Emprego do modelo superparametrizado em experiemento fatorial desbalanceado com dois fatores

Abstract

RESUMONa pesquisa agropecuária é comum o estudo de vários fatores e freqüentemente ocorrem perdas de observações, constituindo assim um experimento desbalanceado. É necessário conhecer as hipóteses testadas através dos sistemas estatísticos e ocorrendo caselas vazias a interpretação é ainda mais complexa, pois geralmente, as hipóteses sobre os efeitos principais de um dos fatores contêm os efeitos principais de outros fatores e os efeitos de interações. Adotando o modelo superparametrizado, com este trabalho, objetivou-se desenvolver esquemas de análises de variâncias de dados desbalanceados e/ou com caselas vazias, identificar e interpretar as hipóteses associadas às somas de quadrados através do procedimento General Linear Models (GLM) do Statistical Analysis System (SAS), que provêm quatro tipos de somas de quadrados. Foram analisados dois casos distintos, utilizando dados referentes ao peso comercial de cenoura, provenientes de experimento inteiramente ao acaso, tendo como fatores cultivares e fases da lua como épocas de plantio. Em face aos resultados obtidos, verificou-se que, quando os dados são desbalanceados, as funções estimáveis de um fator envolvem os parâmetros relativos ao fator e os componentes das interações nas quais o fator está presente; as somas de quadrados do tipo III equivalentes as do tipo IV e a ordenação dos fatores principais não afeta as hipóteses do tipo I. Entretanto, quando ocorreram caselas vazias no modelo com dois fatores, os quatro tipos de somas de quadrados para o fator principal de entrada foram diferentes e; a ordenação é fundamental para obtenção das hipóteses do tipo I. Quando ocorrem perdas de parcelas, a identificação das funções estimáveis é complexa e as hipóteses ficam de difícil interpretação. Nas funções estimáveis de interações ocorrem parâmetros da própria interação. Diferenças entre níveis do fator A somente podem ser estimados na presença de efeitos médios do fator B e da interação. Termos para indexação:Modelo linear, somas de quadrados, dados desbalanceados, caselas vazias. ABSTRACTIn agricultural research it is common to study simultaneously various factors and natural loss of observations frequently leads to unbalanced experiments. Thus it is necessary to know which hypothesis can be tested in the statistical systems. In a missing cells scenario the interpretation is even more complex. In general, the hypothesis on main effects of one of these factors contains the main effects of other factors and of effects of interactions. The aim of this work is to develop ANOVA schemes for the overparameterized model to unbalanced data and, or with situations with missing cells. Additionally we call attention to correct identification and interpretation of the hypothesis associated with the four types of sum of squares given by SAS-GLM procedure. Two distinct cases were analyzed, namely: using data referring to commercial weight of carrots, arising from a completely randomized experiment and, using a factorial design with two planting factors (cultivation and the phasis...

Parthenocarpy induction and reduction of seeds in fruits of 'Nadorcott' mandarin

“…The analysis of variances was performed via mixed models, assuming the "blocks" factor as random, using the PROC MIXED routine of the SAS 9.4 ® software. Each analysis of variance was performed in two moments (Yassin et al, 2002): joint analysis and analysis of factorial structure. In the joint analysis, the source of variation "Treatments" was unfolded in the orthogonal contrast "Net coverage vs Factorial structure", aiming to separate the additional treatment (Net coverage) from the factorial structure.…”