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 <marcelol...@gmail.com 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 value Pr(>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.