Modelo GLS
3 participantes
Página 1 de 1
Modelo GLS
Boa Noite!
Trabalho com monitoramento de zooplâncton em uma lagoa costeira, e preciso fazer uma análise de dois períodos distintos.
Tenho ao total, 2 variáveis resposta(biomassa do zooplancton) e 9 variáveis explicativas(todas quantitativas), para cada período.
Uma colega da área indicou o modelo GLS, por se tratar de uma análise de série temporal.
Com o estudo, prevemos que, com o aumento esperado na biomassa de cianobactérias (do ano de 1997 para 2018 ),populações de Brachionus plicatilis e B. angularis são afetadas positivamente
tornando-se espécies dominantes de zooplâncton.
Iniciei analisando a distribuição da primeira variável resposta que se apresentou como não normal, então transformei os dados com log e passou a ter distribuição normal.
Um pouco do que foi feito até agora:
setwd("C:/Users/Nina/Documents/Artigo Laryssa")
dir()
library(readxl)
jac2018<-read_xlsx("Jacarepagua 2018.xlsx", sheet="Planilha1")
summary(jac2018)[/color]
#Analisando a variável resposta
qqnorm(jac2018$`B.plicatilis ind/L`)
qqline(jac2018$`B.plicatilis ind/L`)
hist(jac2018$`B.plicatilis ind/L`)
shapiro.test(jac2018$`B.plicatilis ind/L`)
#Shapiro-Wilk normality test
#data: jac2018$`B.plicatilis ind/L`
#W = 0.55202, p-value = 1.879e-07
# distribuição não normal (p-value < 0.05)
#Analisando os dados transformados com log x+1
qqnorm(log1p(jac2018$`B.plicatilis ind/L`))
qqline(log1p(jac2018$`B.plicatilis ind/L`))
hist(log1p(jac2018$`B.plicatilis ind/L`))
shapiro.test(log1p(jac2018$`B.plicatilis ind/L`))
#Shapiro-Wilk normality test
#data: log1p(jac2018$`B.plicatilis ind/L`)
#W = 0.97331, p-value = 0.7486
#verificando a correlação entre as variáveis explicativas
correlação<-cor(jac2018[,c(4,5,9,13,16,18,19,23,25)], method="spearman")
write.table(correlação, file="correlação.txt")
library(vegan)
Dados<-jac2018[,-(1:2)]
Dados_pad<-decostand(Dados, method="standardize", na.rm="TRUE")
A partir daqui, pretendo fazer uma regressão, para depois verificar a multicolinearidade (com a função vif), depois avaliar a autocorrelação temporal (com a função acf), e por ultimo, aplicar o modelo GLS, e é justamente onde começa o problema, pois como iniciei o curso há menos de 2 meses, não tenho bagagem o suficiente para me sentir segura em rodar o modelo GLS, além disso, estou com muita dificuldade em encontrar informações sobre esse modelo.
Se alguém puder dar uma conferida em tudo o que foi feito até agora e me ajudar nos próximos passos, ficaria imensamente agradecida!!!
Se alguém tiver uma sugestão de script para o modelo GLS, também ajudaria muito!!
Desde já agradeço!!!
Fernanda Oliveira
Trabalho com monitoramento de zooplâncton em uma lagoa costeira, e preciso fazer uma análise de dois períodos distintos.
Tenho ao total, 2 variáveis resposta(biomassa do zooplancton) e 9 variáveis explicativas(todas quantitativas), para cada período.
Uma colega da área indicou o modelo GLS, por se tratar de uma análise de série temporal.
Com o estudo, prevemos que, com o aumento esperado na biomassa de cianobactérias (do ano de 1997 para 2018 ),populações de Brachionus plicatilis e B. angularis são afetadas positivamente
tornando-se espécies dominantes de zooplâncton.
Iniciei analisando a distribuição da primeira variável resposta que se apresentou como não normal, então transformei os dados com log e passou a ter distribuição normal.
Um pouco do que foi feito até agora:
setwd("C:/Users/Nina/Documents/Artigo Laryssa")
dir()
library(readxl)
jac2018<-read_xlsx("Jacarepagua 2018.xlsx", sheet="Planilha1")
summary(jac2018)[/color]
#Analisando a variável resposta
qqnorm(jac2018$`B.plicatilis ind/L`)
qqline(jac2018$`B.plicatilis ind/L`)
hist(jac2018$`B.plicatilis ind/L`)
shapiro.test(jac2018$`B.plicatilis ind/L`)
#Shapiro-Wilk normality test
#data: jac2018$`B.plicatilis ind/L`
#W = 0.55202, p-value = 1.879e-07
# distribuição não normal (p-value < 0.05)
#Analisando os dados transformados com log x+1
qqnorm(log1p(jac2018$`B.plicatilis ind/L`))
qqline(log1p(jac2018$`B.plicatilis ind/L`))
hist(log1p(jac2018$`B.plicatilis ind/L`))
shapiro.test(log1p(jac2018$`B.plicatilis ind/L`))
#Shapiro-Wilk normality test
#data: log1p(jac2018$`B.plicatilis ind/L`)
#W = 0.97331, p-value = 0.7486
#verificando a correlação entre as variáveis explicativas
correlação<-cor(jac2018[,c(4,5,9,13,16,18,19,23,25)], method="spearman")
write.table(correlação, file="correlação.txt")
library(vegan)
Dados<-jac2018[,-(1:2)]
Dados_pad<-decostand(Dados, method="standardize", na.rm="TRUE")
A partir daqui, pretendo fazer uma regressão, para depois verificar a multicolinearidade (com a função vif), depois avaliar a autocorrelação temporal (com a função acf), e por ultimo, aplicar o modelo GLS, e é justamente onde começa o problema, pois como iniciei o curso há menos de 2 meses, não tenho bagagem o suficiente para me sentir segura em rodar o modelo GLS, além disso, estou com muita dificuldade em encontrar informações sobre esse modelo.
Se alguém puder dar uma conferida em tudo o que foi feito até agora e me ajudar nos próximos passos, ficaria imensamente agradecida!!!
Se alguém tiver uma sugestão de script para o modelo GLS, também ajudaria muito!!
Desde já agradeço!!!
Fernanda Oliveira
Fernanda Oliveira- Mensagens : 2
Data de inscrição : 26/04/2020
Re: Modelo GLS
Oi, Fernanda, tudo bem?
Nós vamos tratar um pouco das questões relacionadas à autocorrelação mais adiante no curso. Não falo especificamente sobre GLS, mas você verá algumas outras possibilidades, ok?
Mas se quiser um bom guia, dê uma olhada neste:
https://www.flutterbys.com.au/stats/tut/tut8.3a.html
Ao mesmo tempo, acho legal você buscar boas leituras que cubram bem os aspectos mais teóricos por trás destes métodos e a forma de interpretá-los. Neste sentido, mesmo que eu não trate destes métodos especificamente, acho que avançar mais no nosso curso deve ajudar.
Abraços!
Nós vamos tratar um pouco das questões relacionadas à autocorrelação mais adiante no curso. Não falo especificamente sobre GLS, mas você verá algumas outras possibilidades, ok?
Mas se quiser um bom guia, dê uma olhada neste:
https://www.flutterbys.com.au/stats/tut/tut8.3a.html
Ao mesmo tempo, acho legal você buscar boas leituras que cubram bem os aspectos mais teóricos por trás destes métodos e a forma de interpretá-los. Neste sentido, mesmo que eu não trate destes métodos especificamente, acho que avançar mais no nosso curso deve ajudar.
Abraços!
Re: Modelo GLS
Olá, professor! Bom dia!
Eu trabalho com a Fernanda e estou fazendo essas análises com ela. Obrigada pela dica do site, vai nos ajudar bastante. Mas o senhor chegou a dar uma olhada no script que fizemos até agora? Se for possível nos dar um feedback para sabermos se estamos no caminho certo, agradecemos muito.
Eu trabalho com a Fernanda e estou fazendo essas análises com ela. Obrigada pela dica do site, vai nos ajudar bastante. Mas o senhor chegou a dar uma olhada no script que fizemos até agora? Se for possível nos dar um feedback para sabermos se estamos no caminho certo, agradecemos muito.
laryssagoncalves- Mensagens : 2
Data de inscrição : 17/04/2020
Re: Modelo GLS
Dei uma espiada com mais calma no script que vocês tem até o momento, e me parece tudo ok!
Tópicos semelhantes
» GLM - Diagnóstico do modelo
» Modelo de redes de interação
» Modelo preditivo Random Forest
» Mais de uma variável explicativa no modelo de regressão logística
» Modelo de redes de interação
» Modelo preditivo Random Forest
» Mais de uma variável explicativa no modelo de regressão logística
Página 1 de 1
Permissões neste sub-fórum
Não podes responder a tópicos
|
|