dissertação
Aplicação da teoria de modelos mistos a dados longitudinais
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Lavras
Faculdade, Instituto ou Escola
Departamento
Departamento de Ciências Exatas
Programa de Pós-Graduação
Programa de Pós-graduação em Estatística e Experimentação Agropecuária
Agência de fomento
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
O presente trabalho tem como objetivo elaborar um material descrevendo detalhadamente a análise de dados longitudinais usando modelos lineares mistos e abordando análise de resíduos. Foram feitas a análise exploratória dos dados, a comparação de diferentes estruturas de variância-covariância e a comparação dos resultados de parcela subdividida no tempo com a análise de modelos mistos em dados longitudinais. As análises estatísticas foram realizadas com uso do programa estatístico R e também com o programa estatístico SAS (Statistical Analysis System). A escolha da melhor estrutura de variância-covariância foi feita com base no critério de informação de Akaike (AIC) e no critério Bayesiano de Schwarz (BIC). As variáveis usadas para ilustração das análises foram: consumo médio de ração (g.ave − 1.dia − 1) e peso da gema (gramas). Para a variável consumo médio de ração a estrutura de covariância escolhida foi a não estruturada, enquanto que para a variável peso da gema utilizou-se uma estrutura autorregressiva de primeira ordem (AR(1)). Esse manual é útil para pesquisadores, professores e estudantes de áreas aplicadas, para realizar a análise de dados longitudinais usando modelos lineares mistos considerando, diferentes estruturas de covariâncias e contemplando a análise de resíduos. A escolha da estrutura de covariâncias afetou a significância dos testes F dos efeitos fixos para a variável consumo médio de ração. Para a variável peso da gema a escolha da estrutura não afetou a significância dos testes F. A análise de resíduos foi importante na verificação das pressuposições do modelo e as características gerais dos dados.
Abstract
This study aims to develop a material describing in detail the analysis
of longitudinal data using linear mixed mo dels and addressing waste analysis. We p erformed an exploratory analysis of the data, the comparison of
different structures of variance-covariance and comparison of share of results sub divided in time with the analysis of mixed mo dels for longitudinal
data. Statistical analyzes were carried out using the statistical program
R and with the SAS statistical software. The choice of the b est covariance structure will p erformed considering the Akaike information criterion
(AIC) and Bayesian criterion Schwarz (BIC). The variables used for illustration of the analysis were: average feed intake (g.bird − 1.day − 1) and yolk
weight (grams). For the variable average feed intake was chosen covariance
structure unstructured, while for the variable yolk weight used a first-order
autoregressive structure (AR (1)). This manual is useful for researchers, teachers and students of applied fields, to perform the analysis of longitudinal
data using linear mixed models considering different covariance structures
and contemplating the residuals analysis. The choice of covariance structure affected the significance of the F test of fixed effects for the variable
average feed intake. For the variable yolk weight the choice of the structure
did not affect the significance of the F test. The residuals analysis was important in the verification of the assumptions of the model and the general
characteristics of the data.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
SIMÃO, S. D. Aplicação da teoria de modelos mistos a dados longitudinais. 2016. 130 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2016.
