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.bg.diamalt ~ gen*municipio) # Efectos Fijos (Interacción GxE)
anova (modelo_lmm)# Anova efectos fijos
## Analysis of Variance Table
##
## Response: Mg.bg.diamalt
## Df Sum Sq Mean Sq F value Pr(>F)
## gen 7 3.916 0.5595 1.5818 0.1416
## municipio 9 205.278 22.8087 64.4854 <2e-16 ***
## gen:municipio 60 26.607 0.4434 1.2537 0.1219
## Residuals 231 81.705 0.3537
## ---
## 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.bg.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, :
## Model failed to converge: degenerate Hessian with 1 negative eigenvalues
anova (modelo_lmm2)
## Analysis of Variance Table
## npar Sum Sq Mean Sq F value
## municipio 9 10.64 1.1822 3.1233
##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 2.124 0.297 231 1.53820 2.710
## CNCH13 1.418 0.297 231 0.83238 2.004
## FBO1 1.625 0.297 231 1.03873 2.211
## FCHI8 2.118 0.297 231 1.53204 2.704
## FEAR5 2.311 0.297 231 1.72535 2.897
## FGI4 2.754 0.297 231 2.16818 3.340
## FMA7 1.297 0.297 231 0.71136 1.883
## FSV1 1.612 0.297 231 1.02592 2.198
##
## municipio = Puerto Rico:
## gen emmean SE df lower.CL upper.CL
## CNCH12 1.243 0.297 231 0.65709 1.829
## CNCH13 1.204 0.297 231 0.61791 1.790
## FBO1 1.364 0.297 231 0.77768 1.949
## FCHI8 nonEst NA NA NA NA
## FEAR5 1.547 0.297 231 0.96144 2.133
## FGI4 1.016 0.297 231 0.43033 1.602
## FMA7 0.946 0.297 231 0.36041 1.532
## FSV1 1.088 0.297 231 0.50227 1.674
##
## municipio = San Vicente:
## gen emmean SE df lower.CL upper.CL
## CNCH12 0.592 0.297 231 0.00648 1.178
## CNCH13 0.756 0.297 231 0.17001 1.342
## FBO1 0.529 0.297 231 -0.05656 1.115
## FCHI8 0.516 0.297 231 -0.06964 1.102
## FEAR5 1.012 0.297 231 0.42616 1.598
## FGI4 0.480 0.297 231 -0.10606 1.066
## FMA7 0.735 0.297 231 0.14933 1.321
## FSV1 0.483 0.297 231 -0.10332 1.068
##
## municipio = Chinácota:
## gen emmean SE df lower.CL upper.CL
## CNCH12 0.432 0.297 231 -0.15439 1.017
## CNCH13 0.634 0.297 231 0.04778 1.220
## FBO1 0.593 0.297 231 0.00678 1.179
## FCHI8 0.295 0.297 231 -0.29070 0.881
## FEAR5 0.606 0.297 231 0.01991 1.192
## FGI4 0.443 0.297 231 -0.14300 1.029
## FMA7 0.461 0.297 231 -0.12446 1.047
## FSV1 0.443 0.297 231 -0.14241 1.029
##
## municipio = Jamundí:
## gen emmean SE df lower.CL upper.CL
## CNCH12 0.735 0.297 231 0.14917 1.321
## CNCH13 0.882 0.297 231 0.29624 1.468
## FBO1 0.578 0.297 231 -0.00762 1.164
## FCHI8 nonEst NA NA NA NA
## FEAR5 0.852 0.297 231 0.26584 1.438
## FGI4 0.692 0.297 231 0.10649 1.278
## FMA7 0.559 0.297 231 -0.02678 1.145
## FSV1 nonEst NA NA NA NA
##
## municipio = Rionegro:
## gen emmean SE df lower.CL upper.CL
## CNCH12 1.305 0.297 231 0.71948 1.891
## CNCH13 1.273 0.297 231 0.68698 1.859
## FBO1 1.372 0.297 231 0.78639 1.958
## FCHI8 0.970 0.297 231 0.38392 1.556
## FEAR5 1.108 0.297 231 0.52234 1.694
## FGI4 0.871 0.297 231 0.28462 1.456
## FMA7 1.593 0.297 231 1.00689 2.179
## FSV1 0.892 0.297 231 0.30574 1.478
##
## municipio = Villa Garzón:
## gen emmean SE df lower.CL upper.CL
## CNCH12 1.075 0.297 231 0.48919 1.661
## CNCH13 2.044 0.297 231 1.45797 2.630
## FBO1 1.064 0.297 231 0.47818 1.650
## FCHI8 1.011 0.297 231 0.42507 1.597
## FEAR5 2.674 0.297 231 2.08805 3.260
## FGI4 1.470 0.297 231 0.88407 2.056
## FMA7 1.498 0.297 231 0.91239 2.084
## FSV1 1.569 0.297 231 0.98290 2.155
##
## municipio = Gigante:
## gen emmean SE df lower.CL upper.CL
## CNCH12 0.554 0.297 231 -0.03157 1.140
## CNCH13 1.094 0.297 231 0.50849 1.680
## FBO1 1.046 0.297 231 0.45963 1.631
## FCHI8 1.370 0.297 231 0.78445 1.956
## FEAR5 1.165 0.297 231 0.57906 1.751
## FGI4 0.896 0.297 231 0.31012 1.482
## FMA7 0.895 0.297 231 0.30959 1.481
## FSV1 0.722 0.297 231 0.13612 1.308
##
## municipio = Hato Corozal:
## gen emmean SE df lower.CL upper.CL
## CNCH12 0.806 0.297 231 0.22026 1.392
## CNCH13 0.769 0.297 231 0.18313 1.355
## FBO1 0.835 0.297 231 0.24950 1.421
## FCHI8 0.706 0.297 231 0.11969 1.291
## FEAR5 0.858 0.297 231 0.27221 1.444
## FGI4 0.805 0.297 231 0.21935 1.391
## FMA7 0.813 0.297 231 0.22732 1.399
## FSV1 0.882 0.297 231 0.29640 1.468
##
## municipio = Tame:
## gen emmean SE df lower.CL upper.CL
## CNCH12 3.396 0.297 231 2.80977 3.982
## CNCH13 3.937 0.297 231 3.35076 4.523
## FBO1 3.532 0.297 231 2.94654 4.118
## FCHI8 3.333 0.297 231 2.74687 3.919
## FEAR5 2.863 0.297 231 2.27703 3.449
## FGI4 3.995 0.297 231 3.40902 4.581
## FMA7 2.314 0.297 231 1.72860 2.900
## FSV1 3.498 0.297 231 2.91194 4.084
##
## 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 0.705820 0.421 231 1.678 0.7012
## CNCH12 - FBO1 0.499474 0.421 231 1.188 0.9348
## CNCH12 - FCHI8 0.006159 0.421 231 0.015 1.0000
## CNCH12 - FEAR5 -0.187146 0.421 231 -0.445 0.9998
## CNCH12 - FGI4 -0.629977 0.421 231 -1.498 0.8079
## CNCH12 - FMA7 0.826837 0.421 231 1.966 0.5071
## CNCH12 - FSV1 0.512276 0.421 231 1.218 0.9259
## CNCH13 - FBO1 -0.206346 0.421 231 -0.491 0.9997
## CNCH13 - FCHI8 -0.699662 0.421 231 -1.664 0.7106
## CNCH13 - FEAR5 -0.892966 0.421 231 -2.123 0.4030
## CNCH13 - FGI4 -1.335797 0.421 231 -3.176 0.0356
## CNCH13 - FMA7 0.121017 0.421 231 0.288 1.0000
## CNCH13 - FSV1 -0.193545 0.421 231 -0.460 0.9998
## FBO1 - FCHI8 -0.493316 0.421 231 -1.173 0.9388
## FBO1 - FEAR5 -0.686620 0.421 231 -1.633 0.7300
## FBO1 - FGI4 -1.129451 0.421 231 -2.686 0.1322
## FBO1 - FMA7 0.327363 0.421 231 0.778 0.9941
## FBO1 - FSV1 0.012802 0.421 231 0.030 1.0000
## FCHI8 - FEAR5 -0.193304 0.421 231 -0.460 0.9998
## FCHI8 - FGI4 -0.636136 0.421 231 -1.513 0.8000
## FCHI8 - FMA7 0.820679 0.421 231 1.952 0.5171
## FCHI8 - FSV1 0.506117 0.421 231 1.204 0.9303
## FEAR5 - FGI4 -0.442831 0.421 231 -1.053 0.9655
## FEAR5 - FMA7 1.013983 0.421 231 2.411 0.2409
## FEAR5 - FSV1 0.699421 0.421 231 1.663 0.7109
## FGI4 - FMA7 1.456814 0.421 231 3.464 0.0144
## FGI4 - FSV1 1.142253 0.421 231 2.716 0.1230
## FMA7 - FSV1 -0.314561 0.421 231 -0.748 0.9954
##
## municipio = Puerto Rico:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 0.039187 0.421 231 0.093 1.0000
## CNCH12 - FBO1 -0.120592 0.421 231 -0.287 1.0000
## CNCH12 - FCHI8 nonEst NA NA NA NA
## CNCH12 - FEAR5 -0.304351 0.421 231 -0.724 0.9910
## CNCH12 - FGI4 0.226758 0.421 231 0.539 0.9982
## CNCH12 - FMA7 0.296685 0.421 231 0.705 0.9922
## CNCH12 - FSV1 0.154825 0.421 231 0.368 0.9998
## CNCH13 - FBO1 -0.159779 0.421 231 -0.380 0.9998
## CNCH13 - FCHI8 nonEst NA NA NA NA
## CNCH13 - FEAR5 -0.343538 0.421 231 -0.817 0.9831
## CNCH13 - FGI4 0.187571 0.421 231 0.446 0.9994
## CNCH13 - FMA7 0.257498 0.421 231 0.612 0.9964
## CNCH13 - FSV1 0.115638 0.421 231 0.275 1.0000
## FBO1 - FCHI8 nonEst NA NA NA NA
## FBO1 - FEAR5 -0.183759 0.421 231 -0.437 0.9995
## FBO1 - FGI4 0.347350 0.421 231 0.826 0.9821
## FBO1 - FMA7 0.417277 0.421 231 0.992 0.9553
## FBO1 - FSV1 0.275417 0.421 231 0.655 0.9948
## 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 0.531109 0.421 231 1.263 0.8680
## FEAR5 - FMA7 0.601036 0.421 231 1.429 0.7855
## FEAR5 - FSV1 0.459176 0.421 231 1.092 0.9300
## FGI4 - FMA7 0.069927 0.421 231 0.166 1.0000
## FGI4 - FSV1 -0.071933 0.421 231 -0.171 1.0000
## FMA7 - FSV1 -0.141860 0.421 231 -0.337 0.9999
##
## municipio = San Vicente:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.163531 0.421 231 -0.389 0.9999
## CNCH12 - FBO1 0.063047 0.421 231 0.150 1.0000
## CNCH12 - FCHI8 0.076118 0.421 231 0.181 1.0000
## CNCH12 - FEAR5 -0.419677 0.421 231 -0.998 0.9744
## CNCH12 - FGI4 0.112545 0.421 231 0.268 1.0000
## CNCH12 - FMA7 -0.142847 0.421 231 -0.340 1.0000
## CNCH12 - FSV1 0.109805 0.421 231 0.261 1.0000
## CNCH13 - FBO1 0.226577 0.421 231 0.539 0.9994
## CNCH13 - FCHI8 0.239649 0.421 231 0.570 0.9992
## CNCH13 - FEAR5 -0.256146 0.421 231 -0.609 0.9987
## CNCH13 - FGI4 0.276076 0.421 231 0.656 0.9980
## CNCH13 - FMA7 0.020684 0.421 231 0.049 1.0000
## CNCH13 - FSV1 0.273336 0.421 231 0.650 0.9981
## FBO1 - FCHI8 0.013072 0.421 231 0.031 1.0000
## FBO1 - FEAR5 -0.482723 0.421 231 -1.148 0.9453
## FBO1 - FGI4 0.049499 0.421 231 0.118 1.0000
## FBO1 - FMA7 -0.205893 0.421 231 -0.490 0.9997
## FBO1 - FSV1 0.046758 0.421 231 0.111 1.0000
## FCHI8 - FEAR5 -0.495795 0.421 231 -1.179 0.9372
## FCHI8 - FGI4 0.036427 0.421 231 0.087 1.0000
## FCHI8 - FMA7 -0.218965 0.421 231 -0.521 0.9995
## FCHI8 - FSV1 0.033687 0.421 231 0.080 1.0000
## FEAR5 - FGI4 0.532222 0.421 231 1.266 0.9105
## FEAR5 - FMA7 0.276830 0.421 231 0.658 0.9979
## FEAR5 - FSV1 0.529481 0.421 231 1.259 0.9127
## FGI4 - FMA7 -0.255392 0.421 231 -0.607 0.9988
## FGI4 - FSV1 -0.002740 0.421 231 -0.007 1.0000
## FMA7 - FSV1 0.252651 0.421 231 0.601 0.9988
##
## municipio = Chinácota:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.202170 0.421 231 -0.481 0.9997
## CNCH12 - FBO1 -0.161172 0.421 231 -0.383 0.9999
## CNCH12 - FCHI8 0.136306 0.421 231 0.324 1.0000
## CNCH12 - FEAR5 -0.174303 0.421 231 -0.414 0.9999
## CNCH12 - FGI4 -0.011395 0.421 231 -0.027 1.0000
## CNCH12 - FMA7 -0.029928 0.421 231 -0.071 1.0000
## CNCH12 - FSV1 -0.011978 0.421 231 -0.028 1.0000
## CNCH13 - FBO1 0.040997 0.421 231 0.097 1.0000
## CNCH13 - FCHI8 0.338476 0.421 231 0.805 0.9927
## CNCH13 - FEAR5 0.027867 0.421 231 0.066 1.0000
## CNCH13 - FGI4 0.190775 0.421 231 0.454 0.9998
## CNCH13 - FMA7 0.172242 0.421 231 0.410 0.9999
## CNCH13 - FSV1 0.190192 0.421 231 0.452 0.9998
## FBO1 - FCHI8 0.297479 0.421 231 0.707 0.9967
## FBO1 - FEAR5 -0.013130 0.421 231 -0.031 1.0000
## FBO1 - FGI4 0.149778 0.421 231 0.356 1.0000
## FBO1 - FMA7 0.131245 0.421 231 0.312 1.0000
## FBO1 - FSV1 0.149195 0.421 231 0.355 1.0000
## FCHI8 - FEAR5 -0.310609 0.421 231 -0.739 0.9957
## FCHI8 - FGI4 -0.147701 0.421 231 -0.351 1.0000
## FCHI8 - FMA7 -0.166234 0.421 231 -0.395 0.9999
## FCHI8 - FSV1 -0.148284 0.421 231 -0.353 1.0000
## FEAR5 - FGI4 0.162908 0.421 231 0.387 0.9999
## FEAR5 - FMA7 0.144375 0.421 231 0.343 1.0000
## FEAR5 - FSV1 0.162325 0.421 231 0.386 0.9999
## FGI4 - FMA7 -0.018533 0.421 231 -0.044 1.0000
## FGI4 - FSV1 -0.000583 0.421 231 -0.001 1.0000
## FMA7 - FSV1 0.017950 0.421 231 0.043 1.0000
##
## municipio = Jamundí:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.147072 0.421 231 -0.350 0.9993
## CNCH12 - FBO1 0.156784 0.421 231 0.373 0.9991
## CNCH12 - FCHI8 nonEst NA NA NA NA
## CNCH12 - FEAR5 -0.116671 0.421 231 -0.277 0.9998
## CNCH12 - FGI4 0.042677 0.421 231 0.101 1.0000
## CNCH12 - FMA7 0.175948 0.421 231 0.418 0.9983
## CNCH12 - FSV1 nonEst NA NA NA NA
## CNCH13 - FBO1 0.303856 0.421 231 0.723 0.9790
## CNCH13 - FCHI8 nonEst NA NA NA NA
## CNCH13 - FEAR5 0.030401 0.421 231 0.072 1.0000
## CNCH13 - FGI4 0.189749 0.421 231 0.451 0.9976
## CNCH13 - FMA7 0.323020 0.421 231 0.768 0.9726
## CNCH13 - FSV1 nonEst NA NA NA NA
## FBO1 - FCHI8 nonEst NA NA NA NA
## FBO1 - FEAR5 -0.273455 0.421 231 -0.650 0.9869
## FBO1 - FGI4 -0.114107 0.421 231 -0.271 0.9998
## FBO1 - FMA7 0.019163 0.421 231 0.046 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 0.159348 0.421 231 0.379 0.9990
## FEAR5 - FMA7 0.292619 0.421 231 0.696 0.9823
## FEAR5 - FSV1 nonEst NA NA NA NA
## FGI4 - FMA7 0.133271 0.421 231 0.317 0.9996
## 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 0.032503 0.421 231 0.077 1.0000
## CNCH12 - FBO1 -0.066910 0.421 231 -0.159 1.0000
## CNCH12 - FCHI8 0.335560 0.421 231 0.798 0.9931
## CNCH12 - FEAR5 0.197142 0.421 231 0.469 0.9998
## CNCH12 - FGI4 0.434863 0.421 231 1.034 0.9688
## CNCH12 - FMA7 -0.287409 0.421 231 -0.683 0.9974
## CNCH12 - FSV1 0.413745 0.421 231 0.984 0.9764
## CNCH13 - FBO1 -0.099413 0.421 231 -0.236 1.0000
## CNCH13 - FCHI8 0.303057 0.421 231 0.721 0.9963
## CNCH13 - FEAR5 0.164638 0.421 231 0.391 0.9999
## CNCH13 - FGI4 0.402360 0.421 231 0.957 0.9798
## CNCH13 - FMA7 -0.319912 0.421 231 -0.761 0.9949
## CNCH13 - FSV1 0.381242 0.421 231 0.907 0.9852
## FBO1 - FCHI8 0.402470 0.421 231 0.957 0.9798
## FBO1 - FEAR5 0.264051 0.421 231 0.628 0.9985
## FBO1 - FGI4 0.501772 0.421 231 1.193 0.9333
## FBO1 - FMA7 -0.220499 0.421 231 -0.524 0.9995
## FBO1 - FSV1 0.480655 0.421 231 1.143 0.9465
## FCHI8 - FEAR5 -0.138418 0.421 231 -0.329 1.0000
## FCHI8 - FGI4 0.099303 0.421 231 0.236 1.0000
## FCHI8 - FMA7 -0.622969 0.421 231 -1.481 0.8167
## FCHI8 - FSV1 0.078186 0.421 231 0.186 1.0000
## FEAR5 - FGI4 0.237721 0.421 231 0.565 0.9992
## FEAR5 - FMA7 -0.484550 0.421 231 -1.152 0.9442
## FEAR5 - FSV1 0.216604 0.421 231 0.515 0.9996
## FGI4 - FMA7 -0.722271 0.421 231 -1.717 0.6759
## FGI4 - FSV1 -0.021117 0.421 231 -0.050 1.0000
## FMA7 - FSV1 0.701154 0.421 231 1.667 0.7083
##
## municipio = Villa Garzón:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.968776 0.421 231 -2.304 0.2961
## CNCH12 - FBO1 0.011010 0.421 231 0.026 1.0000
## CNCH12 - FCHI8 0.064119 0.421 231 0.152 1.0000
## CNCH12 - FEAR5 -1.598857 0.421 231 -3.802 0.0045
## CNCH12 - FGI4 -0.394879 0.421 231 -0.939 0.9819
## CNCH12 - FMA7 -0.423200 0.421 231 -1.006 0.9732
## CNCH12 - FSV1 -0.493705 0.421 231 -1.174 0.9386
## CNCH13 - FBO1 0.979785 0.421 231 2.330 0.2820
## CNCH13 - FCHI8 1.032894 0.421 231 2.456 0.2199
## CNCH13 - FEAR5 -0.630081 0.421 231 -1.498 0.8078
## CNCH13 - FGI4 0.573896 0.421 231 1.365 0.8722
## CNCH13 - FMA7 0.545576 0.421 231 1.297 0.8992
## CNCH13 - FSV1 0.475070 0.421 231 1.130 0.9497
## FBO1 - FCHI8 0.053109 0.421 231 0.126 1.0000
## FBO1 - FEAR5 -1.609867 0.421 231 -3.828 0.0041
## FBO1 - FGI4 -0.405889 0.421 231 -0.965 0.9788
## FBO1 - FMA7 -0.434209 0.421 231 -1.033 0.9690
## FBO1 - FSV1 -0.504715 0.421 231 -1.200 0.9313
## FCHI8 - FEAR5 -1.662976 0.421 231 -3.954 0.0026
## FCHI8 - FGI4 -0.458998 0.421 231 -1.091 0.9581
## FCHI8 - FMA7 -0.487318 0.421 231 -1.159 0.9426
## FCHI8 - FSV1 -0.557824 0.421 231 -1.326 0.8880
## FEAR5 - FGI4 1.203977 0.421 231 2.863 0.0852
## FEAR5 - FMA7 1.175657 0.421 231 2.796 0.1011
## FEAR5 - FSV1 1.105152 0.421 231 2.628 0.1513
## FGI4 - FMA7 -0.028320 0.421 231 -0.067 1.0000
## FGI4 - FSV1 -0.098826 0.421 231 -0.235 1.0000
## FMA7 - FSV1 -0.070506 0.421 231 -0.168 1.0000
##
## municipio = Gigante:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.540060 0.421 231 -1.284 0.9040
## CNCH12 - FBO1 -0.491200 0.421 231 -1.168 0.9402
## CNCH12 - FCHI8 -0.816021 0.421 231 -1.940 0.5246
## CNCH12 - FEAR5 -0.610626 0.421 231 -1.452 0.8317
## CNCH12 - FGI4 -0.341684 0.421 231 -0.812 0.9923
## CNCH12 - FMA7 -0.341158 0.421 231 -0.811 0.9924
## CNCH12 - FSV1 -0.167684 0.421 231 -0.399 0.9999
## CNCH13 - FBO1 0.048860 0.421 231 0.116 1.0000
## CNCH13 - FCHI8 -0.275960 0.421 231 -0.656 0.9980
## CNCH13 - FEAR5 -0.070566 0.421 231 -0.168 1.0000
## CNCH13 - FGI4 0.198377 0.421 231 0.472 0.9998
## CNCH13 - FMA7 0.198902 0.421 231 0.473 0.9998
## CNCH13 - FSV1 0.372377 0.421 231 0.885 0.9871
## FBO1 - FCHI8 -0.324821 0.421 231 -0.772 0.9943
## FBO1 - FEAR5 -0.119426 0.421 231 -0.284 1.0000
## FBO1 - FGI4 0.149516 0.421 231 0.356 1.0000
## FBO1 - FMA7 0.150042 0.421 231 0.357 1.0000
## FBO1 - FSV1 0.323516 0.421 231 0.769 0.9945
## FCHI8 - FEAR5 0.205395 0.421 231 0.488 0.9997
## FCHI8 - FGI4 0.474337 0.421 231 1.128 0.9501
## FCHI8 - FMA7 0.474862 0.421 231 1.129 0.9498
## FCHI8 - FSV1 0.648337 0.421 231 1.542 0.7840
## FEAR5 - FGI4 0.268942 0.421 231 0.640 0.9983
## FEAR5 - FMA7 0.269468 0.421 231 0.641 0.9983
## FEAR5 - FSV1 0.442942 0.421 231 1.053 0.9655
## FGI4 - FMA7 0.000525 0.421 231 0.001 1.0000
## FGI4 - FSV1 0.174000 0.421 231 0.414 0.9999
## FMA7 - FSV1 0.173475 0.421 231 0.413 0.9999
##
## municipio = Hato Corozal:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 0.037139 0.421 231 0.088 1.0000
## CNCH12 - FBO1 -0.029234 0.421 231 -0.070 1.0000
## CNCH12 - FCHI8 0.100571 0.421 231 0.239 1.0000
## CNCH12 - FEAR5 -0.051943 0.421 231 -0.124 1.0000
## CNCH12 - FGI4 0.000913 0.421 231 0.002 1.0000
## CNCH12 - FMA7 -0.007060 0.421 231 -0.017 1.0000
## CNCH12 - FSV1 -0.076136 0.421 231 -0.181 1.0000
## CNCH13 - FBO1 -0.066373 0.421 231 -0.158 1.0000
## CNCH13 - FCHI8 0.063432 0.421 231 0.151 1.0000
## CNCH13 - FEAR5 -0.089082 0.421 231 -0.212 1.0000
## CNCH13 - FGI4 -0.036226 0.421 231 -0.086 1.0000
## CNCH13 - FMA7 -0.044199 0.421 231 -0.105 1.0000
## CNCH13 - FSV1 -0.113275 0.421 231 -0.269 1.0000
## FBO1 - FCHI8 0.129805 0.421 231 0.309 1.0000
## FBO1 - FEAR5 -0.022709 0.421 231 -0.054 1.0000
## FBO1 - FGI4 0.030147 0.421 231 0.072 1.0000
## FBO1 - FMA7 0.022174 0.421 231 0.053 1.0000
## FBO1 - FSV1 -0.046902 0.421 231 -0.112 1.0000
## FCHI8 - FEAR5 -0.152514 0.421 231 -0.363 1.0000
## FCHI8 - FGI4 -0.099658 0.421 231 -0.237 1.0000
## FCHI8 - FMA7 -0.107631 0.421 231 -0.256 1.0000
## FCHI8 - FSV1 -0.176707 0.421 231 -0.420 0.9999
## FEAR5 - FGI4 0.052856 0.421 231 0.126 1.0000
## FEAR5 - FMA7 0.044883 0.421 231 0.107 1.0000
## FEAR5 - FSV1 -0.024193 0.421 231 -0.058 1.0000
## FGI4 - FMA7 -0.007973 0.421 231 -0.019 1.0000
## FGI4 - FSV1 -0.077049 0.421 231 -0.183 1.0000
## FMA7 - FSV1 -0.069076 0.421 231 -0.164 1.0000
##
## municipio = Tame:
## contrast estimate SE df t.ratio p.value
## CNCH12 - CNCH13 -0.540989 0.421 231 -1.286 0.9032
## CNCH12 - FBO1 -0.136771 0.421 231 -0.325 1.0000
## CNCH12 - FCHI8 0.062901 0.421 231 0.150 1.0000
## CNCH12 - FEAR5 0.532737 0.421 231 1.267 0.9101
## CNCH12 - FGI4 -0.599250 0.421 231 -1.425 0.8449
## CNCH12 - FMA7 1.081165 0.421 231 2.571 0.1721
## CNCH12 - FSV1 -0.102171 0.421 231 -0.243 1.0000
## CNCH13 - FBO1 0.404218 0.421 231 0.961 0.9793
## CNCH13 - FCHI8 0.603891 0.421 231 1.436 0.8396
## CNCH13 - FEAR5 1.073726 0.421 231 2.553 0.1789
## CNCH13 - FGI4 -0.058260 0.421 231 -0.139 1.0000
## CNCH13 - FMA7 1.622155 0.421 231 3.857 0.0037
## CNCH13 - FSV1 0.438819 0.421 231 1.043 0.9672
## FBO1 - FCHI8 0.199672 0.421 231 0.475 0.9998
## FBO1 - FEAR5 0.669508 0.421 231 1.592 0.7547
## FBO1 - FGI4 -0.462479 0.421 231 -1.100 0.9564
## FBO1 - FMA7 1.217936 0.421 231 2.896 0.0781
## FBO1 - FSV1 0.034600 0.421 231 0.082 1.0000
## FCHI8 - FEAR5 0.469835 0.421 231 1.117 0.9526
## FCHI8 - FGI4 -0.662151 0.421 231 -1.575 0.7651
## FCHI8 - FMA7 1.018264 0.421 231 2.421 0.2361
## FCHI8 - FSV1 -0.165072 0.421 231 -0.393 0.9999
## FEAR5 - FGI4 -1.131986 0.421 231 -2.692 0.1304
## FEAR5 - FMA7 0.548429 0.421 231 1.304 0.8966
## FEAR5 - FSV1 -0.634907 0.421 231 -1.510 0.8016
## FGI4 - FMA7 1.680415 0.421 231 3.996 0.0022
## FGI4 - FSV1 0.497079 0.421 231 1.182 0.9364
## FMA7 - FSV1 -1.183336 0.421 231 -2.814 0.0966
##
## 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 1.907 0.624 322924 0.6844 3.13
## Puerto Rico 1.201 0.625 249389 -0.0245 2.43
## San Vicente 0.638 0.624 322924 -0.5851 1.86
## Chinácota 0.488 0.624 322924 -0.7347 1.71
## Jamundí 0.716 0.627 185342 -0.5128 1.95
## Rionegro 1.173 0.624 322924 -0.0501 2.40
## Villa Garzón 1.551 0.624 322924 0.3276 2.77
## Gigante 0.968 0.624 322924 -0.2552 2.19
## Hato Corozal 0.809 0.624 322924 -0.4137 2.03
## Tame 3.358 0.624 322924 2.1354 4.58
##
## 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 0.7062 0.883 282525 0.799 0.9986
## Yacopí - San Vicente 1.2695 0.873 309447 1.454 0.9099
## Yacopí - Chinácota 1.4191 0.873 309447 1.625 0.8361
## Yacopí - Jamundí 1.1910 0.885 239659 1.346 0.9428
## Yacopí - Rionegro 0.7345 0.873 309447 0.841 0.9979
## Yacopí - Villa Garzón 0.3568 0.882 322924 0.404 1.0000
## Yacopí - Gigante 0.9395 0.882 322924 1.065 0.9880
## Yacopí - Hato Corozal 1.0980 0.882 322924 1.244 0.9652
## Yacopí - Tame -1.4510 0.882 322924 -1.644 0.8263
## Puerto Rico - San Vicente 0.5633 0.883 282525 0.638 0.9998
## Puerto Rico - Chinácota 0.7129 0.883 282525 0.807 0.9985
## Puerto Rico - Jamundí 0.4847 0.886 213723 0.547 0.9999
## Puerto Rico - Rionegro 0.0283 0.883 282525 0.032 1.0000
## Puerto Rico - Villa Garzón -0.3494 0.874 270759 -0.400 1.0000
## Puerto Rico - Gigante 0.2333 0.883 282525 0.264 1.0000
## Puerto Rico - Hato Corozal 0.3918 0.883 282525 0.444 1.0000
## Puerto Rico - Tame -2.1573 0.883 282525 -2.442 0.3008
## San Vicente - Chinácota 0.1496 0.873 309447 0.171 1.0000
## San Vicente - Jamundí -0.0785 0.885 239659 -0.089 1.0000
## San Vicente - Rionegro -0.5350 0.154 298 -3.478 0.0203
## San Vicente - Villa Garzón -0.9127 0.882 322924 -1.034 0.9902
## San Vicente - Gigante -0.3299 0.882 322924 -0.374 1.0000
## San Vicente - Hato Corozal -0.1714 0.882 322924 -0.194 1.0000
## San Vicente - Tame -2.7205 0.882 322924 -3.083 0.0635
## Chinácota - Jamundí -0.2281 0.885 239659 -0.258 1.0000
## Chinácota - Rionegro -0.6846 0.873 309447 -0.784 0.9988
## Chinácota - Villa Garzón -1.0623 0.882 322924 -1.204 0.9720
## Chinácota - Gigante -0.4795 0.882 322924 -0.543 0.9999
## Chinácota - Hato Corozal -0.3210 0.882 322924 -0.364 1.0000
## Chinácota - Tame -2.8701 0.882 322924 -3.252 0.0381
## Jamundí - Rionegro -0.4565 0.885 239659 -0.516 1.0000
## Jamundí - Villa Garzón -0.8342 0.885 239659 -0.943 0.9950
## Jamundí - Gigante -0.2514 0.875 229706 -0.287 1.0000
## Jamundí - Hato Corozal -0.0929 0.885 239659 -0.105 1.0000
## Jamundí - Tame -2.6420 0.885 239659 -2.986 0.0835
## Rionegro - Villa Garzón -0.3777 0.882 322924 -0.428 1.0000
## Rionegro - Gigante 0.2051 0.882 322924 0.232 1.0000
## Rionegro - Hato Corozal 0.3636 0.882 322924 0.412 1.0000
## Rionegro - Tame -2.1855 0.882 322924 -2.477 0.2811
## Villa Garzón - Gigante 0.5827 0.882 322924 0.660 0.9997
## Villa Garzón - Hato Corozal 0.7412 0.882 322924 0.840 0.9980
## Villa Garzón - Tame -1.8078 0.882 322924 -2.049 0.5643
## Gigante - Hato Corozal 0.1585 0.882 322924 0.180 1.0000
## Gigante - Tame -2.3906 0.882 322924 -2.709 0.1698
## Hato Corozal - Tame -2.5491 0.873 309447 -2.919 0.1001
##
## 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 2.124 0.297 231 1.53820 2.710
## Puerto Rico 1.243 0.297 231 0.65709 1.829
## San Vicente 0.592 0.297 231 0.00648 1.178
## Chinácota 0.432 0.297 231 -0.15439 1.017
## Jamundí 0.735 0.297 231 0.14917 1.321
## Rionegro 1.305 0.297 231 0.71948 1.891
## Villa Garzón 1.075 0.297 231 0.48919 1.661
## Gigante 0.554 0.297 231 -0.03157 1.140
## Hato Corozal 0.806 0.297 231 0.22026 1.392
## Tame 3.396 0.297 231 2.80977 3.982
##
## gen = CNCH13:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 1.418 0.297 231 0.83238 2.004
## Puerto Rico 1.204 0.297 231 0.61791 1.790
## San Vicente 0.756 0.297 231 0.17001 1.342
## Chinácota 0.634 0.297 231 0.04778 1.220
## Jamundí 0.882 0.297 231 0.29624 1.468
## Rionegro 1.273 0.297 231 0.68698 1.859
## Villa Garzón 2.044 0.297 231 1.45797 2.630
## Gigante 1.094 0.297 231 0.50849 1.680
## Hato Corozal 0.769 0.297 231 0.18313 1.355
## Tame 3.937 0.297 231 3.35076 4.523
##
## gen = FBO1:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 1.625 0.297 231 1.03873 2.211
## Puerto Rico 1.364 0.297 231 0.77768 1.949
## San Vicente 0.529 0.297 231 -0.05656 1.115
## Chinácota 0.593 0.297 231 0.00678 1.179
## Jamundí 0.578 0.297 231 -0.00762 1.164
## Rionegro 1.372 0.297 231 0.78639 1.958
## Villa Garzón 1.064 0.297 231 0.47818 1.650
## Gigante 1.046 0.297 231 0.45963 1.631
## Hato Corozal 0.835 0.297 231 0.24950 1.421
## Tame 3.532 0.297 231 2.94654 4.118
##
## gen = FCHI8:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 2.118 0.297 231 1.53204 2.704
## Puerto Rico nonEst NA NA NA NA
## San Vicente 0.516 0.297 231 -0.06964 1.102
## Chinácota 0.295 0.297 231 -0.29070 0.881
## Jamundí nonEst NA NA NA NA
## Rionegro 0.970 0.297 231 0.38392 1.556
## Villa Garzón 1.011 0.297 231 0.42507 1.597
## Gigante 1.370 0.297 231 0.78445 1.956
## Hato Corozal 0.706 0.297 231 0.11969 1.291
## Tame 3.333 0.297 231 2.74687 3.919
##
## gen = FEAR5:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 2.311 0.297 231 1.72535 2.897
## Puerto Rico 1.547 0.297 231 0.96144 2.133
## San Vicente 1.012 0.297 231 0.42616 1.598
## Chinácota 0.606 0.297 231 0.01991 1.192
## Jamundí 0.852 0.297 231 0.26584 1.438
## Rionegro 1.108 0.297 231 0.52234 1.694
## Villa Garzón 2.674 0.297 231 2.08805 3.260
## Gigante 1.165 0.297 231 0.57906 1.751
## Hato Corozal 0.858 0.297 231 0.27221 1.444
## Tame 2.863 0.297 231 2.27703 3.449
##
## gen = FGI4:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 2.754 0.297 231 2.16818 3.340
## Puerto Rico 1.016 0.297 231 0.43033 1.602
## San Vicente 0.480 0.297 231 -0.10606 1.066
## Chinácota 0.443 0.297 231 -0.14300 1.029
## Jamundí 0.692 0.297 231 0.10649 1.278
## Rionegro 0.871 0.297 231 0.28462 1.456
## Villa Garzón 1.470 0.297 231 0.88407 2.056
## Gigante 0.896 0.297 231 0.31012 1.482
## Hato Corozal 0.805 0.297 231 0.21935 1.391
## Tame 3.995 0.297 231 3.40902 4.581
##
## gen = FMA7:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 1.297 0.297 231 0.71136 1.883
## Puerto Rico 0.946 0.297 231 0.36041 1.532
## San Vicente 0.735 0.297 231 0.14933 1.321
## Chinácota 0.461 0.297 231 -0.12446 1.047
## Jamundí 0.559 0.297 231 -0.02678 1.145
## Rionegro 1.593 0.297 231 1.00689 2.179
## Villa Garzón 1.498 0.297 231 0.91239 2.084
## Gigante 0.895 0.297 231 0.30959 1.481
## Hato Corozal 0.813 0.297 231 0.22732 1.399
## Tame 2.314 0.297 231 1.72860 2.900
##
## gen = FSV1:
## municipio emmean SE df lower.CL upper.CL
## Yacopí 1.612 0.297 231 1.02592 2.198
## Puerto Rico 1.088 0.297 231 0.50227 1.674
## San Vicente 0.483 0.297 231 -0.10332 1.068
## Chinácota 0.443 0.297 231 -0.14241 1.029
## Jamundí nonEst NA NA NA NA
## Rionegro 0.892 0.297 231 0.30574 1.478
## Villa Garzón 1.569 0.297 231 0.98290 2.155
## Gigante 0.722 0.297 231 0.13612 1.308
## Hato Corozal 0.882 0.297 231 0.29640 1.468
## Tame 3.498 0.297 231 2.91194 4.084
##
## 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 0.88111 0.421 231 2.095 0.5328
## Yacopí - San Vicente 1.53172 0.421 231 3.642 0.0121
## Yacopí - Chinácota 1.69259 0.421 231 4.025 0.0030
## Yacopí - Jamundí 1.38903 0.421 231 3.303 0.0363
## Yacopí - Rionegro 0.81872 0.421 231 1.947 0.6370
## Yacopí - Villa Garzón 1.04901 0.421 231 2.494 0.2770
## Yacopí - Gigante 1.56977 0.421 231 3.733 0.0089
## Yacopí - Hato Corozal 1.31794 0.421 231 3.134 0.0596
## Yacopí - Tame -1.27157 0.421 231 -3.024 0.0808
## Puerto Rico - San Vicente 0.65061 0.421 231 1.547 0.8715
## Puerto Rico - Chinácota 0.81149 0.421 231 1.930 0.6489
## Puerto Rico - Jamundí 0.50792 0.421 231 1.208 0.9705
## Puerto Rico - Rionegro -0.06239 0.421 231 -0.148 1.0000
## Puerto Rico - Villa Garzón 0.16790 0.421 231 0.399 1.0000
## Puerto Rico - Gigante 0.68866 0.421 231 1.638 0.8283
## Puerto Rico - Hato Corozal 0.43683 0.421 231 1.039 0.9895
## Puerto Rico - Tame -2.15268 0.421 231 -5.119 <.0001
## San Vicente - Chinácota 0.16087 0.421 231 0.383 1.0000
## San Vicente - Jamundí -0.14269 0.421 231 -0.339 1.0000
## San Vicente - Rionegro -0.71300 0.421 231 -1.695 0.7971
## San Vicente - Villa Garzón -0.48271 0.421 231 -1.148 0.9790
## San Vicente - Gigante 0.03805 0.421 231 0.090 1.0000
## San Vicente - Hato Corozal -0.21378 0.421 231 -0.508 1.0000
## San Vicente - Tame -2.80329 0.421 231 -6.666 <.0001
## Chinácota - Jamundí -0.30356 0.421 231 -0.722 0.9994
## Chinácota - Rionegro -0.87387 0.421 231 -2.078 0.5449
## Chinácota - Villa Garzón -0.64358 0.421 231 -1.530 0.8787
## Chinácota - Gigante -0.12283 0.421 231 -0.292 1.0000
## Chinácota - Hato Corozal -0.37466 0.421 231 -0.891 0.9966
## Chinácota - Tame -2.96416 0.421 231 -7.049 <.0001
## Jamundí - Rionegro -0.57031 0.421 231 -1.356 0.9389
## Jamundí - Villa Garzón -0.34002 0.421 231 -0.809 0.9984
## Jamundí - Gigante 0.18074 0.421 231 0.430 1.0000
## Jamundí - Hato Corozal -0.07110 0.421 231 -0.169 1.0000
## Jamundí - Tame -2.66060 0.421 231 -6.327 <.0001
## Rionegro - Villa Garzón 0.23029 0.421 231 0.548 0.9999
## Rionegro - Gigante 0.75105 0.421 231 1.786 0.7435
## Rionegro - Hato Corozal 0.49922 0.421 231 1.187 0.9737
## Rionegro - Tame -2.09029 0.421 231 -4.971 0.0001
## Villa Garzón - Gigante 0.52076 0.421 231 1.238 0.9654
## Villa Garzón - Hato Corozal 0.26893 0.421 231 0.639 0.9998
## Villa Garzón - Tame -2.32058 0.421 231 -5.518 <.0001
## Gigante - Hato Corozal -0.25183 0.421 231 -0.599 0.9999
## Gigante - Tame -2.84134 0.421 231 -6.756 <.0001
## Hato Corozal - Tame -2.58950 0.421 231 -6.158 <.0001
##
## gen = CNCH13:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 0.21447 0.421 231 0.510 1.0000
## Yacopí - San Vicente 0.66237 0.421 231 1.575 0.8589
## Yacopí - Chinácota 0.78460 0.421 231 1.866 0.6921
## Yacopí - Jamundí 0.53614 0.421 231 1.275 0.9583
## Yacopí - Rionegro 0.14540 0.421 231 0.346 1.0000
## Yacopí - Villa Garzón -0.62559 0.421 231 -1.488 0.8960
## Yacopí - Gigante 0.32389 0.421 231 0.770 0.9989
## Yacopí - Hato Corozal 0.64925 0.421 231 1.544 0.8729
## Yacopí - Tame -2.51838 0.421 231 -5.988 <.0001
## Puerto Rico - San Vicente 0.44789 0.421 231 1.065 0.9875
## Puerto Rico - Chinácota 0.57013 0.421 231 1.356 0.9391
## Puerto Rico - Jamundí 0.32166 0.421 231 0.765 0.9990
## Puerto Rico - Rionegro -0.06907 0.421 231 -0.164 1.0000
## Puerto Rico - Villa Garzón -0.84006 0.421 231 -1.998 0.6016
## Puerto Rico - Gigante 0.10941 0.421 231 0.260 1.0000
## Puerto Rico - Hato Corozal 0.43478 0.421 231 1.034 0.9899
## Puerto Rico - Tame -2.73285 0.421 231 -6.498 <.0001
## San Vicente - Chinácota 0.12224 0.421 231 0.291 1.0000
## San Vicente - Jamundí -0.12623 0.421 231 -0.300 1.0000
## San Vicente - Rionegro -0.51697 0.421 231 -1.229 0.9670
## San Vicente - Villa Garzón -1.28795 0.421 231 -3.063 0.0726
## San Vicente - Gigante -0.33848 0.421 231 -0.805 0.9985
## San Vicente - Hato Corozal -0.01311 0.421 231 -0.031 1.0000
## San Vicente - Tame -3.18075 0.421 231 -7.564 <.0001
## Chinácota - Jamundí -0.24846 0.421 231 -0.591 0.9999
## Chinácota - Rionegro -0.63920 0.421 231 -1.520 0.8830
## Chinácota - Villa Garzón -1.41019 0.421 231 -3.353 0.0311
## Chinácota - Gigante -0.46072 0.421 231 -1.096 0.9848
## Chinácota - Hato Corozal -0.13535 0.421 231 -0.322 1.0000
## Chinácota - Tame -3.30298 0.421 231 -7.854 <.0001
## Jamundí - Rionegro -0.39074 0.421 231 -0.929 0.9954
## Jamundí - Villa Garzón -1.16172 0.421 231 -2.762 0.1558
## Jamundí - Gigante -0.21225 0.421 231 -0.505 1.0000
## Jamundí - Hato Corozal 0.11312 0.421 231 0.269 1.0000
## Jamundí - Tame -3.05452 0.421 231 -7.263 <.0001
## Rionegro - Villa Garzón -0.77099 0.421 231 -1.833 0.7133
## Rionegro - Gigante 0.17849 0.421 231 0.424 1.0000
## Rionegro - Hato Corozal 0.50386 0.421 231 1.198 0.9721
## Rionegro - Tame -2.66378 0.421 231 -6.334 <.0001
## Villa Garzón - Gigante 0.94947 0.421 231 2.258 0.4208
## Villa Garzón - Hato Corozal 1.27484 0.421 231 3.031 0.0791
## Villa Garzón - Tame -1.89279 0.421 231 -4.501 0.0004
## Gigante - Hato Corozal 0.32537 0.421 231 0.774 0.9989
## Gigante - Tame -2.84227 0.421 231 -6.759 <.0001
## Hato Corozal - Tame -3.16763 0.421 231 -7.532 <.0001
##
## gen = FBO1:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 0.26104 0.421 231 0.621 0.9998
## Yacopí - San Vicente 1.09529 0.421 231 2.604 0.2215
## Yacopí - Chinácota 1.03195 0.421 231 2.454 0.2994
## Yacopí - Jamundí 1.04634 0.421 231 2.488 0.2804
## Yacopí - Rionegro 0.25233 0.421 231 0.600 0.9999
## Yacopí - Villa Garzón 0.56054 0.421 231 1.333 0.9450
## Yacopí - Gigante 0.57909 0.421 231 1.377 0.9331
## Yacopí - Hato Corozal 0.78923 0.421 231 1.877 0.6848
## Yacopí - Tame -1.90782 0.421 231 -4.537 0.0004
## Puerto Rico - San Vicente 0.83425 0.421 231 1.984 0.6113
## Puerto Rico - Chinácota 0.77090 0.421 231 1.833 0.7135
## Puerto Rico - Jamundí 0.78530 0.421 231 1.867 0.6910
## Puerto Rico - Rionegro -0.00871 0.421 231 -0.021 1.0000
## Puerto Rico - Villa Garzón 0.29950 0.421 231 0.712 0.9994
## Puerto Rico - Gigante 0.31805 0.421 231 0.756 0.9991
## Puerto Rico - Hato Corozal 0.52819 0.421 231 1.256 0.9621
## Puerto Rico - Tame -2.16886 0.421 231 -5.157 <.0001
## San Vicente - Chinácota -0.06334 0.421 231 -0.151 1.0000
## San Vicente - Jamundí -0.04895 0.421 231 -0.116 1.0000
## San Vicente - Rionegro -0.84296 0.421 231 -2.004 0.5968
## San Vicente - Villa Garzón -0.53475 0.421 231 -1.272 0.9590
## San Vicente - Gigante -0.51620 0.421 231 -1.227 0.9673
## San Vicente - Hato Corozal -0.30606 0.421 231 -0.728 0.9993
## San Vicente - Tame -3.00311 0.421 231 -7.141 <.0001
## Chinácota - Jamundí 0.01439 0.421 231 0.034 1.0000
## Chinácota - Rionegro -0.77961 0.421 231 -1.854 0.6999
## Chinácota - Villa Garzón -0.47140 0.421 231 -1.121 0.9822
## Chinácota - Gigante -0.45285 0.421 231 -1.077 0.9865
## Chinácota - Hato Corozal -0.24272 0.421 231 -0.577 0.9999
## Chinácota - Tame -2.93976 0.421 231 -6.990 <.0001
## Jamundí - Rionegro -0.79401 0.421 231 -1.888 0.6771
## Jamundí - Villa Garzón -0.48580 0.421 231 -1.155 0.9781
## Jamundí - Gigante -0.46725 0.421 231 -1.111 0.9832
## Jamundí - Hato Corozal -0.25711 0.421 231 -0.611 0.9998
## Jamundí - Tame -2.95416 0.421 231 -7.025 <.0001
## Rionegro - Villa Garzón 0.30821 0.421 231 0.733 0.9993
## Rionegro - Gigante 0.32676 0.421 231 0.777 0.9988
## Rionegro - Hato Corozal 0.53689 0.421 231 1.277 0.9579
## Rionegro - Tame -2.16015 0.421 231 -5.137 <.0001
## Villa Garzón - Gigante 0.01855 0.421 231 0.044 1.0000
## Villa Garzón - Hato Corozal 0.22868 0.421 231 0.544 0.9999
## Villa Garzón - Tame -2.46836 0.421 231 -5.870 <.0001
## Gigante - Hato Corozal 0.21013 0.421 231 0.500 1.0000
## Gigante - Tame -2.48691 0.421 231 -5.914 <.0001
## Hato Corozal - Tame -2.69704 0.421 231 -6.413 <.0001
##
## gen = FCHI8:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico nonEst NA NA NA NA
## Yacopí - San Vicente 1.60168 0.421 231 3.809 0.0044
## Yacopí - Chinácota 1.82274 0.421 231 4.334 0.0006
## Yacopí - Jamundí nonEst NA NA NA NA
## Yacopí - Rionegro 1.14812 0.421 231 2.730 0.1189
## Yacopí - Villa Garzón 1.10697 0.421 231 2.632 0.1498
## Yacopí - Gigante 0.74759 0.421 231 1.778 0.6358
## Yacopí - Hato Corozal 1.41235 0.421 231 3.358 0.0203
## Yacopí - Tame -1.21483 0.421 231 -2.889 0.0796
## 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 0.22106 0.421 231 0.526 0.9995
## San Vicente - Jamundí nonEst NA NA NA NA
## San Vicente - Rionegro -0.45356 0.421 231 -1.079 0.9607
## San Vicente - Villa Garzón -0.49471 0.421 231 -1.176 0.9379
## San Vicente - Gigante -0.85409 0.421 231 -2.031 0.4634
## San Vicente - Hato Corozal -0.18933 0.421 231 -0.450 0.9998
## San Vicente - Tame -2.81650 0.421 231 -6.697 <.0001
## Chinácota - Jamundí nonEst NA NA NA NA
## Chinácota - Rionegro -0.67462 0.421 231 -1.604 0.7474
## Chinácota - Villa Garzón -0.71577 0.421 231 -1.702 0.6860
## Chinácota - Gigante -1.07515 0.421 231 -2.557 0.1776
## Chinácota - Hato Corozal -0.41039 0.421 231 -0.976 0.9774
## Chinácota - Tame -3.03757 0.421 231 -7.223 <.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 -0.04115 0.421 231 -0.098 1.0000
## Rionegro - Gigante -0.40053 0.421 231 -0.952 0.9803
## Rionegro - Hato Corozal 0.26423 0.421 231 0.628 0.9985
## Rionegro - Tame -2.36295 0.421 231 -5.619 <.0001
## Villa Garzón - Gigante -0.35938 0.421 231 -0.855 0.9896
## Villa Garzón - Hato Corozal 0.30538 0.421 231 0.726 0.9961
## Villa Garzón - Tame -2.32180 0.421 231 -5.521 <.0001
## Gigante - Hato Corozal 0.66476 0.421 231 1.581 0.7614
## Gigante - Tame -1.96242 0.421 231 -4.666 0.0001
## Hato Corozal - Tame -2.62717 0.421 231 -6.247 <.0001
##
## gen = FEAR5:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 0.76390 0.421 231 1.816 0.7242
## Yacopí - San Vicente 1.29919 0.421 231 3.089 0.0675
## Yacopí - Chinácota 1.70544 0.421 231 4.055 0.0027
## Yacopí - Jamundí 1.45951 0.421 231 3.471 0.0215
## Yacopí - Rionegro 1.20300 0.421 231 2.861 0.1231
## Yacopí - Villa Garzón -0.36270 0.421 231 -0.862 0.9974
## Yacopí - Gigante 1.14629 0.421 231 2.726 0.1697
## Yacopí - Hato Corozal 1.45314 0.421 231 3.455 0.0225
## Yacopí - Tame -0.55169 0.421 231 -1.312 0.9501
## Puerto Rico - San Vicente 0.53528 0.421 231 1.273 0.9587
## Puerto Rico - Chinácota 0.94153 0.421 231 2.239 0.4334
## Puerto Rico - Jamundí 0.69560 0.421 231 1.654 0.8197
## Puerto Rico - Rionegro 0.43910 0.421 231 1.044 0.9891
## Puerto Rico - Villa Garzón -1.12660 0.421 231 -2.679 0.1885
## Puerto Rico - Gigante 0.38238 0.421 231 0.909 0.9961
## Puerto Rico - Hato Corozal 0.68924 0.421 231 1.639 0.8276
## Puerto Rico - Tame -1.31559 0.421 231 -3.128 0.0605
## San Vicente - Chinácota 0.40625 0.421 231 0.966 0.9938
## San Vicente - Jamundí 0.16032 0.421 231 0.381 1.0000
## San Vicente - Rionegro -0.09618 0.421 231 -0.229 1.0000
## San Vicente - Villa Garzón -1.66189 0.421 231 -3.952 0.0040
## San Vicente - Gigante -0.15290 0.421 231 -0.364 1.0000
## San Vicente - Hato Corozal 0.15395 0.421 231 0.366 1.0000
## San Vicente - Tame -1.85087 0.421 231 -4.401 0.0007
## Chinácota - Jamundí -0.24593 0.421 231 -0.585 0.9999
## Chinácota - Rionegro -0.50243 0.421 231 -1.195 0.9726
## Chinácota - Villa Garzón -2.06814 0.421 231 -4.918 0.0001
## Chinácota - Gigante -0.55915 0.421 231 -1.330 0.9458
## Chinácota - Hato Corozal -0.25230 0.421 231 -0.600 0.9999
## Chinácota - Tame -2.25712 0.421 231 -5.367 <.0001
## Jamundí - Rionegro -0.25650 0.421 231 -0.610 0.9998
## Jamundí - Villa Garzón -1.82221 0.421 231 -4.333 0.0009
## Jamundí - Gigante -0.31322 0.421 231 -0.745 0.9992
## Jamundí - Hato Corozal -0.00637 0.421 231 -0.015 1.0000
## Jamundí - Tame -2.01119 0.421 231 -4.782 0.0001
## Rionegro - Villa Garzón -1.56571 0.421 231 -3.723 0.0092
## Rionegro - Gigante -0.05672 0.421 231 -0.135 1.0000
## Rionegro - Hato Corozal 0.25013 0.421 231 0.595 0.9999
## Rionegro - Tame -1.75469 0.421 231 -4.172 0.0017
## Villa Garzón - Gigante 1.50899 0.421 231 3.588 0.0146
## Villa Garzón - Hato Corozal 1.81584 0.421 231 4.318 0.0010
## Villa Garzón - Tame -0.18899 0.421 231 -0.449 1.0000
## Gigante - Hato Corozal 0.30685 0.421 231 0.730 0.9993
## Gigante - Tame -1.69798 0.421 231 -4.038 0.0029
## Hato Corozal - Tame -2.00483 0.421 231 -4.767 0.0001
##
## gen = FGI4:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 1.73784 0.421 231 4.132 0.0020
## Yacopí - San Vicente 2.27424 0.421 231 5.408 <.0001
## Yacopí - Chinácota 2.31117 0.421 231 5.496 <.0001
## Yacopí - Jamundí 2.06169 0.421 231 4.902 0.0001
## Yacopí - Rionegro 1.88356 0.421 231 4.479 0.0005
## Yacopí - Villa Garzón 1.28411 0.421 231 3.053 0.0745
## Yacopí - Gigante 1.85806 0.421 231 4.418 0.0006
## Yacopí - Hato Corozal 1.94883 0.421 231 4.634 0.0003
## Yacopí - Tame -1.24084 0.421 231 -2.951 0.0980
## Puerto Rico - San Vicente 0.53640 0.421 231 1.276 0.9582
## Puerto Rico - Chinácota 0.57333 0.421 231 1.363 0.9370
## Puerto Rico - Jamundí 0.32384 0.421 231 0.770 0.9989
## Puerto Rico - Rionegro 0.14571 0.421 231 0.346 1.0000
## Puerto Rico - Villa Garzón -0.45374 0.421 231 -1.079 0.9863
## Puerto Rico - Gigante 0.12022 0.421 231 0.286 1.0000
## Puerto Rico - Hato Corozal 0.21098 0.421 231 0.502 1.0000
## Puerto Rico - Tame -2.97869 0.421 231 -7.083 <.0001
## San Vicente - Chinácota 0.03694 0.421 231 0.088 1.0000
## San Vicente - Jamundí -0.21255 0.421 231 -0.505 1.0000
## San Vicente - Rionegro -0.39068 0.421 231 -0.929 0.9954
## San Vicente - Villa Garzón -0.99013 0.421 231 -2.354 0.3585
## San Vicente - Gigante -0.41618 0.421 231 -0.990 0.9926
## San Vicente - Hato Corozal -0.32541 0.421 231 -0.774 0.9989
## San Vicente - Tame -3.51508 0.421 231 -8.359 <.0001
## Chinácota - Jamundí -0.24949 0.421 231 -0.593 0.9999
## Chinácota - Rionegro -0.42762 0.421 231 -1.017 0.9910
## Chinácota - Villa Garzón -1.02707 0.421 231 -2.442 0.3060
## Chinácota - Gigante -0.45311 0.421 231 -1.077 0.9864
## Chinácota - Hato Corozal -0.36235 0.421 231 -0.862 0.9974
## Chinácota - Tame -3.55202 0.421 231 -8.446 <.0001
## Jamundí - Rionegro -0.17813 0.421 231 -0.424 1.0000
## Jamundí - Villa Garzón -0.77758 0.421 231 -1.849 0.7031
## Jamundí - Gigante -0.20362 0.421 231 -0.484 1.0000
## Jamundí - Hato Corozal -0.11286 0.421 231 -0.268 1.0000
## Jamundí - Tame -3.30253 0.421 231 -7.853 <.0001
## Rionegro - Villa Garzón -0.59945 0.421 231 -1.425 0.9182
## Rionegro - Gigante -0.02550 0.421 231 -0.061 1.0000
## Rionegro - Hato Corozal 0.06527 0.421 231 0.155 1.0000
## Rionegro - Tame -3.12440 0.421 231 -7.430 <.0001
## Villa Garzón - Gigante 0.57395 0.421 231 1.365 0.9366
## Villa Garzón - Hato Corozal 0.66472 0.421 231 1.581 0.8563
## Villa Garzón - Tame -2.52495 0.421 231 -6.004 <.0001
## Gigante - Hato Corozal 0.09076 0.421 231 0.216 1.0000
## Gigante - Tame -3.09890 0.421 231 -7.369 <.0001
## Hato Corozal - Tame -3.18967 0.421 231 -7.585 <.0001
##
## gen = FMA7:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 0.35096 0.421 231 0.835 0.9980
## Yacopí - San Vicente 0.56203 0.421 231 1.336 0.9441
## Yacopí - Chinácota 0.83583 0.421 231 1.988 0.6087
## Yacopí - Jamundí 0.73814 0.421 231 1.755 0.7623
## Yacopí - Rionegro -0.29553 0.421 231 -0.703 0.9995
## Yacopí - Villa Garzón -0.20103 0.421 231 -0.478 1.0000
## Yacopí - Gigante 0.40177 0.421 231 0.955 0.9943
## Yacopí - Hato Corozal 0.48404 0.421 231 1.151 0.9786
## Yacopí - Tame -1.01724 0.421 231 -2.419 0.3195
## Puerto Rico - San Vicente 0.21108 0.421 231 0.502 1.0000
## Puerto Rico - Chinácota 0.48487 0.421 231 1.153 0.9784
## Puerto Rico - Jamundí 0.38719 0.421 231 0.921 0.9957
## Puerto Rico - Rionegro -0.64648 0.421 231 -1.537 0.8757
## Puerto Rico - Villa Garzón -0.55198 0.421 231 -1.313 0.9500
## Puerto Rico - Gigante 0.05082 0.421 231 0.121 1.0000
## Puerto Rico - Hato Corozal 0.13308 0.421 231 0.316 1.0000
## Puerto Rico - Tame -1.36820 0.421 231 -3.253 0.0421
## San Vicente - Chinácota 0.27379 0.421 231 0.651 0.9997
## San Vicente - Jamundí 0.17611 0.421 231 0.419 1.0000
## San Vicente - Rionegro -0.85756 0.421 231 -2.039 0.5723
## San Vicente - Villa Garzón -0.76306 0.421 231 -1.814 0.7255
## San Vicente - Gigante -0.16026 0.421 231 -0.381 1.0000
## San Vicente - Hato Corozal -0.07799 0.421 231 -0.185 1.0000
## San Vicente - Tame -1.57928 0.421 231 -3.755 0.0082
## Chinácota - Jamundí -0.09769 0.421 231 -0.232 1.0000
## Chinácota - Rionegro -1.13136 0.421 231 -2.690 0.1838
## Chinácota - Villa Garzón -1.03685 0.421 231 -2.466 0.2929
## Chinácota - Gigante -0.43406 0.421 231 -1.032 0.9900
## Chinácota - Hato Corozal -0.35179 0.421 231 -0.837 0.9979
## Chinácota - Tame -1.85307 0.421 231 -4.406 0.0007
## Jamundí - Rionegro -1.03367 0.421 231 -2.458 0.2971
## Jamundí - Villa Garzón -0.93917 0.421 231 -2.233 0.4372
## Jamundí - Gigante -0.33637 0.421 231 -0.800 0.9985
## Jamundí - Hato Corozal -0.25410 0.421 231 -0.604 0.9998
## Jamundí - Tame -1.75538 0.421 231 -4.174 0.0017
## Rionegro - Villa Garzón 0.09450 0.421 231 0.225 1.0000
## Rionegro - Gigante 0.69730 0.421 231 1.658 0.8175
## Rionegro - Hato Corozal 0.77957 0.421 231 1.854 0.7000
## Rionegro - Tame -0.72171 0.421 231 -1.716 0.7853
## Villa Garzón - Gigante 0.60280 0.421 231 1.433 0.9155
## Villa Garzón - Hato Corozal 0.68507 0.421 231 1.629 0.8327
## Villa Garzón - Tame -0.81622 0.421 231 -1.941 0.6411
## Gigante - Hato Corozal 0.08227 0.421 231 0.196 1.0000
## Gigante - Tame -1.41901 0.421 231 -3.374 0.0291
## Hato Corozal - Tame -1.50128 0.421 231 -3.570 0.0155
##
## gen = FSV1:
## contrast estimate SE df t.ratio p.value
## Yacopí - Puerto Rico 0.52366 0.421 231 1.245 0.9454
## Yacopí - San Vicente 1.12925 0.421 231 2.685 0.1589
## Yacopí - Chinácota 1.16834 0.421 231 2.778 0.1276
## Yacopí - Jamundí nonEst NA NA NA NA
## Yacopí - Rionegro 0.72019 0.421 231 1.713 0.7383
## Yacopí - Villa Garzón 0.04303 0.421 231 0.102 1.0000
## Yacopí - Gigante 0.88981 0.421 231 2.116 0.4651
## Yacopí - Hato Corozal 0.72952 0.421 231 1.735 0.7244
## Yacopí - Tame -1.88602 0.421 231 -4.485 0.0004
## Puerto Rico - San Vicente 0.60559 0.421 231 1.440 0.8811
## Puerto Rico - Chinácota 0.64468 0.421 231 1.533 0.8389
## Puerto Rico - Jamundí nonEst NA NA NA NA
## Puerto Rico - Rionegro 0.19653 0.421 231 0.467 0.9999
## Puerto Rico - Villa Garzón -0.48063 0.421 231 -1.143 0.9669
## Puerto Rico - Gigante 0.36615 0.421 231 0.871 0.9942
## Puerto Rico - Hato Corozal 0.20587 0.421 231 0.490 0.9999
## Puerto Rico - Tame -2.40967 0.421 231 -5.730 <.0001
## San Vicente - Chinácota 0.03909 0.421 231 0.093 1.0000
## San Vicente - Jamundí nonEst NA NA NA NA
## San Vicente - Rionegro -0.40906 0.421 231 -0.973 0.9880
## San Vicente - Villa Garzón -1.08622 0.421 231 -2.583 0.1996
## San Vicente - Gigante -0.23944 0.421 231 -0.569 0.9997
## San Vicente - Hato Corozal -0.39972 0.421 231 -0.951 0.9897
## San Vicente - Tame -3.01526 0.421 231 -7.170 <.0001
## Chinácota - Jamundí nonEst NA NA NA NA
## Chinácota - Rionegro -0.44815 0.421 231 -1.066 0.9785
## Chinácota - Villa Garzón -1.12531 0.421 231 -2.676 0.1624
## Chinácota - Gigante -0.27853 0.421 231 -0.662 0.9992
## Chinácota - Hato Corozal -0.43882 0.421 231 -1.043 0.9811
## Chinácota - Tame -3.05436 0.421 231 -7.263 <.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 -0.67716 0.421 231 -1.610 0.7985
## Rionegro - Gigante 0.16962 0.421 231 0.403 1.0000
## Rionegro - Hato Corozal 0.00934 0.421 231 0.022 1.0000
## Rionegro - Tame -2.60620 0.421 231 -6.197 <.0001
## Villa Garzón - Gigante 0.84678 0.421 231 2.014 0.5355
## Villa Garzón - Hato Corozal 0.68649 0.421 231 1.632 0.7860
## Villa Garzón - Tame -1.92904 0.421 231 -4.587 0.0003
## Gigante - Hato Corozal -0.16028 0.421 231 -0.381 1.0000
## Gigante - Tame -2.77582 0.421 231 -6.601 <.0001
## Hato Corozal - Tame -2.61554 0.421 231 -6.220 <.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()`).
