Análise de dados longitudinais com medidas inequidistantes

Boa tarde.

Estou trabalhando com análise do número de recrutas (indivíduos regenerantes) de espécies arbóreas em uma floresta e tenho medições nos anos de 2012, 2013, 2014 e 2017. Quero analisar o efeito de manejo, tempo e manejo* tempo no número de recrutas. Para isso, estou trabalhando com Modelos Lineares Generalizados Mistos (GLMM, do inglês), com distriuição Poisson (usada para dados de contagem).

Minha dúvida é sobre como devo considerar o número de recturas no ano de 2017, já que existem 3 anos de diferença para medição anterior. Para o ajuste do modelo, devo dividir o número de recrutas do ano de 2017 por 3 ou o modelo mesmo já faz essa ponderação?

Exemplo de esboço da planilha:
Parcela    Manejo      Ano      Recrutas
1               Sim        2013         12
1               Sim        2014         14
1               Sim        2017         13

ou

Exemplo de planilha:
Parcela    Manejo      Ano      Recrutas
1               Sim        2013         12
1               Sim        2014         14
1               Sim        2017         39

?

Oi, Carlos, boa tarde!

Olha, acho que a resposta depende de como o tempo será tratado. Se ele fizer parte explícita do modelo, entrando como variável (e se entendi a descrição, ele irá), então não acho necessário fazer qualquer correção. O que acontece é que o efeito do tempo, sendo tratado como parte do modelo, irá considerar a diferença no recrutamento em relação à diferença de tempo.

Então acredito que você possa seguir sem modificar os dados, ok?

Oi Marcos.

Isso mesmo. Tenho um fator tempo (com os níveis "2013", "2014" e "2017") no meu modelo e quero analisar se ele tem efeito no número de recrutas.

Entendi seu ponto. Então o modelo mesmo já considera a diferença de recrutas em relação à diferença de tempo.

ok, vou fazer isso: ajustar o modelo sem modificar os dados.

Obrigado pelo esclarecimento.

Oi de novo, Carlos!

Opa, mas tem uma questão: se você considerar os anos como um fator, nós temos um problema. Sendo um fator, o que importa para o R são níveis diferentes, mas ele não vai entender que de 2014 para 2017, por exemplo, a diferença é de 3 anos.

Para esta abordagem dar certo, você precisa usar o tempo como uma variável quantitativa, pois assim o "valor" de cada ano ficará explícito. Se por algum motivo você precisar usar ano como fator (por exemplo, se apenas tiver 3 anos), então eu faria como na sua pergunta original, e usaria os dados de forma proporcional de maneira a compensar a diferença entre os anos.