Coleção modelos
Contrastes (F)
Teste F da hipótese linear geral: você escreve os contrastes, nas médias de um fator ou nos coeficientes.
O que o bloco faz
models/linear_hypothesis Avalia contrastes lineares conjuntos por teste F. A saída é data/test.
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.
- Estatística F
- A razão entre duas estimativas de variância: a explicada por um fator e a residual. Valores muito maiores que 1 indicam que o fator explica mais variação do que o acaso explicaria; é a estatística da análise de variância.
- Modelo linear
- Um modelo em que a resposta é a soma de efeitos das variáveis explicativas, cada um multiplicado por um coeficiente, mais um erro aleatório. Regressão e análise de variância são casos dele; “linear” se refere aos coeficientes, não à forma da curva.
- Fator
- Uma variável explicativa categórica cujo efeito se quer estudar, como adubo, cultivar ou dose. Num experimento fatorial, dois ou mais fatores são combinados.
- Contraste
- Uma comparação planejada entre médias de tratamentos, escrita como soma de médias com pesos que somam zero (por exemplo, a média do controle contra a média dos adubados).
Quando usar
Use quando a hipótese científica combina vários coeficientes ou médias em um contraste conjunto.
Pressupostos
O modelo que entra atende aos seus pressupostos (erros normais, variância constante, independência): as comparações usam o erro padrão dele.
Verificar:Normalidade dos resíduosLeveneDiagnóstico dos resíduos
Se falhar: Acerte o modelo antes: transformação,
models/glm, oumodels/lmerpara erros correlacionados.Os contrastes foram planejados antes de ver os dados, e são linearmente independentes (o bloco recusa os dependentes).
Se falhar: Para comparações sugeridas pelos dados, use o
models/pairwisecom ajuste.No GLM e no misto, o teste é assintótico (Wald) ou aproximado (Satterthwaite): pede amostra grande o bastante.
Configuração
Informe uma hipótese por linha; Fator seleciona médias do fator, ou deixe vazio para contrastes de coeficientes.
Exemplo
library(trama)
reg <- tr_registry()
tr_use("trama.models", registry = reg)
tr_flow(reg) |>
tr_add("dados", "models/example", dataset = "PlantGrowth") |>
tr_add("ajuste", "models/anova_dic", resposta = "weight", tratamento = "group", from = "dados") |>
tr_add("resultado", "models/linear_hypothesis", hipoteses = "grouptrt1 = 0", from = "ajuste")O contraste testa se o coeficiente do nível trt1 difere de zero em relação ao nível de referência.
Como interpretar
O resultado testa a combinação linear especificada, não cada coeficiente separadamente.
Implementação
emmeans::contrast()versão 2.0.3Contrastes nas médias de um fator; F conjunto calculado pela forma quadrática de Wald com os gl doemmeans::test(joint = TRUE).car::linearHypothesis()versão 3.1.5Hipóteses nos coeficientes (lm,glm): F, ou qui-quadrado de Wald nas famílias de dispersão fixa.lmerTest::contest()versão 3.2.1Hipóteses nos coeficientes do misto,joint = TRUE, gl de Satterthwaite.
No código O bloco chama trama.models::tr_models_linear_hypothesis(), em trama.models/R/hipotese.R:97.
A conta é feita nestas chamadas:
emmeans::contrast(r$valor, stats::setNames(lapply(seq_len(nrow(L)), function(i) L[i, ]), nomes))lmerTest::contest(aj, L, joint = TRUE)car::linearHypothesis(aj, L, rhs, test = if (usa_f) "F" else "Chisq")
Outras funções de pacotes que o bloco usa (11)
stats::setNames(lapply(seq_len(nrow(L)), function(i) L[i, ]), nomes)emmeans::test(ct, joint = TRUE)stats::vcov(ct)stats::pchisq(wald, q, lower.tail = FALSE)stats::pf(fstat, q, j$df2[[1]], lower.tail = FALSE)stats::setNames(as.list(sprintf("%s (p = %s)", .tr_models_fmt(cada$estimate, 4L), .tr_models_fmt_p(cada$p.value))), nomes)lme4::fixef(aj)stats::coef(aj)car::makeHypothesis(names(beta), corpos)stats::setNames(as.list(.tr_models_fmt(est, 4L)), nomes)stats::family(aj)
Referências
Livro-texto
- Searle, S. R. (1971). Linear Models. New York: Wiley.
- Fox, J.; Weisberg, S. (2019). An R Companion to Applied Regression. 3. ed. Thousand Oaks: Sage.