ok, gracias!.... por momentos pensé que me estaba quedando afuera de algo super interesante!.... acá van dos consultas Consulta1: operativa. Como hago para ver los mensajes que han estado circulando por la lista?... puedo de alguna forma tener acceso? Consaulta2: GLMM. Trataré de ser lo mas claro que pueda. Realice una toma de datos en aves. Tengo padres con dos condiciones diferentes, llamémosle “condición A” y “condición B”. A estos adultos les tome algunos parámetros reproductivos como día de puesta, tamaño de nidada, tamaño promedio de huevo por nidada y el tamaño para cada huevo (el 1, el 2 y el 3; cuando las clutch eran completas). Mi intención es comparar el tamaño del huevo 1 de la condición A con el de la condición B, el tamaño del huevo 2 de la condición A con el de la B y lo mismo con el huevo 3. No quiero realizar en análisis como se hacia antiguamente quizás con una simple prueba de t por separado para cada orden de huevo. Entonces empecé a pensar que tipo de análisis podía hacer donde metiera todo los huevos, y contemple la dependencia entre ellos. Sabiendo que el tamaño del huevo 1 dentro de una misma nidada no es independiente del tamaño de los otros dos huevos pensé el realizar un GLMM. Donde tengo como factor aleatorio el nido, de esta forma estoy por ejemplo relacionando que el huevo 1, 2 y 3 del nido 352 son hermanos y dependen entre si. Ahora estoy buscando una estructura de modelo que en un summary me permita leer lo que busqué inicialmente; que es como dije arriba la comparación para el huevo 1 dentro de las dos condiciones. Realizando diferentes pruebas, encontré que si aplico un scrip con: Factor aleatorio: random=~1|ID/orden Factor fijo: orden/condition Me arroja un summary donde directamente puedo encontrar entre mas cosas esto:>a2<-lme(eggvol~(orden/condition),data=data, random=~1|ID/orden,method="REML")> summary (a2)Linear mixed-effects model fit by REML Data: data AIC BIC logLik 454.6547 478.2794 -218.3273 Random effects: Formula: ~1 | ID (Intercept) StdDev: 2.058396 Formula: ~1 | orden %in% ID (Intercept) Residual StdDev: 1.187783 0.5933053 Fixed effects: eggvol ~ (orden/condition) Value Std.Error DF t-value p-value (Intercept) 38.42744 0.4307688 67 89.20663 0.0000 orden.L -0.99294 0.2603872 67 -3.81332 0.0003 orden.Q -0.21088 0.2603872 67 -0.80986 0.4209 orden1:conditionB 1.32954 0.9114527 67 1.45870 0.1493 orden2:conditionB1.68538 0.9114527 67 1.84912 0.0689 orden3:conditionB 2.03277 0.9114527 67 2.23025 0.0291 Correlation: (Intr) ordn.L ordn.Q ordn1: ordn2: orden.L 0.000 orden.Q 0.000 0.000 orden1:conditionB -0.473 0.202 -0.117 orden2:conditionB -0.473 0.000 0.233 0.706 orden3:conditionB -0.473 -0.202 -0.117 0.706 0.706 Standardized Within-Group Residuals: Min Q1 Med Q3 Max -0.92413989 -0.25945975 0.00819915 0.26634706 1.05463841 Number of Observations: 108 Number of Groups: ID orden %in% ID 36 108 A mi entender me esta comparando lo que busco, el huevo 1 condición B vs el huevo1 condición A y asi los otros huevos. orden1:conditionB orden2:conditionB orden3:conditionB Ahora, mi consulta puntual radica en esta bien realizar un modelo donde el factor fijo este cruzado (o anidado no se bien cual sería el termino) “””orden/condition”””. Alguien estuvo realizando modelos donde tenga este tipo de factores fijos? Bueno solo eso, espero poder haber sido claro y que puedan ayudarme. Germán Yahoo! Cocina Encontra las mejores recetas con Yahoo! Cocina. http://ar.mujer.yahoo.com/cocina/ [[alternative HTML version deleted]]
Hola German, Bienvenido a la lista! Para ver los archivos anteriores puedes ir a : https://stat.ethz.ch/mailman/listinfo/r-help-es Un saludo. El 9 de septiembre de 2009 16:05, German Garcia <biolger@yahoo.com.ar>escribió:> ok, gracias!.... > por momentos pensé que me estaba quedando > afuera de algo super interesante!.... acá van dos consultas > > > Consulta1: operativa. Como hago para ver > los mensajes que han estado circulando por la lista?... puedo de alguna > forma > tener acceso? > > Consaulta2: GLMM. Trataré de ser lo mas > claro que pueda. > > Realice una toma de datos en aves. Tengo > padres con dos condiciones diferentes, llamémosle “condición A” y > “condición B”. > A estos adultos les tome algunos parámetros reproductivos como día de > puesta, > tamaño de nidada, tamaño promedio de huevo por nidada y el tamaño para cada > huevo (el 1, el 2 y el 3; cuando las clutch eran completas). > > Mi intención es comparar el tamaño del huevo > 1 de la condición A con el de la condición B, el tamaño del huevo 2 de la > condición > A con el de la B y lo mismo con el huevo 3. No quiero realizar en análisis > como > se hacia antiguamente quizás con una simple prueba de t por separado para > cada > orden de huevo. Entonces empecé a pensar que tipo de análisis podía hacer > donde > metiera todo los huevos, y contemple la dependencia entre ellos. Sabiendo > que el > tamaño del huevo 1 dentro de una misma nidada no es independiente del > tamaño de > los otros dos huevos pensé el realizar un GLMM. Donde tengo como factor > aleatorio el nido, de esta forma estoy por ejemplo relacionando que el > huevo 1, > 2 y 3 del nido 352 son hermanos y dependen entre si. > > Ahora estoy buscando una estructura de > modelo que en un summary me permita leer lo que busqué inicialmente; que es > como dije arriba la comparación para el huevo 1 dentro de las dos > condiciones. > > Realizando diferentes pruebas, encontré que > si aplico un scrip con: > > Factor aleatorio: random=~1|ID/orden > Factor fijo: orden/condition > > Me arroja un summary donde directamente > puedo encontrar entre mas cosas esto: > > > > a2<-lme(eggvol~(orden/condition),data=data, > random=~1|ID/orden,method="REML") > > > summary (a2) > Linear mixed-effects model fit by REML > Data: data > AIC BIC logLik > 454.6547 478.2794 -218.3273 > > Random effects: > Formula: ~1 | ID > (Intercept) > StdDev: 2.058396 > > Formula: ~1 | orden %in% ID > (Intercept) Residual > StdDev: 1.187783 0.5933053 > > Fixed effects: eggvol ~ (orden/condition) > Value Std.Error DF t-value p-value > (Intercept) 38.42744 0.4307688 67 89.20663 0.0000 > orden.L -0.99294 0.2603872 67 -3.81332 0.0003 > orden.Q -0.21088 0.2603872 67 -0.80986 0.4209 > orden1:conditionB 1.32954 0.9114527 67 1.45870 0.1493 > orden2:conditionB1.68538 0.9114527 67 1.84912 0.0689 > orden3:conditionB 2.03277 > 0.9114527 67 2.23025 0.0291 > Correlation: > (Intr) ordn.L ordn.Q ordn1: > ordn2: > orden.L 0.000 > orden.Q 0.000 0.000 > orden1:conditionB -0.473 0.202 -0.117 > orden2:conditionB -0.473 0.000 0.233 0.706 > orden3:conditionB -0.473 -0.202 > -0.117 0.706 0.706 > > Standardized Within-Group Residuals: > Min Q1 Med Q3 Max > -0.92413989 -0.25945975 0.00819915 0.26634706 1.05463841 > > Number of Observations: 108 > Number of Groups: > ID orden %in% ID > 36 108 > > > > A mi entender me esta comparando lo que > busco, el huevo 1 condición B vs el huevo1 condición A y asi los otros > huevos. > > orden1:conditionB > orden2:conditionB > orden3:conditionB > > Ahora, mi consulta puntual radica en esta > bien realizar un modelo donde el factor fijo este cruzado (o anidado no se > bien > cual sería el termino) “””orden/condition”””. Alguien estuvo realizando > modelos > donde tenga este tipo de factores fijos? > > Bueno solo eso, espero poder haber sido > claro y que puedan ayudarme. > > Germán > > > Yahoo! Cocina > > Encontra las mejores recetas con Yahoo! Cocina. > > > http://ar.mujer.yahoo.com/cocina/ > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > >[[alternative HTML version deleted]]
¡Pero, parece que es lo que precisamente estás haciendo! -- ____________________________________ Olivier G. Nuñez Email: onunez en iberstat.es Tel : +34 663 03 69 09 Web: http://www.iberstat.es ____________________________________ El 09/09/2009, a las 16:05, German Garcia escribió:> .... > > Ahora, mi consulta puntual radica en esta > bien realizar un modelo donde el factor fijo este cruzado (o > anidado no se bien > cual sería el termino) ???orden/condition???. Alguien estuvo > realizando modelos > donde tenga este tipo de factores fijos? >
German, contesto con retraso a tus dudas. Aquí, te doy unas pautas: Para determinar cuales son los efectos fijos y los aleatorios, te aconsejo pensar en lo que vararía si tuvieses que repetir el experimento. Obviamente las condiciones A y B no cambiarán, los ordenes (1,2 y 3) tampoco cambiarán, sin embargo los nidos cambiarán. El modelo adecuado parece ser pues: modelo1 <-lme(eggvol ~ orden/condition, data=data, random = ~1 | ID) Un saludo. Olivier -- ____________________________________ Olivier G. Nuñez Email: onunez en iberstat.es Tel : +34 663 03 69 09 Web: http://www.iberstat.es ____________________________________ El 09/09/2009, a las 18:11, German Garcia escribió:> Hola Oliver, > > tratare de ser mas claro, asi me puedo explicar. Respondo a tus > preguntas > > Quieres saber si lo que has hecho está bien? > > si, basicamente quiero saber si esta ok poner factores anidados > pero no en la parte random del modelo, sino en la parte fija, > digamos en la parte de las variables explicatorias > > Si se puede hacer algo mejor? > > No newcesariamente, pero si tienes consejos apra hacer algo mejor > siempre son bien recibidos > > Cual es el modelo estadístico correspondiente a tu script en R? > > > Este es el modelo: > lme(eggvol~orden/condition, random=~1|ID/orden, data=data, > method="REML") >