, se, de fato, os dados necessitarem de transformação, terei > que > fazer. E neste caso, o output do bestNormalize informa que o melhor é > lob_b(x+a) e o segundo melhor é Yeo-Johnson[2]. > > 2. https://rdrr.io/cran/bestNormalize/man/yeojohnson.html > > Qualquer sugestão será muito bem vinda! > > Obrigado! > > -- > Marcelo > ___ > R-br mailing list > R-br@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. -- Diego dos Santos Vieira Engenheiro Florestal ___ R-br mailing list R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
Concordo com as opções apresentadas. Alem disso, é natural que sem interação a homocedasticidade possa apresentar resultados diferentes daquelas expostas quando rodou os dados com a interação. A estatística não parametrica, nestes casos, é a melhor opção, dado os problemas de homocedasticidade. Como dito pelo Diego, a normalidade é o mais "tranquilo" dentro os pressupostos. Em sáb, 2 de mar de 2019 18:29, Diego Vieira por (R-br) < r-br@listas.c3sl.ufpr.br escreveu: > Concordo com o Fernando Sousa, é a melhor opção. Normalidade pode até > deixar de ser atendida, desde que não seja exagerada, mas homocedasticidade > não. Alguns autores usam a gls para “fugir” desse problema. > > Em sáb, 2 de mar de 2019 às 18:19, Fernando Souza por (R-br) < > r-br@listas.c3sl.ufpr.br> escreveu: > >> tente rodar usando a abordagem generalisada implementada na função gls do >> pacote nlme. >> nela é possivel afrouxar o pressuposto de homocedasticidade exigido pela >> função lm,aov, através do argumento weights >> der uma olhada no manual >> >> Em sáb, 2 de mar de 2019 5:56 PM, Marcelo Laia > escreveu: >> >>> On 02/03/19 at 03:51, Fernando Souza wrote: >>> > Seguindo a proposta do gilson, apos rodar o modelo utilizando aov ou >>> lm veja a distribuição dos residuos graficamente através da função qqp do >>> pacote CAR >>> > qqp(rstandard(modelo.lm),"norm") >>> > >>> >>> Olá Fernando, >>> >>> Eu não conhecia essa função do pacote car. Bem massa, pois ela mostra as >>> linhas >>> de confiança. >>> >>> Com base no pacote bestNormalize, eu transformei os dados e observei os >>> gráficos. Inclusive, com a função qqp todos ficam dentro dos 95%. Ou >>> seja, a >>> questão da normalidade foi resolvida. Mas, a homogeneidade ainda ficou >>> esquisita quando incluo a interação: >>> >>> Com a interação: >>> Levene's Test for Homogeneity of Variance (center = median) >>>Df F valuePr(>F) >>> group 41 2.2615 0.0002938 *** >>> 126 >>> >>> Sem interação: só Genotipo >>> Levene's Test for Homogeneity of Variance (center = median) >>>Df F value Pr(>F) >>> group 1 3.1509 0.07772 . >>> 166 >>> >>> Sem interação: só Isolado >>> Levene's Test for Homogeneity of Variance (center = median) >>>Df F value Pr(>F) >>> group 20 1.5658 0.06859 . >>> 147 >>> >>> Em anexo os gráficos após transformação. >>> >>> Agradeço, imensamente, pela inestimável ajuda de ambos! >>> >>> -- >>> Marcelo >>> >> ___ >> R-br mailing list >> R-br@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. > > -- > Diego dos Santos Vieira Engenheiro Florestal > ___ > R-br mailing list > R-br@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. ___ R-br mailing list R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
Concordo com o Fernando Sousa, é a melhor opção. Normalidade pode até deixar de ser atendida, desde que não seja exagerada, mas homocedasticidade não. Alguns autores usam a gls para “fugir” desse problema. Em sáb, 2 de mar de 2019 às 18:19, Fernando Souza por (R-br) < r-br@listas.c3sl.ufpr.br> escreveu: > tente rodar usando a abordagem generalisada implementada na função gls do > pacote nlme. > nela é possivel afrouxar o pressuposto de homocedasticidade exigido pela > função lm,aov, através do argumento weights > der uma olhada no manual > > Em sáb, 2 de mar de 2019 5:56 PM, Marcelo Laia escreveu: > >> On 02/03/19 at 03:51, Fernando Souza wrote: >> > Seguindo a proposta do gilson, apos rodar o modelo utilizando aov ou lm >> veja a distribuição dos residuos graficamente através da função qqp do >> pacote CAR >> > qqp(rstandard(modelo.lm),"norm") >> > >> >> Olá Fernando, >> >> Eu não conhecia essa função do pacote car. Bem massa, pois ela mostra as >> linhas >> de confiança. >> >> Com base no pacote bestNormalize, eu transformei os dados e observei os >> gráficos. Inclusive, com a função qqp todos ficam dentro dos 95%. Ou >> seja, a >> questão da normalidade foi resolvida. Mas, a homogeneidade ainda ficou >> esquisita quando incluo a interação: >> >> Com a interação: >> Levene's Test for Homogeneity of Variance (center = median) >>Df F valuePr(>F) >> group 41 2.2615 0.0002938 *** >> 126 >> >> Sem interação: só Genotipo >> Levene's Test for Homogeneity of Variance (center = median) >>Df F value Pr(>F) >> group 1 3.1509 0.07772 . >> 166 >> >> Sem interação: só Isolado >> Levene's Test for Homogeneity of Variance (center = median) >>Df F value Pr(>F) >> group 20 1.5658 0.06859 . >> 147 >> >> Em anexo os gráficos após transformação. >> >> Agradeço, imensamente, pela inestimável ajuda de ambos! >> >> -- >> Marcelo >> > ___ > R-br mailing list > R-br@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. -- Diego dos Santos Vieira Engenheiro Florestal ___ R-br mailing list R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
tente rodar usando a abordagem generalisada implementada na função gls do pacote nlme. nela é possivel afrouxar o pressuposto de homocedasticidade exigido pela função lm,aov, através do argumento weights der uma olhada no manual Em sáb, 2 de mar de 2019 5:56 PM, Marcelo Laia On 02/03/19 at 03:51, Fernando Souza wrote: > > Seguindo a proposta do gilson, apos rodar o modelo utilizando aov ou lm > veja a distribuição dos residuos graficamente através da função qqp do > pacote CAR > > qqp(rstandard(modelo.lm),"norm") > > > > Olá Fernando, > > Eu não conhecia essa função do pacote car. Bem massa, pois ela mostra as > linhas > de confiança. > > Com base no pacote bestNormalize, eu transformei os dados e observei os > gráficos. Inclusive, com a função qqp todos ficam dentro dos 95%. Ou seja, > a > questão da normalidade foi resolvida. Mas, a homogeneidade ainda ficou > esquisita quando incluo a interação: > > Com a interação: > Levene's Test for Homogeneity of Variance (center = median) >Df F valuePr(>F) > group 41 2.2615 0.0002938 *** > 126 > > Sem interação: só Genotipo > Levene's Test for Homogeneity of Variance (center = median) >Df F value Pr(>F) > group 1 3.1509 0.07772 . > 166 > > Sem interação: só Isolado > Levene's Test for Homogeneity of Variance (center = median) >Df F value Pr(>F) > group 20 1.5658 0.06859 . > 147 > > Em anexo os gráficos após transformação. > > Agradeço, imensamente, pela inestimável ajuda de ambos! > > -- > Marcelo > ___ R-br mailing list R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
Marcelo, Neste caso, verificando a análise gráfica, não acho que a normalidade foi um problema. Consideraria o gráfico robusto o suficiente para assumir que a maioria dos dados tiveram tendência de normalidade. Portanto, justificaria a não transformação. No entanto, a homocedasticidade foi um problema. Talvez este seja o pressuposto mais importante nesta análise. Analisando os testes de Bartlett e Levene, além da análise gráfica, diria que seus dados não foram homocedasticos. Sendo assim, a estatística paramétrica não seria a melhor forma de avaliação. Em sáb, 2 de mar de 2019 14:26, Marcelo Laia On 02/03/19 at 01:57, Gilson Geraldo Soares de Oliveira Júnior wrote: > > > Após o plot clique em algum botao, dentro da interface do R, para > surgirem > > 4 gráficos. Os dois primeiros são homocedasticidade e normalidade. Faça a > > análise gráfica e verifique a dispersao dos pontos entorno da "reta" de > > normalidade. > > > > Gilson, > > Eu fiz essa verificação (gráficos em anexo). > > Há três observações que estão "fora". > > Eu utilizei o pacote bestNormalize e ele informa que a melhora > transformação > seria Log_b(x+a)[1]. Mas, eu não queria transformar os dados só por esses > três > outliers. > > 1. https://rdrr.io/cran/bestNormalize/man/log_x.html > > Uma vez que se trata de uma tese, preciso de argumentos para justificar a > não > transformação. > > Por outro lado, se, de fato, os dados necessitarem de transformação, terei > que > fazer. E neste caso, o output do bestNormalize informa que o melhor é > lob_b(x+a) e o segundo melhor é Yeo-Johnson[2]. > > 2. https://rdrr.io/cran/bestNormalize/man/yeojohnson.html > > Qualquer sugestão será muito bem vinda! > > Obrigado! > > -- > Marcelo > ___ R-br mailing list R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
Prezado, Marcelo
Faça uma análise gráfica da dispersão dos resíduos, via função lm.
Alguns testes de normalidade podem sugerir não normalidade. Porém, em
alguns casos, somente alguns dados desviaram da "reta da normal".
Exemplo:
Analise <- lm (area ~ genotipo, data = cerato.dsc)
Plot (Analise)
Após o plot clique em algum botao, dentro da interface do R, para surgirem
4 gráficos. Os dois primeiros são homocedasticidade e normalidade. Faça a
análise gráfica e verifique a dispersao dos pontos entorno da "reta" de
normalidade.
Inclusive, o teste de Bartlett é bastante sensível a pressuposição de
normalidade.
Espero ter podido ajudar.
Em sáb, 2 de mar de 2019 13:17, Marcelo Laia por (R-br) <
r-br@listas.c3sl.ufpr.br escreveu:
> Colegas,
>
> Estamos com um conjunto de dados que viola pressuposições da ANOVA,
> principalmente a normalidade. Eu já li, por diversas vezes, que essa
> violação
> pode não ser tão danosa assim, devido a robustez do teste.
>
> Por favor, tire um tempo para ver os resultados e depois peço uma ajuda.
>
> Genotipo e Isolado são fatores
> Area está em centímetros quadrados
>
> > leveneTest(Area ~ Genotipo*Isolado, data = cerato.desc)
> Levene's Test for Homogeneity of Variance (center = median)
>Df F valuePr(>F)
> group 41 3.4755 4.718e-08 ***
> 126
> ---
> Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> >
>
> cat("Normality p-values by Factor Genotipo: ")
> for (i in unique(factor(cerato.desc$Genotipo))){
> cat(shapiro.test(cerato.desc[cerato.desc$Genotipo==i, ]$Area)$p.value,"
> ")
> }
> 7.074459e-10 3.200422e-06
>
> #Shapiro-Wilk normality tests by Isolado
> for (i in unique(factor(cerato.desc$Isolado))){
> cat(shapiro.test(cerato.desc[cerato.desc$Isolado==i, ]$Area)$p.value," ")
> }
> 0.09534117 0.4006495 0.6065291 0.2093362 0.6138097 0.5604402
> 0.1302976 0.3135567 0.905537 0.7294285 0.0966383 0.1512716 0.8469947
> 0.1226855 0.2713435 0.9695489 0.2747097 0.5476302 0.0008750702
> 0.03693436 0.4197769
>
> > bartlett.test(Area~Genotipo,data = cerato.desc )
>
> Bartlett test of homogeneity of variances
>
> data: Area by Genotipo
> Bartlett's K-squared = 19.769, df = 1, p-value = 8.738e-06
>
> > bartlett.test(Area~Isolado,data = cerato.desc )
>
> Bartlett test of homogeneity of variances
>
> data: Area by Isolado
> Bartlett's K-squared = 171.26, df = 20, p-value < 2.2e-16
>
> A pergunta é: mesmo com esses resultados eu poderia afirmar que o teste,
> neste
> caso, será robusto o suficiente para essas violações?
>
> Obrigado!
>
> --
> Marcelo
> ___
> R-br mailing list
> R-br@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 fornea cdigo
> mnimo reproduzvel.
___
R-br mailing list
R-br@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.
Re: [R-br] two-way anova - violação das pressuposições
Prezado, Marcelo
Faça uma análise gráfica da dispersão dos resíduos, via função lm.
Alguns testes de normalidade podem sugerir não normalidade. Porém, em
alguns casos, somente alguns dados desviaram da "reta da normal".
Exemplo:
Analise <- lm (area ~ genotipo, data = cerato.dsc)
Plot (Analise)
Após o plot clique em algum botao, dentro da interfase do R, para surgirem
4 gráficos. Os dois primeiros são homocedasticidade e normalidade. Faça a
análise gráfica e verifique a dispersao dos pontos entorno da "reta" de
normalidade.
Inclusive, o teste de Bartlett é bastante sensível a pressuposição de
normalidade.
Espero ter podido ajudar.
Em sáb, 2 de mar de 2019 13:17, Marcelo Laia por (R-br) <
r-br@listas.c3sl.ufpr.br escreveu:
> Colegas,
>
> Estamos com um conjunto de dados que viola pressuposições da ANOVA,
> principalmente a normalidade. Eu já li, por diversas vezes, que essa
> violação
> pode não ser tão danosa assim, devido a robustez do teste.
>
> Por favor, tire um tempo para ver os resultados e depois peço uma ajuda.
>
> Genotipo e Isolado são fatores
> Area está em centímetros quadrados
>
> > leveneTest(Area ~ Genotipo*Isolado, data = cerato.desc)
> Levene's Test for Homogeneity of Variance (center = median)
>Df F valuePr(>F)
> group 41 3.4755 4.718e-08 ***
> 126
> ---
> Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> >
>
> cat("Normality p-values by Factor Genotipo: ")
> for (i in unique(factor(cerato.desc$Genotipo))){
> cat(shapiro.test(cerato.desc[cerato.desc$Genotipo==i, ]$Area)$p.value,"
> ")
> }
> 7.074459e-10 3.200422e-06
>
> #Shapiro-Wilk normality tests by Isolado
> for (i in unique(factor(cerato.desc$Isolado))){
> cat(shapiro.test(cerato.desc[cerato.desc$Isolado==i, ]$Area)$p.value," ")
> }
> 0.09534117 0.4006495 0.6065291 0.2093362 0.6138097 0.5604402
> 0.1302976 0.3135567 0.905537 0.7294285 0.0966383 0.1512716 0.8469947
> 0.1226855 0.2713435 0.9695489 0.2747097 0.5476302 0.0008750702
> 0.03693436 0.4197769
>
> > bartlett.test(Area~Genotipo,data = cerato.desc )
>
> Bartlett test of homogeneity of variances
>
> data: Area by Genotipo
> Bartlett's K-squared = 19.769, df = 1, p-value = 8.738e-06
>
> > bartlett.test(Area~Isolado,data = cerato.desc )
>
> Bartlett test of homogeneity of variances
>
> data: Area by Isolado
> Bartlett's K-squared = 171.26, df = 20, p-value < 2.2e-16
>
> A pergunta é: mesmo com esses resultados eu poderia afirmar que o teste,
> neste
> caso, será robusto o suficiente para essas violações?
>
> Obrigado!
>
> --
> Marcelo
> ___
> R-br mailing list
> R-br@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 fornea cdigo
> mnimo reproduzvel.
___
R-br mailing list
R-br@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] two-way anova - violação das pressuposições
Colegas,
Estamos com um conjunto de dados que viola pressuposições da ANOVA,
principalmente a normalidade. Eu já li, por diversas vezes, que essa violação
pode não ser tão danosa assim, devido a robustez do teste.
Por favor, tire um tempo para ver os resultados e depois peço uma ajuda.
Genotipo e Isolado são fatores
Area está em centímetros quadrados
> leveneTest(Area ~ Genotipo*Isolado, data = cerato.desc)
Levene's Test for Homogeneity of Variance (center = median)
Df F valuePr(>F)
group 41 3.4755 4.718e-08 ***
126
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>
cat("Normality p-values by Factor Genotipo: ")
for (i in unique(factor(cerato.desc$Genotipo))){
cat(shapiro.test(cerato.desc[cerato.desc$Genotipo==i, ]$Area)$p.value," ")
}
7.074459e-10 3.200422e-06
#Shapiro-Wilk normality tests by Isolado
for (i in unique(factor(cerato.desc$Isolado))){
cat(shapiro.test(cerato.desc[cerato.desc$Isolado==i, ]$Area)$p.value," ")
}
0.09534117 0.4006495 0.6065291 0.2093362 0.6138097 0.5604402 0.1302976
0.3135567 0.905537 0.7294285 0.0966383 0.1512716 0.8469947 0.1226855
0.2713435 0.9695489 0.2747097 0.5476302 0.0008750702 0.03693436 0.4197769
> bartlett.test(Area~Genotipo,data = cerato.desc )
Bartlett test of homogeneity of variances
data: Area by Genotipo
Bartlett's K-squared = 19.769, df = 1, p-value = 8.738e-06
> bartlett.test(Area~Isolado,data = cerato.desc )
Bartlett test of homogeneity of variances
data: Area by Isolado
Bartlett's K-squared = 171.26, df = 20, p-value < 2.2e-16
A pergunta é: mesmo com esses resultados eu poderia afirmar que o teste, neste
caso, será robusto o suficiente para essas violações?
Obrigado!
--
Marcelo
___
R-br mailing list
R-br@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 fornea cdigo mnimo
reproduzvel.
