Perfeito Walmes, era o esclarecimento que procurava. Muito obrigado à ti e aos demais!
-- *Jefferson Ferreira-Ferreira* Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI [email protected] *Instituto de Desenvolvimento Sustentável Mamirauá* Ministério da Ciência, Tecnologia e Inovação Telefone: +55 97 3343-9710 *Google Maps* - Mapas deste e-mail: Exibir mapa ampliado <https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731145&spn=0.004632,0.006968&num=1&t=h&z=18> *Contatos particulares:* *(55) 9615-0100* Em 22 de junho de 2014 17:55, walmes . <[email protected]> escreveu: > Existe diferença de interpretação da anova() e summary(). Pro caso de > regressão linear simples, não existe, já vai ficar claro. > > O é método summary() para modelos (classes lm, aov, nls, glm, lme, lmer, > survreg, e muitos outros), mostra informações que podem ser divididas em: > informações da chamada (call), testes de hipótese (t valor, p valor) e > medidas de ajuste (aic, bic, log-verossimilhança, F, graus de liberdade > resíduais, etc). > > O quadro de testes de hipótese são testes individuais para cada parâmetro > e marginais aos demais, ou seja, assumindo que o seu modelo tenha a fórmula > y~x1+x2+x3, no summary() são testadas quadro hipóteses: H0: b0==0? H0: > b1==0? H0: b2==0? H0: b3==0? O que não de ser esquecido é que essas > hipóteses são indivíduais e marginais, então H0: b1==0 significa que você > testa hipótese sob b1 sem fazer restrições para b2, b3 e b0. Sendo assim, > caso você aceite b1==0 e b2==0 porque eles apresentam p-valor menor que 5%, > digamos, não pode-se concluir que b1==b2==0. Essa última é uma hipótese > conjunta e marginal à b0 e b3. > > O quadro de anova é diferente, nele são testadas hipóteses sequenciais ou > parcialmente marginais, ou parcialmente condicionais. Assumindo ainda o > mesmo modelo, a primeira linha testa b1 marginal à b0 (sem restringir b0) e > condicional à b2 e b3 (assume que são 0, pois não entraram no modelo ainda, > no caso). A segunda linha testa b2 marginal à b1 e b0 e condicional à b3 > (assume que é zero). A última linha é b3 marginal à b0, b1 e b2, que no > caso é a mesma hipótese do summary(), mas só para o último termo do modelo. > > Na situação de modelos de regressão múltipla, não é útil olhar para a > anova() e sim para o summary(). Por que? Porque em geral as variáveis são > contínuas e para avaliar o seu efeito basta testas o único parâmetro que a > multiplica pois o modelo é do tipo y = b0+b1*x1+b2*x2+... . Em casos como > esse, comuns em estudos observacionais, não existe garantia de > ortogonalidade entre as variáveis regressoras e obviamente testes marginais > são mais adequados. > > No caso de experimentos planejados (geralmente balanceados, com efeitos > ortogonais e fatores categóricos) a anova é mais interessante que o > summary(). Por que? Porque sendo os efeitos ortogonais, mesmo a anova tendo > testes marginais por definição, as somas de quadrados são ortogonais pelo > delineamento planejado, o que faz com que os testes sejam então ortogonais. > Se uma variável é categórica com 5 níveis, o teste F da anova avalia a > hipótese conjunta de 5-1 parâmetros correspondente a não haver efeito deste > fator, ou seja, das 5 categorias serem representadas por 5 vs 1 parâmetro > (de 5 para 1, 4 graus de liberdade). > > Nas situações que não estão nem em um extremo (só contínuas) nem em outro > (só categóricas, efeitos ortogonais), não se pode apontar qual dos dois é > mais relevante. Depende muito da situação. Na minha opinião, para o usuário > não treinado, é meio complicado avaliar o summary() para um modelo com > fatores categóricos, isso porque existe uma parametrização (por padrão, > zerar efeito do primeiro nível) que apesar de simples, para um usuário não > treinado, é incomodo, ele procura pelas médias mas o summary() não dá > médias. Isso fica ainda mais incomodo quando se trata de dois ou mais > fatores com interação. > > No caso da regressão linear simples, anova() e summary(), por haver apenas > o parâmetro b1 sob hipótese, dão exatamente a mesma coisa, inclusive o > mesmo p-valor para b1, uma vez que o quadrado de uma v.a. t com 1 grau de > liberdade tem distribuição F. > > À disposição. > Walmes. > > > _______________________________________________ > 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.
