Ferramentas do usuário

Ferramentas do site


cursos:planeco:roteiro:12-glmm-rcmdr

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Próxima revisão
Revisão anterior
cursos:planeco:roteiro:12-glmm-rcmdr [2020/04/26 14:22]
adalardo criada
cursos:planeco:roteiro:12-glmm-rcmdr [2021/04/30 15:40] (atual)
adalardo
Linha 1: Linha 1:
 +
 +<WRAP tabs>
 +  * [[cursos:​planeco:​roteiro:​12-glmm_rcmdr|{{:​planeco:​logorcmdr01.png?​20|}}]]
 +  * [[cursos:​planeco:​roteiro:​12-glmm|{{:​planeco:​rlogo.png?​20|}}]]
 +
 +</​WRAP>​
 +
 ====== Modelos Mistos Generalizados (GLMM) ====== ====== Modelos Mistos Generalizados (GLMM) ======
  
Linha 33: Linha 40:
  
  
-Então, mãos à massa! ​ 
 ==== Lendo os dados no Rcmdr ==== ==== Lendo os dados no Rcmdr ====
-[[cursos:​planeco:​roteiro:​12-glmm_rcmdr]]+
  
 Depois de ler os dados no Rcmdr precisamos modificar a variável ''​fExp''​ para nomear os níveis. Como fizemos no roteiro do **LMM**. Depois de ler os dados no Rcmdr precisamos modificar a variável ''​fExp''​ para nomear os níveis. Como fizemos no roteiro do **LMM**.
Linha 47: Linha 53:
   * crie a variável ''​fExposure''​ como fator, como fizemos no LMM   * crie a variável ''​fExposure''​ como fator, como fizemos no LMM
  
 +Para ler os dados e fazer as modificações no console do R use o código abaixo: ​
  
 <​code>​ <​code>​
  
-dados <- read.table("​praia.txt",​ header = TRUE, sep = "​\t"​ , as.is = TRUE) +praia <- read.table("​praia.txt",​ header = TRUE, sep = "​\t"​ , as.is = TRUE) 
-dados$fExposure <- factor(dados$fExp, levels = c("​low",​ "​high"​)) +praia$fExposure <- factor(praia$fExp, levels = c("​low",​ "​high"​)) 
-head(dados) #observando as primeiras linhas de dados +head(praia) #observando as primeiras linhas de dados 
-str(dados) # vendo se a estrutura dos dados está ok!+str(praia) # vendo se a estrutura dos dados está ok!
  
  
 </​code>​ </​code>​
 +
 +
 +</​WRAP>​
  
 Agora, vamos modificar o modelo do roteiro de LMM apenas em relação à distribuição de probabilidades dos resíduos do modelo. Operacionalmente isso é bastante simples, basta usar a função ''​glmer()''​ do pacote ''​lme4''​ com a mesma formulação do modelo usada anteriormente,​ explicitando a distribuição (''​family = "​poisson"''​). Agora, vamos modificar o modelo do roteiro de LMM apenas em relação à distribuição de probabilidades dos resíduos do modelo. Operacionalmente isso é bastante simples, basta usar a função ''​glmer()''​ do pacote ''​lme4''​ com a mesma formulação do modelo usada anteriormente,​ explicitando a distribuição (''​family = "​poisson"''​).
Linha 523: Linha 533:
  
 Zuur, A., Ieno, E., Walker, N., Saveliev, A. & Smith, G. 2009. Mixed effects models and extensions in ecology with R. (Livro muito bom e completo sobre modelos mistos e aditivos) Zuur, A., Ieno, E., Walker, N., Saveliev, A. & Smith, G. 2009. Mixed effects models and extensions in ecology with R. (Livro muito bom e completo sobre modelos mistos e aditivos)
- 
  
  
cursos/planeco/roteiro/12-glmm-rcmdr.1587921735.txt.gz · Última modificação: 2020/04/26 14:22 por adalardo