ANOVA · DBC

O que o bloco faz

models/anova_dbc Ajusta resposta ~ bloco + tratamento e produz models/fit. A saída é models/fit.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Graus de liberdade

Quantas informações independentes sobram para estimar uma variabilidade depois de estimados os outros parâmetros. Definem qual distribuição t, F ou qui-quadrado se usa no teste; com poucos graus de liberdade a inferência fica mais incerta.

Bloco (experimental)

Um grupo de unidades experimentais parecidas entre si (mesma faixa de terreno, mesmo dia) dentro do qual todos os tratamentos são sorteados. O efeito de bloco é retirado do erro, o que torna as comparações entre tratamentos mais precisas.

Delineamento

O plano que diz como os tratamentos são distribuídos nas unidades experimentais: inteiramente casualizado, em blocos, quadrado latino, parcelas subdivididas. Ele determina o modelo e a análise de variância adequados.

Análise de variância (ANOVA)

Um método que divide a variação total da resposta em partes atribuídas a cada fonte (tratamentos, blocos, erro) e testa, pela estatística F, se cada fonte explica mais variação do que o acaso.

Coeficiente de variação (CV)

O desvio padrão dividido pela média, em porcentagem. Em experimentos, usa-se a raiz do quadrado médio do resíduo para indicar a precisão do ensaio; o que é um CV alto depende da variável e da área.

Quando usar

Use quando cada bloco recebe os tratamentos e controla uma fonte conhecida de variação entre unidades.

Pressupostos

• Os tratamentos foram sorteados dentro de cada bloco, com todos os tratamentos em todo bloco, e cada parcela é uma unidade experimental independente.

  Se falhar: Não há teste para isso: é o planejamento que garante. Sem sorteio, o F não tem a interpretação causal do experimento.

• Aditividade: o efeito do tratamento é o mesmo em todo bloco (não há interação bloco × tratamento).

  Verificar:Aditividade de Tukey

  Se falhar: Uma transformação (quase sempre o log) costuma devolver a aditividade.

• Os erros (resíduos) são normais — não a resposta crua.

  Verificar:Normalidade dos resíduosDiagnóstico dos resíduos

  Se falhar: Transforme a resposta (log, raiz) ou, para contagens e proporções, use o models/glm; sem modelo que sirva, o models/friedman (uma observação por bloco e tratamento; com blocos incompletos ele usa o Durbin ou o Skillings–Mack).

• A variância do erro é a mesma em todos os tratamentos (homocedasticidade).

  Verificar:LeveneDiagnóstico dos resíduos

  Se falhar: Transforme a resposta (o log quando a variância cresce com a média) ou use o models/glm com família gama.

Configuração

Informe resposta, tratamento e bloco. O tratamento é convertido em fator.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "milho_dbc") |>
  tr_add("ajuste", "models/anova_dbc", resposta = "producao", tratamento = "hibrido", bloco = "bloco", from = "dados")

O exemplo usa o conjunto simulado milho_dbc; a construção planta H3 acima dos demais híbridos.

Como interpretar

O efeito do tratamento é testado contra o resíduo após ajustar blocos. O modelo supõe aditividade: tratamento tem o mesmo efeito em cada bloco.