Alternativas de análises em dados de medidas repetidas de bovinos de corte

Abstract

Objetivou-se estudar duas alternativas de análises de variâncias e covariâncias para dados de pesagens de bovinos. Foram utilizados dados de animais Nelore, Guzerá, Gir e Indubrasil, machos e fêmeas, pertencentes à Associação Brasileira de Criadores de Zebu - ABCZ. De cada indivíduo, foram obtidas, em intervalos trimestrais, nove medidas repetidas de pesos, do nascimento aos dois anos de idade. Na primeira análise, a variável resposta y i foi transformada por meio da família de transformação de Box-Cox y ilambda = (ylambda-lambda)/lambda, (<FONT FACE=Symbol>l ¹</FONT> 0) ou y i = log y i, (lambda = 0). Essa transformação foi efetiva na redução dos coeficientes de assimetria e da heterogeneidade de variância para todas as pesagens e raças. Na segunda análise, foi selecionada a estrutura de covariâncias mais adequada para representar a variabilidade dentro de indivíduo, considerando-se um modelo misto usual para medidas repetidas. Utilizando-se os critérios fornecidos pelo procedimento MIXED do SAS: distribuição de chi2, AIC ("Akaike's Information Criterion") e SBC ("Schwarz's Bayesian Criterion"), a estrutura de covariância mais adequada para todas as raças foi a Não-Estruturada, seguida da estrutura Fator-Analítico para Nelore, Gir e Indubrasil e Simetria Composta Heterogênea para Guzerá.

Arranjos para efeitos fixos e estruturas de (co)variâncias residuais para análises de medidas repetidas do peso de bovinos da raça Canchim

“…Estes arranjos foram estudados em conjunto com as estruturas de (co)variâncias (Tabela 1) utilizadas por Bozdogan (1987), Wolfinger (1993), Vonesh et al (1996), Littell et al (1998), Gröhn et al (1999), Lorenzo-Bermejo et al (2003) e Freitas et al (2005).…”

“…A correlação e a variância dessas medidas podem variar ao longo do tempo e podem produzir uma estrutura de (co)variância complicada, a qual requer métodos estatísticos especiais para a análise (Littell et al, 1998). Freitas et al (2005) estudaram os pesos de bovinos das raças Nelore, Guzerá, Gir e Indubrasil sob o enfoque de medidas repetidas e sugeriram que o estudo dessas características considerando-se uma estrutura de (co)variância residual entre as medidas é mais eficiente que a análise univariada, normalmente feita por meio do procedimento GLM do SAS, a qual considera as medidas repetidas como subparcelas. Gröhn et al (1999) estudaram o efeito da cetose sobre a produção de leite em vacas da raça Holandesa considerando a produção total de leite ajustada para 305 dias de lactação e considerando os controles de produção mensais como medidas repetidas, com estruturas de (co)variâncias residuais entre as medidas.…”

“…Para determinado conjunto de dados de pesos de bovinos analisados como medidas repetidas, a estrutura de (co)variância pode variar entre as diversas raças ou grupos genéticos. Freitas et al (2005), analisando dados de nove pesagens, realizadas em intervalos trimensais do nascimento aos dois anos de idade, concluíram que a estrutura Fator Analítico de Primeira Ordem (FA(1)) foi a mais adequada para as raças Nelore e Indubrasil, enquanto a Não Estruturada (UN) foi a mais adequada para as raças Guzerá e Gir. Todavia, as estruturas que requerem a estimação de maior número de parâmetros tendem a proporcionar os melhores ajustes (Gröhn et al, 1999;Freitas et al, 2005;Lorenzo-Bermejo et al, 2003).…”

“…A correlação e a variância dessas medidas podem variar ao longo do tempo e podem produzir uma estrutura de (co)variância complicada, a qual requer métodos estatísticos especiais para a análise (Littell et al, 1998). Freitas et al (2005) estudaram os pesos de bovinos das raças Nelore, Guzerá, Gir e Indubrasil sob o enfoque de medidas repetidas e sugeriram que o estudo dessas características considerando-se uma estrutura de (co)variância residual entre as medidas é mais eficiente que a análise …”

Productive and vegetative performance of peach trees grafted on six rootstocks in a replanting area

“…The covariance structure that presented the best adjustment to the data was selected, according to the Akaike (AIC) and Bayesian (BIC) criterion (Freitas et al, 2005). For the other variables, a factorial analysis was carried out, with blocks as a random effect, also using Proc Mixed.…”