setwd("G:/Mi unidad/Agrosavia/FeCa/Fenoma/Carbono")
carbdat<-read.table("carbonf.csv", header=T, sep=';')
attach(carbdat)
reg<-as.factor(reg)
departamento<-as.factor(departamento)
municipio<-as.factor(municipio)
municipio<-ordered(municipio, levels = c("Yacopí", "Puerto Rico", "San Vicente", "Chinácota","Jamundí", "Rionegro", "Villa Garzón", "Gigante","Hato Corozal", "Tame"))
finca<-as.factor(finca)
gen<-as.factor(gen)
cacao.num<-as.factor(cacao.num)
E<-as.factor(E)
##Modelo general de efectos fijos
modelo_lmm <- lm(
Mg.ab.diamalt ~ gen*municipio) # Efectos Fijos (Interacción GxE)
anova (modelo_lmm)# Anova efectos fijos
## Analysis of Variance Table
##
## Response: Mg.ab.diamalt
## Df Sum Sq Mean Sq F value Pr(>F)
## gen 7 77.0 11.00 1.4435 0.1888
## municipio 9 4328.9 480.99 63.1331 <2e-16 ***
## gen:municipio 60 555.1 9.25 1.2144 0.1577
## Residuals 231 1759.9 7.62
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##Modelo aleatorio para Municipio
library(lme4)
## Cargando paquete requerido: Matrix
modelo_lmm2 <- lmer(
Mg.ab.diamalt ~ municipio + # Efectos Fijos (Interacción GxE)
(1 | reg) + # Efecto Aleatorio de Región
(1 | reg:departamento), # Efecto Aleatorio de departamento anidada en Región
)
## Warning in checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
## unable to evaluate scaled gradient
## Warning in checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
## Hessian is numerically singular: parameters are not uniquely determined
anova (modelo_lmm2)
## Analysis of Variance Table
## npar Sum Sq Mean Sq F value
## municipio 9 573.43 63.715 7.9025
##pruebas a posteriori (post-hoc) para determinar cuáles grupos específicos
##son significativamente diferentes entre sí.
# 1. Pruebas para el Efecto Principal del Genotipo
# el efecto principal del Genotipo es significativo,
# comparar el rendimiento promedio de cada genotipo a lo largo de todos los niveles de estrés y zonas.
# Paso 1: Calcular las EMMs para el Genotipo (Estimated Marginal Means o EMMs, a menudo llamadas medias de mínimos cuadrados o least-squares means)
# que son las medias predichas por el modelo, ajustando los efectos aleatorios.
library(emmeans)
## Welcome to emmeans.
## Caution: You lose important information if you filter this package's results.
## See '? untidy'
## Pruebas para la Interacción Genotipo * municipio (G * M). Este es el escenario más común e informativo.
## Una interacción significativa indica que el efecto del estrés ambiental depende del genotipo, o viceversa.
##Las pruebas post-hoc deben centrarse en desglosar esta interacción.A.
## Comparaciones de Genotipos dentro de cada Nivel de municipio.Esta prueba le dice: Bajo un nivel específico de municipio, ¿qué genotipos se desempeñan mejor entre sí?
## Paso 1: Calcular las EMMs para la Interacción.
emms_interaccion <- emmeans(modelo_lmm, specs = ~ gen | municipio)
emms_interaccion
## municipio = Yacopí:
## gen emmean SE df lower.CL upper.CL
## CNCH12 8.764 1.38 231 6.04469 11.48
## CNCH13 5.575 1.38 231 2.85562 8.29
## FBO1 6.623 1.38 231 3.90401 9.34
## FCHI8 8.818 1.38 231 6.09866 11.54
## FEAR5 9.676 1.38 231 6.95641 12.39
## FGI4 11.852 1.38 231 9.13244 14.57
## FMA7 5.097 1.38 231 2.37780 7.82
## FSV1 6.394 1.38 231 3.67454 9.11
##
## municipio = Puerto Rico:
## gen emmean SE df lower.CL upper.CL
## CNCH12 4.785 1.38 231 2.06589 7.50
## CNCH13 4.638 1.38 231 1.91877 7.36
## FBO1 5.325 1.38 231 2.60630 8.04
## FCHI8 nonEst NA NA NA NA
## FEAR5 6.150 1.38 231 3.43036 8.87
## FGI4 3.816 1.38 231 1.09685 6.54
## FMA7 3.502 1.38 231 0.78245 6.22
## FSV1 4.110 1.38 231 1.39076 6.83
##
## municipio = San Vicente:
## gen emmean SE df lower.CL upper.CL
## CNCH12 2.067 1.38 231 -0.65188 4.79
## CNCH13 2.722 1.38 231 0.00321 5.44
## FBO1 1.830 1.38 231 -0.88887 4.55
## FCHI8 1.770 1.38 231 -0.94910 4.49
## FEAR5 3.782 1.38 231 1.06290 6.50
## FGI4 1.621 1.38 231 -1.09843 4.34
## FMA7 2.630 1.38 231 -0.08928 5.35
## FSV1 1.641 1.38 231 -1.07795 4.36
##
## municipio = Chinácota:
## gen emmean SE df lower.CL upper.CL
## CNCH12 1.454 1.38 231 -1.26507 4.17
## CNCH13 2.236 1.38 231 -0.48325 4.96
## FBO1 2.060 1.38 231 -0.65929 4.78
## FCHI8 0.936 1.38 231 -1.78330 3.66
## FEAR5 2.113 1.38 231 -0.60659 4.83
## FGI4 1.496 1.38 231 -1.22275 4.22
## FMA7 1.553 1.38 231 -1.16618 4.27
## FSV1 1.484 1.38 231 -1.23538 4.20
##
## municipio = Jamundí:
## gen emmean SE df lower.CL upper.CL
## CNCH12 2.640 1.38 231 -0.07877 5.36
## CNCH13 3.232 1.38 231 0.51249 5.95
## FBO1 2.010 1.38 231 -0.70957 4.73
## FCHI8 nonEst NA NA NA NA
## FEAR5 3.106 1.38 231 0.38666 5.83
## FGI4 2.460 1.38 231 -0.25879 5.18
## FMA7 1.930 1.38 231 -0.78888 4.65
## FSV1 nonEst NA NA NA NA
##
## municipio = Rionegro:
## gen emmean SE df lower.CL upper.CL
## CNCH12 5.095 1.38 231 2.37550 7.81
## CNCH13 4.937 1.38 231 2.21819 7.66
## FBO1 5.335 1.38 231 2.61554 8.05
## FCHI8 3.611 1.38 231 0.89163 6.33
## FEAR5 4.248 1.38 231 1.52865 6.97
## FGI4 3.262 1.38 231 0.54231 5.98
## FMA7 6.325 1.38 231 3.60568 9.04
## FSV1 3.289 1.38 231 0.56950 6.01
##
## municipio = Villa Garzón:
## gen emmean SE df lower.CL upper.CL
## CNCH12 4.076 1.38 231 1.35686 6.80
## CNCH13 8.364 1.38 231 5.64451 11.08
## FBO1 4.049 1.38 231 1.32950 6.77
## FCHI8 3.868 1.38 231 1.14919 6.59
## FEAR5 11.461 1.38 231 8.74215 14.18
## FGI4 5.758 1.38 231 3.03896 8.48
## FMA7 6.016 1.38 231 3.29719 8.74
## FSV1 6.217 1.38 231 3.49767 8.94
##
## municipio = Gigante:
## gen emmean SE df lower.CL upper.CL
## CNCH12 1.947 1.38 231 -0.77197 4.67
## CNCH13 4.133 1.38 231 1.41356 6.85
## FBO1 3.927 1.38 231 1.20779 6.65
## FCHI8 5.321 1.38 231 2.60141 8.04
## FEAR5 4.511 1.38 231 1.79134 7.23
## FGI4 3.297 1.38 231 0.57768 6.02
## FMA7 3.379 1.38 231 0.65986 6.10
## FSV1 2.654 1.38 231 -0.06472 5.37
##
## municipio = Hato Corozal:
## gen emmean SE df lower.CL upper.CL
## CNCH12 2.919 1.38 231 0.19949 5.64
## CNCH13 2.779 1.38 231 0.05952 5.50
## FBO1 3.045 1.38 231 0.32630 5.76
## FCHI8 2.514 1.38 231 -0.20495 5.23
## FEAR5 3.146 1.38 231 0.42639 5.86
## FGI4 2.918 1.38 231 0.19902 5.64
## FMA7 2.947 1.38 231 0.22756 5.67
## FSV1 3.234 1.38 231 0.51511 5.95
##
## municipio = Tame:
## gen emmean SE df lower.CL upper.CL
## CNCH12 14.880 1.38 231 12.16031 17.60
## CNCH13 17.617 1.38 231 14.89817 20.34
## FBO1 15.558 1.38 231 12.83864 18.28
## FCHI8 14.820 1.38 231 12.10113 17.54
## FEAR5 12.303 1.38 231 9.58363 15.02
## FGI4 17.876 1.38 231 15.15642 20.59
## FMA7 10.001 1.38 231 7.28132 12.72
## FSV1 15.371 1.38 231 12.65175 18.09
##
## Confidence level used: 0.95
# Comparar los genotipos, pero dentro de cada nivel de municipio
contrastes_interaccion_A <- pairs(emms_interaccion, adjust = "tukey")
summary(contrastes_interaccion_A)
## municipio = Yacopí:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 3.189069 1.95 231 1.634 0.7292
## CNCH12 - FBO1 2.140680 1.95 231 1.097 0.9570
## CNCH12 - FCHI8 -0.053968 1.95 231 -0.028 1.0000
## CNCH12 - FEAR5 -0.911724 1.95 231 -0.467 0.9998
## CNCH12 - FGI4 -3.087746 1.95 231 -1.582 0.7607
## CNCH12 - FMA7 3.666892 1.95 231 1.879 0.5669
## CNCH12 - FSV1 2.370150 1.95 231 1.214 0.9271
## CNCH13 - FBO1 -1.048390 1.95 231 -0.537 0.9994
## CNCH13 - FCHI8 -3.243037 1.95 231 -1.662 0.7119
## CNCH13 - FEAR5 -4.100793 1.95 231 -2.101 0.4173
## CNCH13 - FGI4 -6.276816 1.95 231 -3.216 0.0316
## CNCH13 - FMA7 0.477822 1.95 231 0.245 1.0000
## CNCH13 - FSV1 -0.818919 1.95 231 -0.420 0.9999
## FBO1 - FCHI8 -2.194648 1.95 231 -1.124 0.9509
## FBO1 - FEAR5 -3.052403 1.95 231 -1.564 0.7712
## FBO1 - FGI4 -5.228426 1.95 231 -2.679 0.1344
## FBO1 - FMA7 1.526212 1.95 231 0.782 0.9939
## FBO1 - FSV1 0.229470 1.95 231 0.118 1.0000
## FCHI8 - FEAR5 -0.857756 1.95 231 -0.439 0.9999
## FCHI8 - FGI4 -3.033778 1.95 231 -1.554 0.7767
## FCHI8 - FMA7 3.720860 1.95 231 1.906 0.5479
## FCHI8 - FSV1 2.424118 1.95 231 1.242 0.9184
## FEAR5 - FGI4 -2.176023 1.95 231 -1.115 0.9531
## FEAR5 - FMA7 4.578615 1.95 231 2.346 0.2736
## FEAR5 - FSV1 3.281874 1.95 231 1.681 0.6992
## FGI4 - FMA7 6.754638 1.95 231 3.461 0.0146
## FGI4 - FSV1 5.457896 1.95 231 2.796 0.1009
## FMA7 - FSV1 -1.296742 1.95 231 -0.664 0.9978
##
## municipio = Puerto Rico:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 0.147116 1.95 231 0.075 1.0000
## CNCH12 - FBO1 -0.540415 1.95 231 -0.277 1.0000
## CNCH12 - FCHI8 nonEst NA NA NA NA
## CNCH12 - FEAR5 -1.364468 1.95 231 -0.699 0.9926
## CNCH12 - FGI4 0.969036 1.95 231 0.496 0.9989
## CNCH12 - FMA7 1.283437 1.95 231 0.658 0.9947
## CNCH12 - FSV1 0.675129 1.95 231 0.346 0.9999
## CNCH13 - FBO1 -0.687531 1.95 231 -0.352 0.9998
## CNCH13 - FCHI8 nonEst NA NA NA NA
## CNCH13 - FEAR5 -1.511584 1.95 231 -0.774 0.9872
## CNCH13 - FGI4 0.821920 1.95 231 0.421 0.9996
## CNCH13 - FMA7 1.136321 1.95 231 0.582 0.9973
## CNCH13 - FSV1 0.528013 1.95 231 0.271 1.0000
## FBO1 - FCHI8 nonEst NA NA NA NA
## FBO1 - FEAR5 -0.824053 1.95 231 -0.422 0.9996
## FBO1 - FGI4 1.509451 1.95 231 0.773 0.9873
## FBO1 - FMA7 1.823852 1.95 231 0.934 0.9666
## FBO1 - FSV1 1.215544 1.95 231 0.623 0.9960
## FCHI8 - FEAR5 nonEst NA NA NA NA
## FCHI8 - FGI4 nonEst NA NA NA NA
## FCHI8 - FMA7 nonEst NA NA NA NA
## FCHI8 - FSV1 nonEst NA NA NA NA
## FEAR5 - FGI4 2.333504 1.95 231 1.196 0.8953
## FEAR5 - FMA7 2.647905 1.95 231 1.357 0.8240
## FEAR5 - FSV1 2.039597 1.95 231 1.045 0.9429
## FGI4 - FMA7 0.314401 1.95 231 0.161 1.0000
## FGI4 - FSV1 -0.293907 1.95 231 -0.151 1.0000
## FMA7 - FSV1 -0.608308 1.95 231 -0.312 0.9999
##
## municipio = San Vicente:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.655090 1.95 231 -0.336 1.0000
## CNCH12 - FBO1 0.236993 1.95 231 0.121 1.0000
## CNCH12 - FCHI8 0.297228 1.95 231 0.152 1.0000
## CNCH12 - FEAR5 -1.714777 1.95 231 -0.879 0.9877
## CNCH12 - FGI4 0.446550 1.95 231 0.229 1.0000
## CNCH12 - FMA7 -0.562600 1.95 231 -0.288 1.0000
## CNCH12 - FSV1 0.426073 1.95 231 0.218 1.0000
## CNCH13 - FBO1 0.892083 1.95 231 0.457 0.9998
## CNCH13 - FCHI8 0.952318 1.95 231 0.488 0.9997
## CNCH13 - FEAR5 -1.059687 1.95 231 -0.543 0.9994
## CNCH13 - FGI4 1.101641 1.95 231 0.564 0.9992
## CNCH13 - FMA7 0.092490 1.95 231 0.047 1.0000
## CNCH13 - FSV1 1.081163 1.95 231 0.554 0.9993
## FBO1 - FCHI8 0.060235 1.95 231 0.031 1.0000
## FBO1 - FEAR5 -1.951770 1.95 231 -1.000 0.9741
## FBO1 - FGI4 0.209558 1.95 231 0.107 1.0000
## FBO1 - FMA7 -0.799593 1.95 231 -0.410 0.9999
## FBO1 - FSV1 0.189080 1.95 231 0.097 1.0000
## FCHI8 - FEAR5 -2.012005 1.95 231 -1.031 0.9693
## FCHI8 - FGI4 0.149323 1.95 231 0.077 1.0000
## FCHI8 - FMA7 -0.859828 1.95 231 -0.441 0.9999
## FCHI8 - FSV1 0.128845 1.95 231 0.066 1.0000
## FEAR5 - FGI4 2.161328 1.95 231 1.107 0.9547
## FEAR5 - FMA7 1.152177 1.95 231 0.590 0.9990
## FEAR5 - FSV1 2.140850 1.95 231 1.097 0.9570
## FGI4 - FMA7 -1.009151 1.95 231 -0.517 0.9996
## FGI4 - FSV1 -0.020478 1.95 231 -0.010 1.0000
## FMA7 - FSV1 0.988673 1.95 231 0.507 0.9996
##
## municipio = Chinácota:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.781818 1.95 231 -0.401 0.9999
## CNCH12 - FBO1 -0.605775 1.95 231 -0.310 1.0000
## CNCH12 - FCHI8 0.518232 1.95 231 0.266 1.0000
## CNCH12 - FEAR5 -0.658477 1.95 231 -0.337 1.0000
## CNCH12 - FGI4 -0.042314 1.95 231 -0.022 1.0000
## CNCH12 - FMA7 -0.098887 1.95 231 -0.051 1.0000
## CNCH12 - FSV1 -0.029685 1.95 231 -0.015 1.0000
## CNCH13 - FBO1 0.176042 1.95 231 0.090 1.0000
## CNCH13 - FCHI8 1.300050 1.95 231 0.666 0.9978
## CNCH13 - FEAR5 0.123340 1.95 231 0.063 1.0000
## CNCH13 - FGI4 0.739504 1.95 231 0.379 0.9999
## CNCH13 - FMA7 0.682931 1.95 231 0.350 1.0000
## CNCH13 - FSV1 0.752133 1.95 231 0.385 0.9999
## FBO1 - FCHI8 1.124007 1.95 231 0.576 0.9991
## FBO1 - FEAR5 -0.052702 1.95 231 -0.027 1.0000
## FBO1 - FGI4 0.563462 1.95 231 0.289 1.0000
## FBO1 - FMA7 0.506888 1.95 231 0.260 1.0000
## FBO1 - FSV1 0.576090 1.95 231 0.295 1.0000
## FCHI8 - FEAR5 -1.176709 1.95 231 -0.603 0.9988
## FCHI8 - FGI4 -0.560546 1.95 231 -0.287 1.0000
## FCHI8 - FMA7 -0.617119 1.95 231 -0.316 1.0000
## FCHI8 - FSV1 -0.547917 1.95 231 -0.281 1.0000
## FEAR5 - FGI4 0.616164 1.95 231 0.316 1.0000
## FEAR5 - FMA7 0.559590 1.95 231 0.287 1.0000
## FEAR5 - FSV1 0.628792 1.95 231 0.322 1.0000
## FGI4 - FMA7 -0.056573 1.95 231 -0.029 1.0000
## FGI4 - FSV1 0.012629 1.95 231 0.006 1.0000
## FMA7 - FSV1 0.069202 1.95 231 0.035 1.0000
##
## municipio = Jamundí:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.591254 1.95 231 -0.303 0.9997
## CNCH12 - FBO1 0.630802 1.95 231 0.323 0.9995
## CNCH12 - FCHI8 nonEst NA NA NA NA
## CNCH12 - FEAR5 -0.465426 1.95 231 -0.238 0.9999
## CNCH12 - FGI4 0.180019 1.95 231 0.092 1.0000
## CNCH12 - FMA7 0.710107 1.95 231 0.364 0.9992
## CNCH12 - FSV1 nonEst NA NA NA NA
## CNCH13 - FBO1 1.222057 1.95 231 0.626 0.9890
## CNCH13 - FCHI8 nonEst NA NA NA NA
## CNCH13 - FEAR5 0.125828 1.95 231 0.064 1.0000
## CNCH13 - FGI4 0.771274 1.95 231 0.395 0.9987
## CNCH13 - FMA7 1.301362 1.95 231 0.667 0.9854
## CNCH13 - FSV1 nonEst NA NA NA NA
## FBO1 - FCHI8 nonEst NA NA NA NA
## FBO1 - FEAR5 -1.096229 1.95 231 -0.562 0.9933
## FBO1 - FGI4 -0.450783 1.95 231 -0.231 0.9999
## FBO1 - FMA7 0.079305 1.95 231 0.041 1.0000
## FBO1 - FSV1 nonEst NA NA NA NA
## FCHI8 - FEAR5 nonEst NA NA NA NA
## FCHI8 - FGI4 nonEst NA NA NA NA
## FCHI8 - FMA7 nonEst NA NA NA NA
## FCHI8 - FSV1 nonEst NA NA NA NA
## FEAR5 - FGI4 0.645446 1.95 231 0.331 0.9995
## FEAR5 - FMA7 1.175534 1.95 231 0.602 0.9908
## FEAR5 - FSV1 nonEst NA NA NA NA
## FGI4 - FMA7 0.530088 1.95 231 0.272 0.9998
## FGI4 - FSV1 nonEst NA NA NA NA
## FMA7 - FSV1 nonEst NA NA NA NA
##
## municipio = Rionegro:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 0.157308 1.95 231 0.081 1.0000
## CNCH12 - FBO1 -0.240041 1.95 231 -0.123 1.0000
## CNCH12 - FCHI8 1.483870 1.95 231 0.760 0.9949
## CNCH12 - FEAR5 0.846856 1.95 231 0.434 0.9999
## CNCH12 - FGI4 1.833190 1.95 231 0.939 0.9819
## CNCH12 - FMA7 -1.230174 1.95 231 -0.630 0.9984
## CNCH12 - FSV1 1.806004 1.95 231 0.925 0.9834
## CNCH13 - FBO1 -0.397350 1.95 231 -0.204 1.0000
## CNCH13 - FCHI8 1.326561 1.95 231 0.680 0.9975
## CNCH13 - FEAR5 0.689547 1.95 231 0.353 1.0000
## CNCH13 - FGI4 1.675882 1.95 231 0.859 0.9893
## CNCH13 - FMA7 -1.387482 1.95 231 -0.711 0.9966
## CNCH13 - FSV1 1.648696 1.95 231 0.845 0.9903
## FBO1 - FCHI8 1.723911 1.95 231 0.883 0.9873
## FBO1 - FEAR5 1.086897 1.95 231 0.557 0.9993
## FBO1 - FGI4 2.073232 1.95 231 1.062 0.9638
## FBO1 - FMA7 -0.990132 1.95 231 -0.507 0.9996
## FBO1 - FSV1 2.046046 1.95 231 1.048 0.9663
## FCHI8 - FEAR5 -0.637014 1.95 231 -0.326 1.0000
## FCHI8 - FGI4 0.349321 1.95 231 0.179 1.0000
## FCHI8 - FMA7 -2.714043 1.95 231 -1.391 0.8609
## FCHI8 - FSV1 0.322135 1.95 231 0.165 1.0000
## FEAR5 - FGI4 0.986335 1.95 231 0.505 0.9996
## FEAR5 - FMA7 -2.077029 1.95 231 -1.064 0.9635
## FEAR5 - FSV1 0.959149 1.95 231 0.491 0.9997
## FGI4 - FMA7 -3.063364 1.95 231 -1.570 0.7680
## FGI4 - FSV1 -0.027186 1.95 231 -0.014 1.0000
## FMA7 - FSV1 3.036178 1.95 231 1.556 0.7760
##
## municipio = Villa Garzón:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -4.287650 1.95 231 -2.197 0.3575
## CNCH12 - FBO1 0.027368 1.95 231 0.014 1.0000
## CNCH12 - FCHI8 0.207676 1.95 231 0.106 1.0000
## CNCH12 - FEAR5 -7.385287 1.95 231 -3.784 0.0048
## CNCH12 - FGI4 -1.682098 1.95 231 -0.862 0.9890
## CNCH12 - FMA7 -1.940323 1.95 231 -0.994 0.9749
## CNCH12 - FSV1 -2.140809 1.95 231 -1.097 0.9570
## CNCH13 - FBO1 4.315018 1.95 231 2.211 0.3491
## CNCH13 - FCHI8 4.495326 1.95 231 2.303 0.2963
## CNCH13 - FEAR5 -3.097637 1.95 231 -1.587 0.7577
## CNCH13 - FGI4 2.605552 1.95 231 1.335 0.8846
## CNCH13 - FMA7 2.347327 1.95 231 1.203 0.9305
## CNCH13 - FSV1 2.146841 1.95 231 1.100 0.9563
## FBO1 - FCHI8 0.180308 1.95 231 0.092 1.0000
## FBO1 - FEAR5 -7.412655 1.95 231 -3.798 0.0046
## FBO1 - FGI4 -1.709466 1.95 231 -0.876 0.9879
## FBO1 - FMA7 -1.967691 1.95 231 -1.008 0.9729
## FBO1 - FSV1 -2.168177 1.95 231 -1.111 0.9540
## FCHI8 - FEAR5 -7.592963 1.95 231 -3.890 0.0032
## FCHI8 - FGI4 -1.889774 1.95 231 -0.968 0.9784
## FCHI8 - FMA7 -2.147999 1.95 231 -1.101 0.9562
## FCHI8 - FSV1 -2.348485 1.95 231 -1.203 0.9303
## FEAR5 - FGI4 5.703189 1.95 231 2.922 0.0729
## FEAR5 - FMA7 5.444964 1.95 231 2.790 0.1026
## FEAR5 - FSV1 5.244478 1.95 231 2.687 0.1318
## FGI4 - FMA7 -0.258225 1.95 231 -0.132 1.0000
## FGI4 - FSV1 -0.458711 1.95 231 -0.235 1.0000
## FMA7 - FSV1 -0.200486 1.95 231 -0.103 1.0000
##
## municipio = Gigante:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -2.185528 1.95 231 -1.120 0.9520
## CNCH12 - FBO1 -1.979753 1.95 231 -1.014 0.9719
## CNCH12 - FCHI8 -3.373375 1.95 231 -1.728 0.6687
## CNCH12 - FEAR5 -2.563304 1.95 231 -1.313 0.8931
## CNCH12 - FGI4 -1.349646 1.95 231 -0.692 0.9972
## CNCH12 - FMA7 -1.431828 1.95 231 -0.734 0.9959
## CNCH12 - FSV1 -0.707245 1.95 231 -0.362 1.0000
## CNCH13 - FBO1 0.205774 1.95 231 0.105 1.0000
## CNCH13 - FCHI8 -1.187847 1.95 231 -0.609 0.9987
## CNCH13 - FEAR5 -0.377777 1.95 231 -0.194 1.0000
## CNCH13 - FGI4 0.835881 1.95 231 0.428 0.9999
## CNCH13 - FMA7 0.753700 1.95 231 0.386 0.9999
## CNCH13 - FSV1 1.478283 1.95 231 0.757 0.9950
## FBO1 - FCHI8 -1.393622 1.95 231 -0.714 0.9965
## FBO1 - FEAR5 -0.583551 1.95 231 -0.299 1.0000
## FBO1 - FGI4 0.630107 1.95 231 0.323 1.0000
## FBO1 - FMA7 0.547926 1.95 231 0.281 1.0000
## FBO1 - FSV1 1.272508 1.95 231 0.652 0.9980
## FCHI8 - FEAR5 0.810070 1.95 231 0.415 0.9999
## FCHI8 - FGI4 2.023728 1.95 231 1.037 0.9683
## FCHI8 - FMA7 1.941547 1.95 231 0.995 0.9748
## FCHI8 - FSV1 2.666130 1.95 231 1.366 0.8717
## FEAR5 - FGI4 1.213658 1.95 231 0.622 0.9986
## FEAR5 - FMA7 1.131477 1.95 231 0.580 0.9991
## FEAR5 - FSV1 1.856060 1.95 231 0.951 0.9805
## FGI4 - FMA7 -0.082181 1.95 231 -0.042 1.0000
## FGI4 - FSV1 0.642402 1.95 231 0.329 1.0000
## FMA7 - FSV1 0.724583 1.95 231 0.371 1.0000
##
## municipio = Hato Corozal:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 0.139970 1.95 231 0.072 1.0000
## CNCH12 - FBO1 -0.126811 1.95 231 -0.065 1.0000
## CNCH12 - FCHI8 0.404438 1.95 231 0.207 1.0000
## CNCH12 - FEAR5 -0.226898 1.95 231 -0.116 1.0000
## CNCH12 - FGI4 0.000463 1.95 231 0.000 1.0000
## CNCH12 - FMA7 -0.028073 1.95 231 -0.014 1.0000
## CNCH12 - FSV1 -0.315620 1.95 231 -0.162 1.0000
## CNCH13 - FBO1 -0.266781 1.95 231 -0.137 1.0000
## CNCH13 - FCHI8 0.264468 1.95 231 0.136 1.0000
## CNCH13 - FEAR5 -0.366868 1.95 231 -0.188 1.0000
## CNCH13 - FGI4 -0.139506 1.95 231 -0.071 1.0000
## CNCH13 - FMA7 -0.168043 1.95 231 -0.086 1.0000
## CNCH13 - FSV1 -0.455589 1.95 231 -0.233 1.0000
## FBO1 - FCHI8 0.531249 1.95 231 0.272 1.0000
## FBO1 - FEAR5 -0.100087 1.95 231 -0.051 1.0000
## FBO1 - FGI4 0.127274 1.95 231 0.065 1.0000
## FBO1 - FMA7 0.098738 1.95 231 0.051 1.0000
## FBO1 - FSV1 -0.188809 1.95 231 -0.097 1.0000
## FCHI8 - FEAR5 -0.631336 1.95 231 -0.323 1.0000
## FCHI8 - FGI4 -0.403974 1.95 231 -0.207 1.0000
## FCHI8 - FMA7 -0.432511 1.95 231 -0.222 1.0000
## FCHI8 - FSV1 -0.720058 1.95 231 -0.369 1.0000
## FEAR5 - FGI4 0.227362 1.95 231 0.116 1.0000
## FEAR5 - FMA7 0.198825 1.95 231 0.102 1.0000
## FEAR5 - FSV1 -0.088721 1.95 231 -0.045 1.0000
## FGI4 - FMA7 -0.028536 1.95 231 -0.015 1.0000
## FGI4 - FSV1 -0.316083 1.95 231 -0.162 1.0000
## FMA7 - FSV1 -0.287547 1.95 231 -0.147 1.0000
##
## municipio = Tame:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -2.737865 1.95 231 -1.403 0.8553
## CNCH12 - FBO1 -0.678333 1.95 231 -0.348 1.0000
## CNCH12 - FCHI8 0.059177 1.95 231 0.030 1.0000
## CNCH12 - FEAR5 2.576677 1.95 231 1.320 0.8905
## CNCH12 - FGI4 -2.996112 1.95 231 -1.535 0.7877
## CNCH12 - FMA7 4.878988 1.95 231 2.500 0.2008
## CNCH12 - FSV1 -0.491440 1.95 231 -0.252 1.0000
## CNCH13 - FBO1 2.059533 1.95 231 1.055 0.9651
## CNCH13 - FCHI8 2.797043 1.95 231 1.433 0.8410
## CNCH13 - FEAR5 5.314543 1.95 231 2.723 0.1210
## CNCH13 - FGI4 -0.258247 1.95 231 -0.132 1.0000
## CNCH13 - FMA7 7.616853 1.95 231 3.903 0.0031
## CNCH13 - FSV1 2.246425 1.95 231 1.151 0.9445
## FBO1 - FCHI8 0.737510 1.95 231 0.378 0.9999
## FBO1 - FEAR5 3.255010 1.95 231 1.668 0.7080
## FBO1 - FGI4 -2.317780 1.95 231 -1.188 0.9348
## FBO1 - FMA7 5.557321 1.95 231 2.847 0.0887
## FBO1 - FSV1 0.186892 1.95 231 0.096 1.0000
## FCHI8 - FEAR5 2.517500 1.95 231 1.290 0.9019
## FCHI8 - FGI4 -3.055290 1.95 231 -1.565 0.7704
## FCHI8 - FMA7 4.819811 1.95 231 2.469 0.2139
## FCHI8 - FSV1 -0.550618 1.95 231 -0.282 1.0000
## FEAR5 - FGI4 -5.572790 1.95 231 -2.855 0.0869
## FEAR5 - FMA7 2.302311 1.95 231 1.180 0.9370
## FEAR5 - FSV1 -3.068118 1.95 231 -1.572 0.7666
## FGI4 - FMA7 7.875101 1.95 231 4.035 0.0019
## FGI4 - FSV1 2.504672 1.95 231 1.283 0.9043
## FMA7 - FSV1 -5.370429 1.95 231 -2.752 0.1128
##
## P value adjustment: tukey method for varying family sizes
# 1. Pruebas para el Efecto Principal del Municipio
# el efecto principal del Municipio es significativo,
# comparar el rendimiento promedio de cada genotipo a lo largo de todos los niveles de estrés y zonas.
# Paso 1: Calcular las EMMs para el Genotipo (Estimated Marginal Means o EMMs, a menudo llamadas medias de mínimos cuadrados o least-squares means)
# que son las medias predichas por el modelo, ajustando los efectos aleatorios.
# El modelo es el aleatorio que ajustó previamente: modelo_lmm2
emms_municipio <- emmeans(modelo_lmm2, specs = ~ municipio)
emms_municipio
## municipio emmean SE df lower.CL upper.CL
## Yacopí 7.85 3.08 420968 1.818 13.88
## Puerto Rico 4.62 3.08 324758 -1.425 10.66
## San Vicente 2.26 3.08 420968 -3.773 8.29
## Chinácota 1.67 3.08 420968 -4.365 7.70
## Jamundí 2.56 3.09 241013 -3.495 8.62
## Rionegro 4.51 3.08 420968 -1.519 10.54
## Villa Garzón 6.23 3.08 420968 0.195 12.26
## Gigante 3.65 3.08 420968 -2.385 9.68
## Hato Corozal 2.94 3.08 420968 -3.094 8.97
## Tame 14.80 3.08 420968 8.772 20.83
##
## Degrees-of-freedom method: kenward-roger
## Confidence level used: 0.95
## Paso 2: Realizar la Comparación Múltiple. Utilice la función contrast() o pairs() sobre las EMMs con el método de corrección de la p-value
# (generalmente Bonferroni o Tukey)
# Comparaciones múltiples con corrección de Tukey
contrastes_municipio <- pairs(emms_municipio, adjust = "tukey")
summary(contrastes_municipio)
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 3.232 4.36 368105 0.742 0.9992
## Yacopí - San Vicente 5.592 1.77 11625 3.152 0.0519
## Yacopí - Chinácota 6.183 1.77 11625 3.485 0.0177
## Yacopí - Jamundí 5.287 4.36 312032 1.212 0.9707
## Yacopí - Rionegro 3.337 1.77 11625 1.881 0.6821
## Yacopí - Villa Garzón 1.624 4.35 420968 0.373 1.0000
## Yacopí - Gigante 4.204 4.35 420968 0.966 0.9941
## Yacopí - Hato Corozal 4.912 4.35 420968 1.129 0.9819
## Yacopí - Tame -6.953 4.35 420968 -1.598 0.8497
## Puerto Rico - San Vicente 2.360 4.36 368105 0.542 0.9999
## Puerto Rico - Chinácota 2.951 4.36 368105 0.678 0.9996
## Puerto Rico - Jamundí 2.055 4.37 278116 0.471 1.0000
## Puerto Rico - Rionegro 0.105 4.36 368105 0.024 1.0000
## Puerto Rico - Villa Garzón -1.608 1.78 10359 -0.901 0.9965
## Puerto Rico - Gigante 0.972 4.36 368105 0.223 1.0000
## Puerto Rico - Hato Corozal 1.680 4.36 368105 0.386 1.0000
## Puerto Rico - Tame -10.185 4.36 368105 -2.338 0.3641
## San Vicente - Chinácota 0.592 1.77 11625 0.333 1.0000
## San Vicente - Jamundí -0.305 4.36 312032 -0.070 1.0000
## San Vicente - Rionegro -2.255 0.71 298 -3.176 0.0518
## San Vicente - Villa Garzón -3.968 4.35 420968 -0.912 0.9961
## San Vicente - Gigante -1.388 4.35 420968 -0.319 1.0000
## San Vicente - Hato Corozal -0.680 4.35 420968 -0.156 1.0000
## San Vicente - Tame -12.545 4.35 420968 -2.883 0.1103
## Chinácota - Jamundí -0.897 4.36 312032 -0.206 1.0000
## Chinácota - Rionegro -2.846 1.77 11625 -1.604 0.8465
## Chinácota - Villa Garzón -4.560 4.35 420968 -1.048 0.9893
## Chinácota - Gigante -1.980 4.35 420968 -0.455 1.0000
## Chinácota - Hato Corozal -1.271 4.35 420968 -0.292 1.0000
## Chinácota - Tame -13.137 4.35 420968 -3.019 0.0763
## Jamundí - Rionegro -1.950 4.36 312032 -0.447 1.0000
## Jamundí - Villa Garzón -3.663 4.36 312032 -0.840 0.9980
## Jamundí - Gigante -1.083 1.80 9002 -0.602 0.9999
## Jamundí - Hato Corozal -0.375 4.36 312032 -0.086 1.0000
## Jamundí - Tame -12.240 4.36 312032 -2.806 0.1341
## Rionegro - Villa Garzón -1.714 4.35 420968 -0.394 1.0000
## Rionegro - Gigante 0.867 4.35 420968 0.199 1.0000
## Rionegro - Hato Corozal 1.575 4.35 420968 0.362 1.0000
## Rionegro - Tame -10.291 4.35 420968 -2.365 0.3474
## Villa Garzón - Gigante 2.580 4.35 420968 0.593 0.9999
## Villa Garzón - Hato Corozal 3.288 4.35 420968 0.756 0.9991
## Villa Garzón - Tame -8.577 4.35 420968 -1.971 0.6197
## Gigante - Hato Corozal 0.708 4.35 420968 0.163 1.0000
## Gigante - Tame -11.157 4.35 420968 -2.564 0.2350
## Hato Corozal - Tame -11.865 1.77 11625 -6.688 <.0001
##
## Degrees-of-freedom method: kenward-roger
## P value adjustment: tukey method for comparing a family of 10 estimates
## B. Comparaciones de Municipio dentro de cada Genotipo
## Esta prueba le dice: Para un genotipo específico (ej. Genotipo A),
## ¿cuál es el nivel óptimo de municipio/condición de crecimiento, o cómo se degrada su rendimiento con el aumento del Municipio?
## Paso 1: Invertir las especificaciones en emmeans.
# Invertir: Municipio dentro de cada Genotipo
emms_interaccion_B <- emmeans(modelo_lmm, specs = ~ municipio | gen)
emms_interaccion_B
## gen = CNCH12:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 8.764 1.38 231 6.04469 11.48
## Puerto Rico 4.785 1.38 231 2.06589 7.50
## San Vicente 2.067 1.38 231 -0.65188 4.79
## Chinácota 1.454 1.38 231 -1.26507 4.17
## Jamundí 2.640 1.38 231 -0.07877 5.36
## Rionegro 5.095 1.38 231 2.37550 7.81
## Villa Garzón 4.076 1.38 231 1.35686 6.80
## Gigante 1.947 1.38 231 -0.77197 4.67
## Hato Corozal 2.919 1.38 231 0.19949 5.64
## Tame 14.880 1.38 231 12.16031 17.60
##
## gen = CNCH13:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 5.575 1.38 231 2.85562 8.29
## Puerto Rico 4.638 1.38 231 1.91877 7.36
## San Vicente 2.722 1.38 231 0.00321 5.44
## Chinácota 2.236 1.38 231 -0.48325 4.96
## Jamundí 3.232 1.38 231 0.51249 5.95
## Rionegro 4.937 1.38 231 2.21819 7.66
## Villa Garzón 8.364 1.38 231 5.64451 11.08
## Gigante 4.133 1.38 231 1.41356 6.85
## Hato Corozal 2.779 1.38 231 0.05952 5.50
## Tame 17.617 1.38 231 14.89817 20.34
##
## gen = FBO1:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 6.623 1.38 231 3.90401 9.34
## Puerto Rico 5.325 1.38 231 2.60630 8.04
## San Vicente 1.830 1.38 231 -0.88887 4.55
## Chinácota 2.060 1.38 231 -0.65929 4.78
## Jamundí 2.010 1.38 231 -0.70957 4.73
## Rionegro 5.335 1.38 231 2.61554 8.05
## Villa Garzón 4.049 1.38 231 1.32950 6.77
## Gigante 3.927 1.38 231 1.20779 6.65
## Hato Corozal 3.045 1.38 231 0.32630 5.76
## Tame 15.558 1.38 231 12.83864 18.28
##
## gen = FCHI8:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 8.818 1.38 231 6.09866 11.54
## Puerto Rico nonEst NA NA NA NA
## San Vicente 1.770 1.38 231 -0.94910 4.49
## Chinácota 0.936 1.38 231 -1.78330 3.66
## Jamundí nonEst NA NA NA NA
## Rionegro 3.611 1.38 231 0.89163 6.33
## Villa Garzón 3.868 1.38 231 1.14919 6.59
## Gigante 5.321 1.38 231 2.60141 8.04
## Hato Corozal 2.514 1.38 231 -0.20495 5.23
## Tame 14.820 1.38 231 12.10113 17.54
##
## gen = FEAR5:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 9.676 1.38 231 6.95641 12.39
## Puerto Rico 6.150 1.38 231 3.43036 8.87
## San Vicente 3.782 1.38 231 1.06290 6.50
## Chinácota 2.113 1.38 231 -0.60659 4.83
## Jamundí 3.106 1.38 231 0.38666 5.83
## Rionegro 4.248 1.38 231 1.52865 6.97
## Villa Garzón 11.461 1.38 231 8.74215 14.18
## Gigante 4.511 1.38 231 1.79134 7.23
## Hato Corozal 3.146 1.38 231 0.42639 5.86
## Tame 12.303 1.38 231 9.58363 15.02
##
## gen = FGI4:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 11.852 1.38 231 9.13244 14.57
## Puerto Rico 3.816 1.38 231 1.09685 6.54
## San Vicente 1.621 1.38 231 -1.09843 4.34
## Chinácota 1.496 1.38 231 -1.22275 4.22
## Jamundí 2.460 1.38 231 -0.25879 5.18
## Rionegro 3.262 1.38 231 0.54231 5.98
## Villa Garzón 5.758 1.38 231 3.03896 8.48
## Gigante 3.297 1.38 231 0.57768 6.02
## Hato Corozal 2.918 1.38 231 0.19902 5.64
## Tame 17.876 1.38 231 15.15642 20.59
##
## gen = FMA7:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 5.097 1.38 231 2.37780 7.82
## Puerto Rico 3.502 1.38 231 0.78245 6.22
## San Vicente 2.630 1.38 231 -0.08928 5.35
## Chinácota 1.553 1.38 231 -1.16618 4.27
## Jamundí 1.930 1.38 231 -0.78888 4.65
## Rionegro 6.325 1.38 231 3.60568 9.04
## Villa Garzón 6.016 1.38 231 3.29719 8.74
## Gigante 3.379 1.38 231 0.65986 6.10
## Hato Corozal 2.947 1.38 231 0.22756 5.67
## Tame 10.001 1.38 231 7.28132 12.72
##
## gen = FSV1:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 6.394 1.38 231 3.67454 9.11
## Puerto Rico 4.110 1.38 231 1.39076 6.83
## San Vicente 1.641 1.38 231 -1.07795 4.36
## Chinácota 1.484 1.38 231 -1.23538 4.20
## Jamundí nonEst NA NA NA NA
## Rionegro 3.289 1.38 231 0.56950 6.01
## Villa Garzón 6.217 1.38 231 3.49767 8.94
## Gigante 2.654 1.38 231 -0.06472 5.37
## Hato Corozal 3.234 1.38 231 0.51511 5.95
## Tame 15.371 1.38 231 12.65175 18.09
##
## Confidence level used: 0.95
# Paso 2: Realizar la Comparación Múltiple.
# Comparar los niveles de estrés, pero dentro de cada genotipo
contrastes_interaccion_B <- pairs(emms_interaccion_B, adjust = "tukey")
summary(contrastes_interaccion_B)
## gen = CNCH12:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 3.97880 1.95 231 2.039 0.5728
## Yacopí - San Vicente 6.69657 1.95 231 3.431 0.0244
## Yacopí - Chinácota 7.30976 1.95 231 3.745 0.0085
## Yacopí - Jamundí 6.12346 1.95 231 3.137 0.0590
## Yacopí - Rionegro 3.66919 1.95 231 1.880 0.6826
## Yacopí - Villa Garzón 4.68783 1.95 231 2.402 0.3296
## Yacopí - Gigante 6.81666 1.95 231 3.493 0.0200
## Yacopí - Hato Corozal 5.84520 1.95 231 2.995 0.0872
## Yacopí - Tame -6.11562 1.95 231 -3.133 0.0597
## Puerto Rico - San Vicente 2.71776 1.95 231 1.392 0.9286
## Puerto Rico - Chinácota 3.33095 1.95 231 1.707 0.7908
## Puerto Rico - Jamundí 2.14466 1.95 231 1.099 0.9844
## Puerto Rico - Rionegro -0.30961 1.95 231 -0.159 1.0000
## Puerto Rico - Villa Garzón 0.70903 1.95 231 0.363 1.0000
## Puerto Rico - Gigante 2.83785 1.95 231 1.454 0.9084
## Puerto Rico - Hato Corozal 1.86640 1.95 231 0.956 0.9943
## Puerto Rico - Tame -10.09442 1.95 231 -5.172 <.0001
## San Vicente - Chinácota 0.61319 1.95 231 0.314 1.0000
## San Vicente - Jamundí -0.57311 1.95 231 -0.294 1.0000
## San Vicente - Rionegro -3.02738 1.95 231 -1.551 0.8697
## San Vicente - Villa Garzón -2.00874 1.95 231 -1.029 0.9902
## San Vicente - Gigante 0.12009 1.95 231 0.062 1.0000
## San Vicente - Hato Corozal -0.85136 1.95 231 -0.436 1.0000
## San Vicente - Tame -12.81219 1.95 231 -6.564 <.0001
## Chinácota - Jamundí -1.18630 1.95 231 -0.608 0.9998
## Chinácota - Rionegro -3.64057 1.95 231 -1.865 0.6924
## Chinácota - Villa Garzón -2.62193 1.95 231 -1.343 0.9423
## Chinácota - Gigante -0.49310 1.95 231 -0.253 1.0000
## Chinácota - Hato Corozal -1.46455 1.95 231 -0.750 0.9991
## Chinácota - Tame -13.42538 1.95 231 -6.879 <.0001
## Jamundí - Rionegro -2.45427 1.95 231 -1.257 0.9618
## Jamundí - Villa Garzón -1.43563 1.95 231 -0.736 0.9992
## Jamundí - Gigante 0.69320 1.95 231 0.355 1.0000
## Jamundí - Hato Corozal -0.27826 1.95 231 -0.143 1.0000
## Jamundí - Tame -12.23908 1.95 231 -6.271 <.0001
## Rionegro - Villa Garzón 1.01864 1.95 231 0.522 1.0000
## Rionegro - Gigante 3.14747 1.95 231 1.613 0.8409
## Rionegro - Hato Corozal 2.17601 1.95 231 1.115 0.9828
## Rionegro - Tame -9.78481 1.95 231 -5.013 <.0001
## Villa Garzón - Gigante 2.12883 1.95 231 1.091 0.9852
## Villa Garzón - Hato Corozal 1.15738 1.95 231 0.593 0.9999
## Villa Garzón - Tame -10.80345 1.95 231 -5.535 <.0001
## Gigante - Hato Corozal -0.97145 1.95 231 -0.498 1.0000
## Gigante - Tame -12.93228 1.95 231 -6.626 <.0001
## Hato Corozal - Tame -11.96082 1.95 231 -6.128 <.0001
##
## gen = CNCH13:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 0.93685 1.95 231 0.480 1.0000
## Yacopí - San Vicente 2.85241 1.95 231 1.461 0.9057
## Yacopí - Chinácota 3.33887 1.95 231 1.711 0.7885
## Yacopí - Jamundí 2.34314 1.95 231 1.201 0.9717
## Yacopí - Rionegro 0.63743 1.95 231 0.327 1.0000
## Yacopí - Villa Garzón -2.78889 1.95 231 -1.429 0.9170
## Yacopí - Gigante 1.44206 1.95 231 0.739 0.9992
## Yacopí - Hato Corozal 2.79610 1.95 231 1.433 0.9158
## Yacopí - Tame -12.04255 1.95 231 -6.170 <.0001
## Puerto Rico - San Vicente 1.91556 1.95 231 0.981 0.9931
## Puerto Rico - Chinácota 2.40202 1.95 231 1.231 0.9667
## Puerto Rico - Jamundí 1.40629 1.95 231 0.721 0.9994
## Puerto Rico - Rionegro -0.29942 1.95 231 -0.153 1.0000
## Puerto Rico - Villa Garzón -3.72574 1.95 231 -1.909 0.6630
## Puerto Rico - Gigante 0.50521 1.95 231 0.259 1.0000
## Puerto Rico - Hato Corozal 1.85926 1.95 231 0.953 0.9944
## Puerto Rico - Tame -12.97940 1.95 231 -6.650 <.0001
## San Vicente - Chinácota 0.48646 1.95 231 0.249 1.0000
## San Vicente - Jamundí -0.50927 1.95 231 -0.261 1.0000
## San Vicente - Rionegro -2.21498 1.95 231 -1.135 0.9806
## San Vicente - Villa Garzón -5.64130 1.95 231 -2.890 0.1143
## San Vicente - Gigante -1.41035 1.95 231 -0.723 0.9993
## San Vicente - Hato Corozal -0.05630 1.95 231 -0.029 1.0000
## San Vicente - Tame -14.89496 1.95 231 -7.632 <.0001
## Chinácota - Jamundí -0.99574 1.95 231 -0.510 1.0000
## Chinácota - Rionegro -2.70144 1.95 231 -1.384 0.9311
## Chinácota - Villa Garzón -6.12776 1.95 231 -3.140 0.0586
## Chinácota - Gigante -1.89681 1.95 231 -0.972 0.9935
## Chinácota - Hato Corozal -0.54277 1.95 231 -0.278 1.0000
## Chinácota - Tame -15.38142 1.95 231 -7.881 <.0001
## Jamundí - Rionegro -1.70571 1.95 231 -0.874 0.9971
## Jamundí - Villa Garzón -5.13203 1.95 231 -2.629 0.2101
## Jamundí - Gigante -0.90107 1.95 231 -0.462 1.0000
## Jamundí - Hato Corozal 0.45297 1.95 231 0.232 1.0000
## Jamundí - Tame -14.38569 1.95 231 -7.371 <.0001
## Rionegro - Villa Garzón -3.42632 1.95 231 -1.756 0.7621
## Rionegro - Gigante 0.80463 1.95 231 0.412 1.0000
## Rionegro - Hato Corozal 2.15868 1.95 231 1.106 0.9837
## Rionegro - Tame -12.67998 1.95 231 -6.497 <.0001
## Villa Garzón - Gigante 4.23095 1.95 231 2.168 0.4820
## Villa Garzón - Hato Corozal 5.58500 1.95 231 2.862 0.1228
## Villa Garzón - Tame -9.25366 1.95 231 -4.741 0.0002
## Gigante - Hato Corozal 1.35404 1.95 231 0.694 0.9995
## Gigante - Tame -13.48461 1.95 231 -6.909 <.0001
## Hato Corozal - Tame -14.83866 1.95 231 -7.603 <.0001
##
## gen = FBO1:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 1.29771 1.95 231 0.665 0.9997
## Yacopí - San Vicente 4.79288 1.95 231 2.456 0.2984
## Yacopí - Chinácota 4.56330 1.95 231 2.338 0.3687
## Yacopí - Jamundí 4.61358 1.95 231 2.364 0.3527
## Yacopí - Rionegro 1.28847 1.95 231 0.660 0.9997
## Yacopí - Villa Garzón 2.57451 1.95 231 1.319 0.9484
## Yacopí - Gigante 2.69622 1.95 231 1.381 0.9318
## Yacopí - Hato Corozal 3.57771 1.95 231 1.833 0.7135
## Yacopí - Tame -8.93463 1.95 231 -4.578 0.0003
## Puerto Rico - San Vicente 3.49517 1.95 231 1.791 0.7404
## Puerto Rico - Chinácota 3.26560 1.95 231 1.673 0.8094
## Puerto Rico - Jamundí 3.31588 1.95 231 1.699 0.7952
## Puerto Rico - Rionegro -0.00924 1.95 231 -0.005 1.0000
## Puerto Rico - Villa Garzón 1.27681 1.95 231 0.654 0.9997
## Puerto Rico - Gigante 1.39852 1.95 231 0.717 0.9994
## Puerto Rico - Hato Corozal 2.28001 1.95 231 1.168 0.9764
## Puerto Rico - Tame -10.23234 1.95 231 -5.243 <.0001
## San Vicente - Chinácota -0.22958 1.95 231 -0.118 1.0000
## San Vicente - Jamundí -0.17930 1.95 231 -0.092 1.0000
## San Vicente - Rionegro -3.50441 1.95 231 -1.796 0.7375
## San Vicente - Villa Garzón -2.21836 1.95 231 -1.137 0.9804
## San Vicente - Gigante -2.09666 1.95 231 -1.074 0.9867
## San Vicente - Hato Corozal -1.21517 1.95 231 -0.623 0.9998
## San Vicente - Tame -13.72751 1.95 231 -7.033 <.0001
## Chinácota - Jamundí 0.05028 1.95 231 0.026 1.0000
## Chinácota - Rionegro -3.27483 1.95 231 -1.678 0.8068
## Chinácota - Villa Garzón -1.98879 1.95 231 -1.019 0.9909
## Chinácota - Gigante -1.86708 1.95 231 -0.957 0.9943
## Chinácota - Hato Corozal -0.98559 1.95 231 -0.505 1.0000
## Chinácota - Tame -13.49793 1.95 231 -6.916 <.0001
## Jamundí - Rionegro -3.32511 1.95 231 -1.704 0.7925
## Jamundí - Villa Garzón -2.03907 1.95 231 -1.045 0.9891
## Jamundí - Gigante -1.91736 1.95 231 -0.982 0.9930
## Jamundí - Hato Corozal -1.03587 1.95 231 -0.531 0.9999
## Jamundí - Tame -13.54821 1.95 231 -6.942 <.0001
## Rionegro - Villa Garzón 1.28605 1.95 231 0.659 0.9997
## Rionegro - Gigante 1.40776 1.95 231 0.721 0.9994
## Rionegro - Hato Corozal 2.28925 1.95 231 1.173 0.9757
## Rionegro - Tame -10.22310 1.95 231 -5.238 <.0001
## Villa Garzón - Gigante 0.12171 1.95 231 0.062 1.0000
## Villa Garzón - Hato Corozal 1.00320 1.95 231 0.514 1.0000
## Villa Garzón - Tame -11.50915 1.95 231 -5.897 <.0001
## Gigante - Hato Corozal 0.88149 1.95 231 0.452 1.0000
## Gigante - Tame -11.63086 1.95 231 -5.959 <.0001
## Hato Corozal - Tame -12.51234 1.95 231 -6.411 <.0001
##
## gen = FCHI8:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico nonEst NA NA NA NA
## Yacopí - San Vicente 7.04776 1.95 231 3.611 0.0088
## Yacopí - Chinácota 7.88196 1.95 231 4.038 0.0019
## Yacopí - Jamundí nonEst NA NA NA NA
## Yacopí - Rionegro 5.20703 1.95 231 2.668 0.1379
## Yacopí - Villa Garzón 4.94947 1.95 231 2.536 0.1858
## Yacopí - Gigante 3.49725 1.95 231 1.792 0.6263
## Yacopí - Hato Corozal 6.30361 1.95 231 3.230 0.0303
## Yacopí - Tame -6.00247 1.95 231 -3.075 0.0477
## Puerto Rico - San Vicente nonEst NA NA NA NA
## Puerto Rico - Chinácota nonEst NA NA NA NA
## Puerto Rico - Jamundí nonEst NA NA NA NA
## Puerto Rico - Rionegro nonEst NA NA NA NA
## Puerto Rico - Villa Garzón nonEst NA NA NA NA
## Puerto Rico - Gigante nonEst NA NA NA NA
## Puerto Rico - Hato Corozal nonEst NA NA NA NA
## Puerto Rico - Tame nonEst NA NA NA NA
## San Vicente - Chinácota 0.83420 1.95 231 0.427 0.9999
## San Vicente - Jamundí nonEst NA NA NA NA
## San Vicente - Rionegro -1.84074 1.95 231 -0.943 0.9814
## San Vicente - Villa Garzón -2.09829 1.95 231 -1.075 0.9614
## San Vicente - Gigante -3.55051 1.95 231 -1.819 0.6077
## San Vicente - Hato Corozal -0.74415 1.95 231 -0.381 0.9999
## San Vicente - Tame -13.05024 1.95 231 -6.686 <.0001
## Chinácota - Jamundí nonEst NA NA NA NA
## Chinácota - Rionegro -2.67493 1.95 231 -1.371 0.8697
## Chinácota - Villa Garzón -2.93249 1.95 231 -1.502 0.8055
## Chinácota - Gigante -4.38471 1.95 231 -2.247 0.3282
## Chinácota - Hato Corozal -1.57835 1.95 231 -0.809 0.9925
## Chinácota - Tame -13.88443 1.95 231 -7.114 <.0001
## Jamundí - Rionegro nonEst NA NA NA NA
## Jamundí - Villa Garzón nonEst NA NA NA NA
## Jamundí - Gigante nonEst NA NA NA NA
## Jamundí - Hato Corozal nonEst NA NA NA NA
## Jamundí - Tame nonEst NA NA NA NA
## Rionegro - Villa Garzón -0.25755 1.95 231 -0.132 1.0000
## Rionegro - Gigante -1.70978 1.95 231 -0.876 0.9879
## Rionegro - Hato Corozal 1.09658 1.95 231 0.562 0.9993
## Rionegro - Tame -11.20950 1.95 231 -5.743 <.0001
## Villa Garzón - Gigante -1.45222 1.95 231 -0.744 0.9955
## Villa Garzón - Hato Corozal 1.35414 1.95 231 0.694 0.9971
## Villa Garzón - Tame -10.95195 1.95 231 -5.611 <.0001
## Gigante - Hato Corozal 2.80636 1.95 231 1.438 0.8387
## Gigante - Tame -9.49972 1.95 231 -4.867 0.0001
## Hato Corozal - Tame -12.30608 1.95 231 -6.305 <.0001
##
## gen = FEAR5:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 3.52606 1.95 231 1.807 0.7305
## Yacopí - San Vicente 5.89351 1.95 231 3.020 0.0816
## Yacopí - Chinácota 7.56300 1.95 231 3.875 0.0053
## Yacopí - Jamundí 6.56976 1.95 231 3.366 0.0299
## Yacopí - Rionegro 5.42777 1.95 231 2.781 0.1492
## Yacopí - Villa Garzón -1.78574 1.95 231 -0.915 0.9959
## Yacopí - Gigante 5.16508 1.95 231 2.646 0.2025
## Yacopí - Hato Corozal 6.53003 1.95 231 3.346 0.0318
## Yacopí - Tame -2.62722 1.95 231 -1.346 0.9416
## Puerto Rico - San Vicente 2.36746 1.95 231 1.213 0.9697
## Puerto Rico - Chinácota 4.03695 1.95 231 2.068 0.5517
## Puerto Rico - Jamundí 3.04370 1.95 231 1.559 0.8660
## Puerto Rico - Rionegro 1.90171 1.95 231 0.974 0.9934
## Puerto Rico - Villa Garzón -5.31179 1.95 231 -2.722 0.1713
## Puerto Rico - Gigante 1.63902 1.95 231 0.840 0.9979
## Puerto Rico - Hato Corozal 3.00397 1.95 231 1.539 0.8749
## Puerto Rico - Tame -6.15327 1.95 231 -3.153 0.0565
## San Vicente - Chinácota 1.66949 1.95 231 0.855 0.9975
## San Vicente - Jamundí 0.67624 1.95 231 0.346 1.0000
## San Vicente - Rionegro -0.46575 1.95 231 -0.239 1.0000
## San Vicente - Villa Garzón -7.67925 1.95 231 -3.935 0.0043
## San Vicente - Gigante -0.72844 1.95 231 -0.373 1.0000
## San Vicente - Hato Corozal 0.63652 1.95 231 0.326 1.0000
## San Vicente - Tame -8.52073 1.95 231 -4.366 0.0008
## Chinácota - Jamundí -0.99325 1.95 231 -0.509 1.0000
## Chinácota - Rionegro -2.13524 1.95 231 -1.094 0.9849
## Chinácota - Villa Garzón -9.34874 1.95 231 -4.790 0.0001
## Chinácota - Gigante -2.39793 1.95 231 -1.229 0.9671
## Chinácota - Hato Corozal -1.03297 1.95 231 -0.529 1.0000
## Chinácota - Tame -10.19022 1.95 231 -5.221 <.0001
## Jamundí - Rionegro -1.14199 1.95 231 -0.585 0.9999
## Jamundí - Villa Garzón -8.35549 1.95 231 -4.281 0.0011
## Jamundí - Gigante -1.40468 1.95 231 -0.720 0.9994
## Jamundí - Hato Corozal -0.03973 1.95 231 -0.020 1.0000
## Jamundí - Tame -9.19697 1.95 231 -4.712 0.0002
## Rionegro - Villa Garzón -7.21350 1.95 231 -3.696 0.0101
## Rionegro - Gigante -0.26269 1.95 231 -0.135 1.0000
## Rionegro - Hato Corozal 1.10226 1.95 231 0.565 0.9999
## Rionegro - Tame -8.05499 1.95 231 -4.127 0.0021
## Villa Garzón - Gigante 6.95081 1.95 231 3.561 0.0159
## Villa Garzón - Hato Corozal 8.31577 1.95 231 4.261 0.0012
## Villa Garzón - Tame -0.84148 1.95 231 -0.431 1.0000
## Gigante - Hato Corozal 1.36495 1.95 231 0.699 0.9995
## Gigante - Tame -7.79229 1.95 231 -3.992 0.0034
## Hato Corozal - Tame -9.15725 1.95 231 -4.692 0.0002
##
## gen = FGI4:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 8.03558 1.95 231 4.117 0.0021
## Yacopí - San Vicente 10.23086 1.95 231 5.242 <.0001
## Yacopí - Chinácota 10.35519 1.95 231 5.306 <.0001
## Yacopí - Jamundí 9.39123 1.95 231 4.812 0.0001
## Yacopí - Rionegro 8.59013 1.95 231 4.401 0.0007
## Yacopí - Villa Garzón 6.09347 1.95 231 3.122 0.0616
## Yacopí - Gigante 8.55476 1.95 231 4.383 0.0007
## Yacopí - Hato Corozal 8.93341 1.95 231 4.577 0.0003
## Yacopí - Tame -6.02398 1.95 231 -3.086 0.0680
## Puerto Rico - San Vicente 2.19528 1.95 231 1.125 0.9817
## Puerto Rico - Chinácota 2.31961 1.95 231 1.188 0.9735
## Puerto Rico - Jamundí 1.35564 1.95 231 0.695 0.9995
## Puerto Rico - Rionegro 0.55454 1.95 231 0.284 1.0000
## Puerto Rico - Villa Garzón -1.94211 1.95 231 -0.995 0.9923
## Puerto Rico - Gigante 0.51917 1.95 231 0.266 1.0000
## Puerto Rico - Hato Corozal 0.89783 1.95 231 0.460 1.0000
## Puerto Rico - Tame -14.05957 1.95 231 -7.204 <.0001
## San Vicente - Chinácota 0.12433 1.95 231 0.064 1.0000
## San Vicente - Jamundí -0.83964 1.95 231 -0.430 1.0000
## San Vicente - Rionegro -1.64074 1.95 231 -0.841 0.9978
## San Vicente - Villa Garzón -4.13739 1.95 231 -2.120 0.5155
## San Vicente - Gigante -1.67611 1.95 231 -0.859 0.9975
## San Vicente - Hato Corozal -1.29745 1.95 231 -0.665 0.9997
## San Vicente - Tame -16.25485 1.95 231 -8.328 <.0001
## Chinácota - Jamundí -0.96396 1.95 231 -0.494 1.0000
## Chinácota - Rionegro -1.76506 1.95 231 -0.904 0.9962
## Chinácota - Villa Garzón -4.26171 1.95 231 -2.184 0.4711
## Chinácota - Gigante -1.80043 1.95 231 -0.922 0.9956
## Chinácota - Hato Corozal -1.42178 1.95 231 -0.728 0.9993
## Chinácota - Tame -16.37918 1.95 231 -8.392 <.0001
## Jamundí - Rionegro -0.80110 1.95 231 -0.410 1.0000
## Jamundí - Villa Garzón -3.29775 1.95 231 -1.690 0.8004
## Jamundí - Gigante -0.83647 1.95 231 -0.429 1.0000
## Jamundí - Hato Corozal -0.45781 1.95 231 -0.235 1.0000
## Jamundí - Tame -15.41521 1.95 231 -7.898 <.0001
## Rionegro - Villa Garzón -2.49665 1.95 231 -1.279 0.9574
## Rionegro - Gigante -0.03537 1.95 231 -0.018 1.0000
## Rionegro - Hato Corozal 0.34329 1.95 231 0.176 1.0000
## Rionegro - Tame -14.61411 1.95 231 -7.488 <.0001
## Villa Garzón - Gigante 2.46128 1.95 231 1.261 0.9611
## Villa Garzón - Hato Corozal 2.83994 1.95 231 1.455 0.9080
## Villa Garzón - Tame -12.11746 1.95 231 -6.208 <.0001
## Gigante - Hato Corozal 0.37866 1.95 231 0.194 1.0000
## Gigante - Tame -14.57874 1.95 231 -7.470 <.0001
## Hato Corozal - Tame -14.95740 1.95 231 -7.664 <.0001
##
## gen = FMA7:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 1.59535 1.95 231 0.817 0.9983
## Yacopí - San Vicente 2.46707 1.95 231 1.264 0.9605
## Yacopí - Chinácota 3.54398 1.95 231 1.816 0.7246
## Yacopí - Jamundí 3.16667 1.95 231 1.622 0.8360
## Yacopí - Rionegro -1.22788 1.95 231 -0.629 0.9998
## Yacopí - Villa Garzón -0.91939 1.95 231 -0.471 1.0000
## Yacopí - Gigante 1.71794 1.95 231 0.880 0.9969
## Yacopí - Hato Corozal 2.15024 1.95 231 1.102 0.9842
## Yacopí - Tame -4.90352 1.95 231 -2.512 0.2674
## Puerto Rico - San Vicente 0.87173 1.95 231 0.447 1.0000
## Puerto Rico - Chinácota 1.94863 1.95 231 0.998 0.9921
## Puerto Rico - Jamundí 1.57133 1.95 231 0.805 0.9985
## Puerto Rico - Rionegro -2.82322 1.95 231 -1.447 0.9110
## Puerto Rico - Villa Garzón -2.51473 1.95 231 -1.288 0.9554
## Puerto Rico - Gigante 0.12259 1.95 231 0.063 1.0000
## Puerto Rico - Hato Corozal 0.55489 1.95 231 0.284 1.0000
## Puerto Rico - Tame -6.49887 1.95 231 -3.330 0.0334
## San Vicente - Chinácota 1.07690 1.95 231 0.552 0.9999
## San Vicente - Jamundí 0.69960 1.95 231 0.358 1.0000
## San Vicente - Rionegro -3.69495 1.95 231 -1.893 0.6737
## San Vicente - Villa Garzón -3.38646 1.95 231 -1.735 0.7743
## San Vicente - Gigante -0.74914 1.95 231 -0.384 1.0000
## San Vicente - Hato Corozal -0.31683 1.95 231 -0.162 1.0000
## San Vicente - Tame -7.37060 1.95 231 -3.776 0.0076
## Chinácota - Jamundí -0.37730 1.95 231 -0.193 1.0000
## Chinácota - Rionegro -4.77185 1.95 231 -2.445 0.3045
## Chinácota - Villa Garzón -4.46337 1.95 231 -2.287 0.4016
## Chinácota - Gigante -1.82604 1.95 231 -0.936 0.9951
## Chinácota - Hato Corozal -1.39374 1.95 231 -0.714 0.9994
## Chinácota - Tame -8.44750 1.95 231 -4.328 0.0009
## Jamundí - Rionegro -4.39455 1.95 231 -2.252 0.4249
## Jamundí - Villa Garzón -4.08606 1.95 231 -2.094 0.5340
## Jamundí - Gigante -1.44874 1.95 231 -0.742 0.9992
## Jamundí - Hato Corozal -1.01644 1.95 231 -0.521 1.0000
## Jamundí - Tame -8.07020 1.95 231 -4.135 0.0020
## Rionegro - Villa Garzón 0.30849 1.95 231 0.158 1.0000
## Rionegro - Gigante 2.94581 1.95 231 1.509 0.8874
## Rionegro - Hato Corozal 3.37812 1.95 231 1.731 0.7768
## Rionegro - Tame -3.67565 1.95 231 -1.883 0.6804
## Villa Garzón - Gigante 2.63733 1.95 231 1.351 0.9403
## Villa Garzón - Hato Corozal 3.06963 1.95 231 1.573 0.8599
## Villa Garzón - Tame -3.98414 1.95 231 -2.041 0.5708
## Gigante - Hato Corozal 0.43230 1.95 231 0.221 1.0000
## Gigante - Tame -6.62146 1.95 231 -3.393 0.0275
## Hato Corozal - Tame -7.05376 1.95 231 -3.614 0.0133
##
## gen = FSV1:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 2.28378 1.95 231 1.170 0.9619
## Yacopí - San Vicente 4.75249 1.95 231 2.435 0.2702
## Yacopí - Chinácota 4.90992 1.95 231 2.516 0.2300
## Yacopí - Jamundí nonEst NA NA NA NA
## Yacopí - Rionegro 3.10504 1.95 231 1.591 0.8090
## Yacopí - Villa Garzón 0.17687 1.95 231 0.091 1.0000
## Yacopí - Gigante 3.73926 1.95 231 1.916 0.6035
## Yacopí - Hato Corozal 3.15943 1.95 231 1.619 0.7937
## Yacopí - Tame -8.97721 1.95 231 -4.600 0.0002
## Puerto Rico - San Vicente 2.46871 1.95 231 1.265 0.9404
## Puerto Rico - Chinácota 2.62614 1.95 231 1.346 0.9163
## Puerto Rico - Jamundí nonEst NA NA NA NA
## Puerto Rico - Rionegro 0.82126 1.95 231 0.421 1.0000
## Puerto Rico - Villa Garzón -2.10691 1.95 231 -1.079 0.9767
## Puerto Rico - Gigante 1.45548 1.95 231 0.746 0.9980
## Puerto Rico - Hato Corozal 0.87565 1.95 231 0.449 1.0000
## Puerto Rico - Tame -11.26099 1.95 231 -5.770 <.0001
## San Vicente - Chinácota 0.15743 1.95 231 0.081 1.0000
## San Vicente - Jamundí nonEst NA NA NA NA
## San Vicente - Rionegro -1.64745 1.95 231 -0.844 0.9953
## San Vicente - Villa Garzón -4.57562 1.95 231 -2.344 0.3203
## San Vicente - Gigante -1.01323 1.95 231 -0.519 0.9999
## San Vicente - Hato Corozal -1.59306 1.95 231 -0.816 0.9963
## San Vicente - Tame -13.72970 1.95 231 -7.035 <.0001
## Chinácota - Jamundí nonEst NA NA NA NA
## Chinácota - Rionegro -1.80488 1.95 231 -0.925 0.9914
## Chinácota - Villa Garzón -4.73305 1.95 231 -2.425 0.2755
## Chinácota - Gigante -1.17066 1.95 231 -0.600 0.9996
## Chinácota - Hato Corozal -1.75049 1.95 231 -0.897 0.9930
## Chinácota - Tame -13.88713 1.95 231 -7.115 <.0001
## Jamundí - Rionegro nonEst NA NA NA NA
## Jamundí - Villa Garzón nonEst NA NA NA NA
## Jamundí - Gigante nonEst NA NA NA NA
## Jamundí - Hato Corozal nonEst NA NA NA NA
## Jamundí - Tame nonEst NA NA NA NA
## Rionegro - Villa Garzón -2.92817 1.95 231 -1.500 0.8546
## Rionegro - Gigante 0.63422 1.95 231 0.325 1.0000
## Rionegro - Hato Corozal 0.05439 1.95 231 0.028 1.0000
## Rionegro - Tame -12.08225 1.95 231 -6.190 <.0001
## Villa Garzón - Gigante 3.56239 1.95 231 1.825 0.6654
## Villa Garzón - Hato Corozal 2.98257 1.95 231 1.528 0.8413
## Villa Garzón - Tame -9.15408 1.95 231 -4.690 0.0002
## Gigante - Hato Corozal -0.57983 1.95 231 -0.297 1.0000
## Gigante - Tame -12.71647 1.95 231 -6.515 <.0001
## Hato Corozal - Tame -12.13664 1.95 231 -6.218 <.0001
##
## P value adjustment: tukey method for varying family sizes
##Visualización de las Interacciones
# Puede usar el paquete emmeans junto con ggplot2 para crear un gráfico de interacción que muestre la respuesta de cada genotipo a la variable de estrés:
# Instalar si es necesario: install.packages(c("ggplot2", "broom"))
library(ggplot2)
# Obtener las medias estimadas y errores estándar
emms_interaccion_datos <- as.data.frame(emms_interaccion)
# Crear el gráfico
ggplot(emms_interaccion_datos, aes(x = municipio, y = emmean, group = gen, color = gen)) +
geom_line() +
geom_point() +
geom_errorbar(aes(ymin = lower.CL, ymax = upper.CL), width = 0.1) +
labs(
title = "Interacción Genotipo x Estrés en Captura de Carbono",
y = "Captura de Carbono (Media Estimada)",
x = "Nivel de Estrés Ambiental"
) +
theme_minimal()
## Warning: Removed 3 rows containing missing values or values outside the scale range
## (`geom_point()`).
