Análise de modelos lineares mistos com um fator longitudinal quantitativo e um qualitativo ordinal

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Maestre, Marina Rodrigues
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-06102014-085644/
Resumo: Os experimentos agronômicos que envolvem somente um fator longitudinal são bastante comuns. No entanto, existem casos em que as observações são tomadas considerando dois ou mais desses fatores, como nos casos em que são feitas medidas de uma variável resposta em profundidades diferentes ao longo do tempo, por exemplo. Admite-se que essas observações, tomadas de modo sistemático em cada unidade experimental, sejam correlacionadas e as variâncias nos diferentes níveis do fator longitudinal sejam heterogêneas. Com o uso de modelos mistos, essa correlação entre medidas repetidas e a heterogeneidade de variâncias podem ser modeladas convenientemente. Para que esses modelos sejam ajustados a um conjunto de dados envolvendo presença de dois fatores longitudinais, existe a necessidade de se adaptarem algumas estruturas de variâncias e covariâncias que são comuns em experimentos com somente um fator longitudinal. O objetivo do presente trabalho é utilizar a classe dos modelos lineares mistos para estudar a massa seca de raiz no solo de uma plantação de cana-de-açúcar. O experimento foi casualizado em blocos e as parcelas receberam quatro doses de nitrogênio. Foram feitas medidas repetidas ao longo de dois fatores longitudinais, sendo um qualitativo ordinal (profundidades) e um quantitativo (distâncias da linha de plantio). Por meio dos testes de razão de verossimilhanças, de Wald e utilizando os critérios de informação AIC e BIC, selecionou-se uma estrutura de covariâncias parcimoniosa e outra estrutura para explicar o comportamento médio das respostas. A verificação do ajuste foi feita por meio de gráficos de diagnósticos de resíduos.