Grupo R : RMyP

Para aquellos que han leido Zuur (2009) “Mixed Effects Models and Extensions in Ecology with R” y en el capitulo 4 nos hace un plot de los predict del modelo sin intervalos de confianza al 95% y nos comenta que todavía no se ha desarrollado un código para calcularlos (predict.gls), pero que con un poco de código engorroso similar al de las ecuaciones de modelo lineales se podría obtener fácilmente. Ahí es donde por lo menos yo me quedé mirando la numeración de las páginas por si le faltaba alguna hoja, pero no, no se molesto en calcularlos ;)

Aquí esta la librería “rms”, que permite con la función Gls calcular los predict y graficarlos. El código cambia un poco pero esta basado en la librería “nlme”. Hay que fijarse en como se formulan los weights.

library(rms)
 
b3$BroodC <- NULL ##Eliminar una columna (datadist da problemas si en alguna columna hay NAs
dd <- datadist(b3); options(datadist='dd')  #opción de longitud necesaria para el Gls(  Gls {rms})
Form <- formula(log(Media) ~ logLc+fBrood2)
Ident<-varIdent( ~1 | fBrood2) 
M2<- Gls(Form,data=b3,weights = Ident)
 
###Ploteamos los residuales estandarizados
 
E <- resid(M, type = "normalized")
Fit <- fitted(M)
op <- par(mfrow = c(1, 3))
plot(x = Fit, y = E,
xlab = "Fitted values", ylab = "Residuals",
main = "Residuals versus fitted values")
text(Fit,E,b2$Cod,cex=0.6)
hist(E, nclass = 15)
plot(E ~fBrood2, data = b3, ylab = "Normalised residuals")
text(as.numeric(b3$fBrood2),E,b3$Cod,cex=0.6) ##Para saber identificar las observaciones
par(op) 
 
####Plot de los predict values and 95% confidence intervals in Gls
 
plot(Predict(M2))

Si queréis leer directamente archivos de excel podéis utilizar una de las dos siguientes librerías:

A)

library(RODBC)
 
table.lt<-odbcConnectExcel("datos_excel.xls")

B)

library(xlsReadWrite)
 
table.lt<-read.xls("datos_excel.xls")

También es posible leer directamente datos de archivos de SPSS

library (foreign)
 
table.lt<-read.spss("datos_spss.sav", to.data.frame=T)

Hay varias herramientas para trabajar con R, editores como TinnR, StatET, Emacs, Vim, Notepad++, NppToR, etc., RStudio ™ es ​​un nuevo entorno de desarrollo integrado de R. RStudio combina una interfaz de usuario intuitiva R con un editor de R. A pesar de estar en una version 0.94, permite editar y llevar un seguimiento de todos los datos (bases, resultados) y los graficos realizados. Además ayuda a completar el codigo. También hay un libro que describe su uso y configuración. Por otro lado la posibilidad de uso en multiplataforma (Windows, linux, MacOS y soporte WEB) va a hacer que RStudio se convierta pronto en una de las herramientas más usadas de R.

Hay herramientas interesantes no incluidas en la instalación RStudio, como un paquete de R “manipulate”, que van a permitir, metiendo un poco de código, la modificación de los ejes, colores objetos, etc.

Fuente RStudio