 |
|
“La
variabilidad entre años es generalmente impredecible, por lo que los años se
consideran como una variable aleatoria.” Análisis de diferentes años (pp. 180 – 184).
 |
|
Códigos para R
#***********************************************************
# EXPERIMENTACIÓN EN AGRICULTURA
# Fernández Escobar, R.; Trapero, A.; Domínguez, J. 2010
# CAPÍTULO 13: ANÁLISIS DE LA VARIANZA COMBINADO
# Análisis de diferentes años (páginas 180 - 184)
#************************************************************
#### Importar Tabla 13.4
foliarDOBLE <- read.csv("C:/Users/Administrator/Desktop/tabla 13.4.csv", header=TRUE)
attach(foliarDOBLE)
print(foliarDOBLE)## FECHA REP TRAT AFECT
## 1 1 I SinTratar 61.9
## 2 1 II SinTratar 55.9
## 3 1 III SinTratar 64.5
## 4 1 IV SinTratar 57.7
## 5 1 V SinTratar 50.9
## 6 1 I Invierno 20.3
## 7 1 II Invierno 16.5
## 8 1 III Invierno 15.0
## 9 1 IV Invierno 8.5
## 10 1 V Invierno 23.8
## 11 1 I Primavera 54.0
## 12 1 II Primavera 60.4
## 13 1 III Primavera 49.7
## 14 1 IV Primavera 70.4
## 15 1 V Primavera 49.0
## 16 1 I Inv+Prim 14.4
## 17 1 II Inv+Prim 16.1
## 18 1 III Inv+Prim 13.4
## 19 1 IV Inv+Prim 10.9
## 20 1 V Inv+Prim 22.8
## 21 2 I SinTratar 70.9
## 22 2 II SinTratar 61.2
## 23 2 III SinTratar 56.8
## 24 2 IV SinTratar 62.4
## 25 2 V SinTratar 64.5
## 26 2 I Invierno 15.2
## 27 2 II Invierno 29.9
## 28 2 III Invierno 18.4
## 29 2 IV Invierno 22.1
## 30 2 V Invierno 17.7
## 31 2 I Primavera 46.3
## 32 2 II Primavera 32.0
## 33 2 III Primavera 40.1
## 34 2 IV Primavera 56.0
## 35 2 V Primavera 38.4
## 36 2 I Inv+Prim 4.8
## 37 2 II Inv+Prim 14.5
## 38 2 III Inv+Prim 19.6
## 39 2 IV Inv+Prim 9.8
## 40 2 V Inv+Prim 12.2#### Creando variables independientes como factores
FECHA <- factor(FECHA, levels = c(1,2), labels = c("Año 1", "Año 2")) # "Años" en libro
REP <- factor(REP)
TRAT <- factor(TRAT)
fDOBLE <- data.frame(FECHA, REP, TRAT, AFECT)
attach(fDOBLE); detach(foliarDOBLE); str(foliarDOBLE)## 'data.frame': 40 obs. of 4 variables:
## $ FECHA: int 1 1 1 1 1 1 1 1 1 1 ...
## $ REP : Factor w/ 5 levels "I","II","III",..: 1 2 3 4 5 1 2 3 4 5 ...
## $ TRAT : Factor w/ 4 levels "Inv+Prim","Invierno",..: 4 4 4 4 4 2 2 2 2 2 ...
## $ AFECT: num 61.9 55.9 64.5 57.7 50.9 20.3 16.5 15 8.5 23.8 ...#### Agregando función para calcular estadísticas descriptivas de las interacciones
library(plyr)source("C:/Users/Administrator/Desktop/summarySE.r")
MEDIAS <- summarySE(fDOBLE, measurevar="AFECT", groupvars=c("FECHA", "TRAT"))
MEDIAS## FECHA TRAT N AFECT sd se ci
## 1 Año 1 Inv+Prim 5 15.52 4.484083 2.005343 5.567724
## 2 Año 1 Invierno 5 16.82 5.776418 2.583292 7.172370
## 3 Año 1 Primavera 5 56.70 8.901685 3.980955 11.052902
## 4 Año 1 SinTratar 5 58.18 5.296414 2.368628 6.576366
## 5 Año 2 Inv+Prim 5 12.18 5.490173 2.455280 6.816950
## 6 Año 2 Invierno 5 20.66 5.725644 2.560586 7.109326
## 7 Año 2 Primavera 5 42.56 9.075957 4.058891 11.269289
## 8 Año 2 SinTratar 5 63.16 5.161686 2.308376 6.409079#### Gráficos
#### Representando "Años" en abscisas
# Gráfico de barras con errores típicos
library(ggplot2)## Warning: package 'ggplot2' was built under R version 3.3.3ggplot(MEDIAS, aes(x = FECHA,
y = AFECT,
fill = TRAT)) +
geom_bar(position = position_dodge(), stat = "identity") +
geom_errorbar(aes(ymin = AFECT-se,
ymax = AFECT+se),
width = .2,
position = position_dodge(.9)) +
scale_fill_brewer(palette= "Set2") + theme_minimal()
#### Diagrama de dispersión
ggplot(fDOBLE, aes(x=FECHA, y=AFECT, color=TRAT)) + geom_point(shape=1) +
scale_color_brewer(palette = "Set2") + geom_point(size = 3.0)
#### Gráfico de interacción simple
interaction.plot(FECHA, TRAT, AFECT)
#### Gráfico de interacción coloreado
ggplot(MEDIAS, aes(x = factor(FECHA), y = AFECT, colour = TRAT, group = TRAT)) +
scale_color_brewer(palette = "Set2") + geom_line(size = 1.0, linetype = 'solid')
#### Gráfico de interacción + errores típicos
pd <- position_dodge(0.1) # mover barras de errores .05 hacia la izquierda y la derecha
SEgraph <- ggplot(data = MEDIAS, aes(x = FECHA, y = AFECT,
group = TRAT,
color = TRAT,
linetype = TRAT,
shape = TRAT)) +
geom_errorbar(aes(ymin = AFECT-se, ymax = AFECT+se),
width = .2, position = pd, size = 0.4, linetype = 'solid') +
geom_line(position = pd, size = 1.0, linetype = 'solid') +
geom_point(position = pd, size = 3.0) +
scale_color_brewer(palette = "Set2") +
theme_minimal() +
ggtitle("Gráfico con errores típicos") +
xlab("Años") +
ylab("Tejido foliar afectado (Arcsen)"); SEgraph
#### Boxplot y líneas de interacción
library("plyr")
ipMEDIAS <- ddply(fDOBLE,.(FECHA,TRAT), summarise, val = mean(AFECT)) # precalculando medias
ggplot(fDOBLE, aes(x = factor(FECHA), y = AFECT, colour = TRAT)) +
geom_boxplot() +
geom_point(data = ipMEDIAS, aes(y = val), position = position_dodge(width=0.75)) +
geom_line(data = ipMEDIAS, aes(y = val, group = TRAT), position = position_dodge(width=0.75)) +
scale_color_brewer(palette = "Set2") +
scale_x_discrete("Años") +
scale_y_continuous("Tejido foliar afectado (Arcsen)") +
theme_bw() + theme_bw() +
theme(axis.title.x = element_text(size = 12, hjust = 0.54, vjust = 0),
axis.title.y = element_text(size = 12, angle = 90, vjust = 0.25))
#### Boxplot para interacciones
library(plotly)# FECHA:TRAT
gfDOBLE <- plot_ly(fDOBLE, y = ~AFECT, color = ~FECHA:TRAT, type = "box",
boxpoints = "all", jitter = 0.3, pointpos = -1.8); gfDOBLE# TRAT:FECHA
gfDOBLE <- plot_ly(fDOBLE, y = ~AFECT, color = ~TRAT:FECHA, type = "box",
boxpoints = "all", jitter = 0.3, pointpos = -1.8); gfDOBLE#### Representando "TRAT" en abscisas
# Gráfico de barras con errores típicos
ggplot(MEDIAS, aes(x = TRAT,
y = AFECT,
fill = FECHA)) +
geom_bar(position = position_dodge(), stat = "identity") +
geom_errorbar(aes(ymin = AFECT-se, ymax = AFECT+se), width = .2,
position = position_dodge(.9)) +
scale_fill_brewer(palette = "Set2") + theme_minimal()
#### Gráfico de interacción simple
interaction.plot(TRAT, FECHA, AFECT)
#### Gráfico de interacción coloreado
ggplot(MEDIAS, aes(x = factor(TRAT), y = AFECT, colour = FECHA, group = FECHA)) +
scale_color_brewer(palette = "Set2") + geom_line(size = 1.0, linetype = 'solid')
#### Gráfico de interacción + errores típicos
pd <- position_dodge(0.1) # mover barras de errores .05 hacia la izquierda y la derecha
SEgraph <- ggplot(data = MEDIAS, aes(x = TRAT, y = AFECT,
group = FECHA,
color = FECHA,
linetype = FECHA,
shape = FECHA)) +
geom_errorbar(aes(ymin = AFECT-se, ymax = AFECT+se),
width = .2, position = pd, size = 0.4, linetype = 'solid') +
geom_line(position = pd, size = 1.0, linetype = 'solid') +
geom_point(position = pd, size = 3.0) +
scale_color_brewer(palette = "Set2") +
theme_minimal() +
ggtitle("Gráfico con errores típicos") +
xlab("Tratamientos") +
ylab("Tejido foliar afectado (Arcsen)"); SEgraph
#### Boxplot y líneas de interacción
library("plyr")
ipMEDIAS <- ddply(fDOBLE,.(FECHA,TRAT), summarise, val = mean(AFECT)) # precalculando medias
ggplot(fDOBLE, aes(x = factor(TRAT), y = AFECT, colour = FECHA)) +
geom_boxplot() +
geom_point(data = ipMEDIAS, aes(y = val), position = position_dodge(width=0.75)) +
geom_line(data = ipMEDIAS, aes(y = val, group = FECHA), position = position_dodge(width=0.75))+
scale_color_brewer(palette = "Set2") +
scale_x_discrete("Tratamientos") +
scale_y_continuous("Tejido foliar afectado (Arcsen)") +
theme_bw() + theme_bw() +
theme(axis.title.x = element_text(size = 12, hjust = 0.54, vjust = 0),
axis.title.y = element_text(size = 12, angle = 90, vjust = 0.25))
#### Boxplot para interacciones
library(plotly)
# TRAT:FECHA
gfDOBLE <- plot_ly(fDOBLE, y = ~AFECT, color = ~TRAT:FECHA, type = "box",
boxpoints = "all", jitter = 0.3, pointpos = -1.8); gfDOBLE# FECHA:TRAT
gfDOBLE <- plot_ly(fDOBLE, y = ~AFECT, color = ~FECHA:TRAT, type = "box",
boxpoints = "all", jitter = 0.3, pointpos = -1.8); gfDOBLE#### ANOVA para el AFECT en Año 1
# Separando datos de Año 1
foliarUNO <- fDOBLE[1:20, ]; foliarUNO## FECHA REP TRAT AFECT
## 1 Año 1 I SinTratar 61.9
## 2 Año 1 II SinTratar 55.9
## 3 Año 1 III SinTratar 64.5
## 4 Año 1 IV SinTratar 57.7
## 5 Año 1 V SinTratar 50.9
## 6 Año 1 I Invierno 20.3
## 7 Año 1 II Invierno 16.5
## 8 Año 1 III Invierno 15.0
## 9 Año 1 IV Invierno 8.5
## 10 Año 1 V Invierno 23.8
## 11 Año 1 I Primavera 54.0
## 12 Año 1 II Primavera 60.4
## 13 Año 1 III Primavera 49.7
## 14 Año 1 IV Primavera 70.4
## 15 Año 1 V Primavera 49.0
## 16 Año 1 I Inv+Prim 14.4
## 17 Año 1 II Inv+Prim 16.1
## 18 Año 1 III Inv+Prim 13.4
## 19 Año 1 IV Inv+Prim 10.9
## 20 Año 1 V Inv+Prim 22.8# Estadísticas descriptivas para TRAT
library(doBy) library(pastecs)summaryBy(AFECT ~ TRAT, data = foliarUNO, FUN = stat.desc)## TRAT AFECT.nbr.val AFECT.nbr.null AFECT.nbr.na AFECT.min AFECT.max
## 1 Inv+Prim 5 0 0 10.9 22.8
## 2 Invierno 5 0 0 8.5 23.8
## 3 Primavera 5 0 0 49.0 70.4
## 4 SinTratar 5 0 0 50.9 64.5
## AFECT.range AFECT.sum AFECT.median AFECT.mean AFECT.SE.mean
## 1 11.9 77.6 14.4 15.52 2.005343
## 2 15.3 84.1 16.5 16.82 2.583292
## 3 21.4 283.5 54.0 56.70 3.980955
## 4 13.6 290.9 57.7 58.18 2.368628
## AFECT.CI.mean.0.95 AFECT.var AFECT.std.dev AFECT.coef.var
## 1 5.567724 20.107 4.484083 0.28892287
## 2 7.172370 33.367 5.776418 0.34342554
## 3 11.052902 79.240 8.901685 0.15699621
## 4 6.576366 28.052 5.296414 0.09103496# Gráfico de Medias con 95% de intervalo de confianza
library(gplots)plotmeans(AFECT ~ TRAT,xlab="Tratamientos", data = foliarUNO,
ylab="Hojas afectados (Arsen)", main="Gráfico de Medias\ncon 95% CI")
# Boxplot para AFECT de TRAT en Año 1
gfoliarUNO <- plot_ly(foliarUNO, y = ~AFECT, color = ~TRAT, type = "box",
boxpoints = "all", jitter = 0.3, pointpos = -1.8); gfoliarUNO# ANOVA Diseño en Bloques al Azar
ANOVAfUNO <- aov(AFECT ~ REP + TRAT, data = foliarUNO)
summary(ANOVAfUNO)## Df Sum Sq Mean Sq F value Pr(>F)
## REP 4 9 2.3 0.043 0.996
## TRAT 3 8526 2841.9 53.789 3.13e-07 ***
## Residuals 12 634 52.8
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1confint(ANOVAfUNO)## 2.5 % 97.5 %
## (Intercept) 6.348644 26.381356
## REPII -11.623626 10.773626
## REPIII -13.198626 9.198626
## REPIV -11.973626 10.423626
## REPV -12.223626 10.173626
## TRATInvierno -8.716356 11.316356
## TRATPrimavera 31.163644 51.196356
## TRATSinTratar 32.643644 52.676356plot(ANOVAfUNO)
# Gráfico de residuos contra valores ajustados
ggplot(data.frame(Fitted = fitted(ANOVAfUNO), Residuals = resid(ANOVAfUNO), Treatment = foliarUNO$TRAT),
aes(Fitted, Residuals, colour = Treatment)) + geom_point()
#### ANOVA para el AFECT en Año 2
# Separando datos de Año 2
foliarDOS <- fDOBLE[21:40, ]; foliarDOS## FECHA REP TRAT AFECT
## 21 Año 2 I SinTratar 70.9
## 22 Año 2 II SinTratar 61.2
## 23 Año 2 III SinTratar 56.8
## 24 Año 2 IV SinTratar 62.4
## 25 Año 2 V SinTratar 64.5
## 26 Año 2 I Invierno 15.2
## 27 Año 2 II Invierno 29.9
## 28 Año 2 III Invierno 18.4
## 29 Año 2 IV Invierno 22.1
## 30 Año 2 V Invierno 17.7
## 31 Año 2 I Primavera 46.3
## 32 Año 2 II Primavera 32.0
## 33 Año 2 III Primavera 40.1
## 34 Año 2 IV Primavera 56.0
## 35 Año 2 V Primavera 38.4
## 36 Año 2 I Inv+Prim 4.8
## 37 Año 2 II Inv+Prim 14.5
## 38 Año 2 III Inv+Prim 19.6
## 39 Año 2 IV Inv+Prim 9.8
## 40 Año 2 V Inv+Prim 12.2# Estadísticas descriptivas para Año 2
summaryBy(AFECT ~ TRAT, data = foliarDOS, FUN = stat.desc)## TRAT AFECT.nbr.val AFECT.nbr.null AFECT.nbr.na AFECT.min AFECT.max
## 1 Inv+Prim 5 0 0 4.8 19.6
## 2 Invierno 5 0 0 15.2 29.9
## 3 Primavera 5 0 0 32.0 56.0
## 4 SinTratar 5 0 0 56.8 70.9
## AFECT.range AFECT.sum AFECT.median AFECT.mean AFECT.SE.mean
## 1 14.8 60.9 12.2 12.18 2.455280
## 2 14.7 103.3 18.4 20.66 2.560586
## 3 24.0 212.8 40.1 42.56 4.058891
## 4 14.1 315.8 62.4 63.16 2.308376
## AFECT.CI.mean.0.95 AFECT.var AFECT.std.dev AFECT.coef.var
## 1 6.816950 30.142 5.490173 0.45075312
## 2 7.109326 32.783 5.725644 0.27713669
## 3 11.269289 82.373 9.075957 0.21325088
## 4 6.409079 26.643 5.161686 0.08172397# Gráfico de Medias con 95% de intervalo de confianza
plotmeans(AFECT ~ TRAT,xlab="Tratamientos", data = foliarDOS,
ylab="Hojas afectados (Arcsen)", main="Gráfico de Medias\ncon 95% CI")
# Boxplot para AFECT de TRATes en Año 2
gfDOS <- plot_ly(foliarDOS, y = ~AFECT, color = ~TRAT, type = "box",
boxpoints = "all", jitter = 0.3, pointpos = -1.8); gfDOS# ANOVA Diseño en Bloques al Azar
ANOVAfDOS <- aov(AFECT ~ REP + TRAT, data = foliarDOS)
summary(ANOVAfDOS)## Df Sum Sq Mean Sq F value Pr(>F)
## REP 4 47 11.7 0.219 0.923
## TRAT 3 7880 2626.7 49.176 5.14e-07 ***
## Residuals 12 641 53.4
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1confint(ANOVAfDOS)## 2.5 % 97.5 %
## (Intercept) 1.768863 21.91114
## REPII -11.159873 11.35987
## REPIII -11.834873 10.68487
## REPIV -7.984873 14.53487
## REPV -12.359873 10.15987
## TRATInvierno -1.591137 18.55114
## TRATPrimavera 20.308863 40.45114
## TRATSinTratar 40.908863 61.05114plot(ANOVAfDOS)
# Gráfico de residuos contra valores ajustados
ggplot(data.frame(Fitted = fitted(ANOVAfDOS), Residuals = resid(ANOVAfDOS), Treatment = foliarDOS$TRAT),
aes(Fitted, Residuals, colour = Treatment)) + geom_point()
#### Modelo FECHA FECHA*REP(E) TRAT TRAT*FECHA
# Opción 1
MODELO <- aov(AFECT ~ FECHA + Error(FECHA/REP) + FECHA*TRAT, fDOBLE)
summary(MODELO)##
## Error: FECHA
## Df Sum Sq Mean Sq
## FECHA 1 46.87 46.87
##
## Error: FECHA:REP
## Df Sum Sq Mean Sq F value Pr(>F)
## Residuals 8 55.84 6.98
##
## Error: Within
## Df Sum Sq Mean Sq F value Pr(>F)
## TRAT 3 15826 5275 99.302 1.15e-13 ***
## FECHA:TRAT 3 580 193 3.638 0.0271 *
## Residuals 24 1275 53
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1# Opción 2
MODELO <- aov(AFECT ~ FECHA + FECHA/REP + FECHA*TRAT, fDOBLE)
summary(MODELO)## Df Sum Sq Mean Sq F value Pr(>F)
## FECHA 1 47 47 0.882 0.3569
## TRAT 3 15826 5275 99.302 1.15e-13 ***
## FECHA:REP 8 56 7 0.131 0.9971
## FECHA:TRAT 3 580 193 3.638 0.0271 *
## Residuals 24 1275 53
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#### Descomposición de las sumas de cuadrados
#### de ambos factores en CONTRASTES ORTOGONALES,
#### con un grado de libertad
# Verificar niveles y orden de tratamientos
str(fDOBLE)# Coeficientes de contraste
# Contraste IxP I P ST
# Invierno 1 1 -1 -1
# Primavera 1 -1 1 -1
# I x P 1 -1 -1 1
# Crear matrix temporal
contrastmatrix <- cbind(c(1, 1, -1, -1),
c(1, -1, 1, -1),
c(1, -1, -1, 1)); contrastmatrix## [,1] [,2] [,3]
## [1,] 1 1 1
## [2,] 1 -1 -1
## [3,] -1 1 -1
## [4,] -1 -1 1# Asignar matrix temporal a TRAT
contrasts(fDOBLE$TRAT)<-contrastmatrix
fDOBLE$TRAT## attr(,"contrasts")
## [,1] [,2] [,3]
## Inv+Prim 1 1 1
## Invierno 1 -1 -1
## Primavera -1 1 -1
## SinTratar -1 -1 1
## Levels: Inv+Prim Invierno Primavera SinTratar# Correr nuevamente el ANOVA con interacciones
CONTRASTAR <- aov(AFECT ~ FECHA + FECHA/REP + FECHA*TRAT, fDOBLE)
# Separar suma de cuadrados para TRAT
summary(CONTRASTAR, split = list(TRAT = list("Invierno" = 1,"Primavera" = 2, "I x P" = 3)))## Df Sum Sq Mean Sq F value Pr(>F)
## FECHA 1 47 47 0.882 0.35693
## TRAT 3 15826 5275 99.302 1.15e-13 ***
## TRAT: Invierno 1 15097 15097 284.184 8.32e-15 ***
## TRAT: Primavera 1 634 634 11.942 0.00206 **
## TRAT: I x P 1 95 95 1.780 0.19468
## FECHA:REP 8 56 7 0.131 0.99709
## FECHA:TRAT 3 580 193 3.638 0.02707 *
## FECHA:TRAT: Invierno 1 58 58 1.098 0.30518
## FECHA:TRAT: Primavera 1 432 432 8.138 0.00878 **
## FECHA:TRAT: I x P 1 89 89 1.677 0.20761
## Residuals 24 1275 53
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1# Nota:
# La Suma de Cuadrados (SC) y los Cuadrados Medios (CM) son similares a los presentados
# en el ANOVA de la página 184; no obstante, los valores de F y p son diferentes.Codigos para SAS
/***********************************************************
EXPERIMENTACIÓN EN AGRICULTURA
Fernández
Escobar, R.; Trapero, A.; Domínguez, J. 2010
CAPÍTULO 13:
ANÁLISIS DE LA VARIANZA COMBINADO
Análisis de
diferentes años (páginas 180 - 184)
************************************************************/
DATA foliarDOBLE;
INPUT FECHA BLO $ TRAT $ AFECT;
LABEL
FECHA = 'Año de Experimento'
BLO = 'Repeticiones'
TRAT = 'Momento de Aplicación'
AFECT
= 'Tejido foliar
afectado (Arcsen)';
DATALINES;
1 I SinTratar 61.9
1 II SinTratar 55.9
1 III SinTratar 64.5
1 IV SinTratar 57.7
1 V SinTratar 50.9
1 I Invierno 20.3
1 II Invierno 16.5
1 III Invierno 15
1 IV Invierno 8.5
1 V Invierno 23.8
1 I Primavera 54
1 II Primavera 60.4
1 III Primavera 49.7
1 IV Primavera 70.4
1 V Primavera 49
1 I Inv+Prim 14.4
1 II Inv+Prim 16.1
1 III Inv+Prim 13.4
1 IV Inv+Prim 10.9
1 V Inv+Prim 22.8
2 I SinTratar 70.9
2 II SinTratar 61.2
2 III SinTratar 56.8
2 IV SinTratar 62.4
2 V SinTratar 64.5
2 I Invierno 15.2
2 II Invierno 29.9
2 III Invierno 18.4
2 IV Invierno 22.1
2 V Invierno 17.7
2 I Primavera 46.3
2 II Primavera 32
2 III Primavera 40.1
2 IV Primavera 56
2 V Primavera 38.4
2 I Inv+Prim 4.8
2 II Inv+Prim 14.5
2 III Inv+Prim 19.6
2 IV Inv+Prim 9.8
2 V Inv+Prim 12.2
;
ODS HTML;
* Generando resultados en Rich Text Format (RTF) en
estilo STATISTICAL;
* Otras opciones:
LISTING, JOURNAL, JOURNAL2, RTF, ANALYSYS;
ODS RTF FILE = 'C:\Users\Administrator\Desktop\SASoutput.rtf' STYLE=
STATISTICAL;
* Imprimir datos originales;
PROC PRINT DATA =
foliarDOBLE;
RUN;
* Estadísticas descriptivas;
PROC MEANS MEAN STD;
VAR
AFECT;
CLASS FECHA TRAT;
RUN;
* Separando datos de Año 1;
DATA foliarUNO;
SET foliarDOBLE(obs = 20); RUN; *Incluye las primeras 20 líneas;
PROC PRINT DATA =
foliarUNO;
RUN;
* ANOVA Diseño Bloques Completos al Azar: Año 1;
PROC GLM DATA =
foliarUNO;
CLASS
TRAT BLO;
MODEL AFECT = BLO TRAT;
RUN;
* Separando datos de Año 2;
DATA foliarDOS;
SET foliarDOBLE(firstobs = 21); RUN; *Lectura de datos inicia en línea 21;
PROC PRINT DATA =
foliarDOS;
RUN;
PROC GLM DATA =
foliarDOS;
CLASS
TRAT BLO;
MODEL AFECT = BLO TRAT;
RUN;
* Opción 1: ANOVA Combinado AFECT (página 183);
PROC GLM DATA =
foliarDOBLE;
CLASS
TRAT BLO FECHA;
MODEL AFECT = FECHA BLO FECHA*BLO TRAT FECHA*TRAT;
RUN;
* Opción 2: ANOVA Combinado AFECT (página 183)
Mejor!;
PROC MIXED DATA =
foliarDOBLE METHOD = TYPE3;
CLASS
TRAT BLO FECHA;
MODEL
AFECT = FECHA TRAT FECHA*TRAT / DDFM=SATTERTH;
RANDOM
FECHA*BLO;
RUN;
* Opción 1: ANOVA Combinado con la descomposición de
los tratamientos (página 184);
* SC y CM son similares a los de la tabla -- valores
de F y p son diferentes;
PROC GLM DATA =
foliarDOBLE;
CLASS
TRAT BLO FECHA;
MODEL AFECT = FECHA BLO FECHA*BLO TRAT FECHA*TRAT / SOLUTION;
RANDOM FECHA*BLO / TEST;
*Contrastes Tratamientos IxP
I P ST;
CONTRAST 'Invierno'
TRAT 1 1 -1 -1;
CONTRAST 'Primavera' TRAT 1 -1 1 -1;
CONTRAST 'I
x P' TRAT 1 -1 -1 1;
RUN;
* Opción 2: ANOVA Combinado con la descomposición de
los tratamientos (página 184) Mejor!;
PROC MIXED DATA =
foliarDOBLE METHOD = TYPE1;
CLASS TRAT BLO FECHA;
MODEL AFECT = FECHA TRAT FECHA*TRAT / DDFM=SATTERTH;
RANDOM FECHA*BLO;
*Contrastes Tratamientos IxP
I P ST;
CONTRAST 'Invierno'
TRAT 1 1 -1 -1;
CONTRAST 'Primavera' TRAT 1 -1 1 -1;
CONTRAST 'I
x P' TRAT 1 -1 -1 1;
RUN;
QUIT;
ODS RTF CLOSE;
ODS HTML CLOSE;
-----------------------------------------------------------
Archivos con códigos completos:
Datos: tabla 13.4.csv
SAS : capítulo 13d.sas
No hay comentarios:
Publicar un comentario