Montagem dos dados:
DADOS_THE = read.table("TERESINA.csv", header = T, sep = ";", dec = ",")
DADOS_THI = read.table("TIANGUA.csv", header = T, sep = ";", dec = ",")
dados.geral = rbind(DADOS_THE,
DADOS_THI)
dados.geral$AMBIENTE = as.factor(dados.geral$AMBIENTE)
dados.geral$ACESSO = as.factor(dados.geral$ACESSO)
dados.geral$BLOC = as.factor(dados.geral$BLOC)ANOVAS por variável:
anova.geral = manova(as.matrix(dados.geral[,4:10])~ ACESSO*AMBIENTE + BLOC%in%AMBIENTE,
data = dados.geral)
summary.aov(anova.geral)## Response NDF :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 4067 370 18.1764 5.734e-16 ***
## AMBIENTE 1 37052 37052 1821.6660 < 2.2e-16 ***
## ACESSO:AMBIENTE 11 444 40 1.9854 0.04395 *
## AMBIENTE:BLOC 6 134 22 1.0946 0.37498
## Residuals 66 1342 20
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Response NDM :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 4303.8 391.3 4.0032 0.0001757 ***
## AMBIENTE 1 17604.2 17604.2 180.1170 < 2.2e-16 ***
## ACESSO:AMBIENTE 11 1059.8 96.3 0.9858 0.4682851
## AMBIENTE:BLOC 6 266.8 44.5 0.4550 0.8388911
## Residuals 66 6450.7 97.7
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Response CVV :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 4043.3 367.57 24.4607 < 2.2e-16 ***
## AMBIENTE 1 988.0 988.04 65.7501 1.692e-11 ***
## ACESSO:AMBIENTE 11 131.6 11.96 0.7960 0.6433
## AMBIENTE:BLOC 6 46.4 7.74 0.5149 0.7949
## Residuals 66 991.8 15.03
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Response PVV :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 11242.3 1022.0 21.1009 < 2.2e-16 ***
## AMBIENTE 1 6588.7 6588.7 136.0317 < 2.2e-16 ***
## ACESSO:AMBIENTE 11 4459.6 405.4 8.3703 5.473e-09 ***
## AMBIENTE:BLOC 6 348.6 58.1 1.1994 0.3177
## Residuals 66 3196.7 48.4
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Response NGV :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 1.1788 0.1072 1.4043 0.1921
## AMBIENTE 1 3.3190 3.3190 43.4912 8.457e-09 ***
## ACESSO:AMBIENTE 11 1.2051 0.1096 1.4356 0.1784
## AMBIENTE:BLOC 6 0.1802 0.0300 0.3935 0.8807
## Residuals 66 5.0367 0.0763
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Response P100 :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 24059.3 2187.21 7.9516 1.324e-08 ***
## AMBIENTE 1 97.2 97.18 0.3533 0.55428
## ACESSO:AMBIENTE 11 1745.8 158.71 0.5770 0.84070
## AMBIENTE:BLOC 6 3461.7 576.95 2.0975 0.06518 .
## Residuals 66 18154.4 275.07
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Response IG. :
## Df Sum Sq Mean Sq F value Pr(>F)
## ACESSO 11 5870.3 533.66 13.3532 6.120e-13 ***
## AMBIENTE 1 2150.4 2150.45 53.8082 4.090e-10 ***
## ACESSO:AMBIENTE 11 3998.6 363.51 9.0956 1.245e-09 ***
## AMBIENTE:BLOC 6 172.6 28.77 0.7200 0.6349
## Residuals 66 2637.7 39.97
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1MANOVA:
anova(anova.geral)## Analysis of Variance Table
##
## Df Pillai approx F num Df den Df Pr(>F)
## (Intercept) 1 0.99897 8346.1 7 60 < 2.2e-16 ***
## ACESSO 11 3.12394 4.8 77 462 < 2.2e-16 ***
## AMBIENTE 1 0.98012 422.5 7 60 < 2.2e-16 ***
## ACESSO:AMBIENTE 11 1.62281 1.8 77 462 0.0001119 ***
## AMBIENTE:BLOC 6 0.64087 1.1 42 390 0.3003743
## Residuals 66
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1ANALISE DE CORRELAÇÃO CANÔNICA
Significância adotada = 5%
Correlação Canônica por ambiente:
library(MVar.pt)Teresina:
cca.teresina = CCA(dados.geral[1:48,4:5], dados.geral[1:48,6:ncol(dados.geral)], test = "Bartlett")
cca.teresina$var.UV## Variancia % da Variancia % acumulada da Variancia
## U1V1 0.2546354 69.00952 69.00952
## U2V2 0.1143505 30.99048 100.00000cca.teresina$sigtest## Pares Canonicos Lambda de Wilks Qui-Quadrado aproximado
## 1 U1V1 0.66013 17.85858
## 2 U2V2 0.88565 5.22166
## Densidade Qui-Quadrado Grau de Liberdade Valor-p
## 1 18.30704 10 0.0574
## 2 9.48773 4 0.2653cca.teresina$corr.UV## Correlacao
## U1V1 0.5046141
## U2V2 0.3381576Tianguá:
cca.tiangua = CCA(dados.geral[48:96,4:5], dados.geral[48:96,6:ncol(dados.geral)], test = "Bartlett")
cca.tiangua$var.UV## Variancia % da Variancia % acumulada da Variancia
## U1V1 0.1934261 58.29408 58.29408
## U2V2 0.1383848 41.70592 100.00000cca.tiangua$sigtest## Pares Canonicos Lambda de Wilks Qui-Quadrado aproximado
## 1 U1V1 0.69496 16.01188
## 2 U2V2 0.86162 6.55365
## Densidade Qui-Quadrado Grau de Liberdade Valor-p
## 1 18.30704 10 0.09929
## 2 9.48773 4 0.16144cca.tiangua$corr.UV## Correlacao
## U1V1 0.4398023
## U2V2 0.3720011Correlação Canônica geral (Teresina e Tianguá):
cca.geral = CCA(dados.geral[,4:5], dados.geral[,6:ncol(dados.geral)], test = "Bartlett")
cca.geral$var.UV## Variancia % da Variancia % acumulada da Variancia
## U1V1 0.48161723 85.409 85.409
## U2V2 0.08227792 14.591 100.000cca.geral$sigtest## Pares Canonicos Lambda de Wilks Qui-Quadrado aproximado
## 1 U1V1 0.47573 67.60409
## 2 U2V2 0.91772 7.81332
## Densidade Qui-Quadrado Grau de Liberdade Valor-p
## 1 18.30704 10 0.00000
## 2 9.48773 4 0.09866cca.geral$corr.UV## Correlacao
## U1V1 0.6939865
## U2V2 0.2868413