Método de comparação de modelos de regressão não-lineares em bananeiras

Method of comparison of models non-linear regression in bananas trees

ARTIGOS CIENTÍFICOS

FITOTECNIA

Método de comparação de modelos de regressão não-lineares em bananeiras

Method of comparison of models non-linear regression in bananas trees

Emanuel Maia^I,1; Dalmo Lopes de Siqueira^II; Fabyano Fonseca e Silva^III; Luiz Alexandre Peternelli^III; Luiz Carlos Chamhum Salomão^II

^IDepartamento de Agronomia, Universidade Federal de Rondônia (UNIR), 76940-000, Rolim de Moura, RO, Brasil. E-mail: [e-mail]

^IIDepartamento de Fitotecnia, Setor de Fruticultura, Universidade Federal de Viçosa (UFV), Viçosa, MG, Brasil

^IIIDepartamento de Informática, Setor de Estatística, UFV, Viçosa, MG, Brasil

RESUMO

A utilização de modelos matemáticos para descrever o crescimento de vegetais possui uma larga aplicação na pesquisa agropecuária. Nesse tipo de pesquisa, dois problemas são freqüentes: encontrar o modelo que melhor se ajusta ao fenômeno biológico e identificar as curvas entre os tratamentos que sejam estatisticamente semelhantes. Assim, o presente trabalho teve por objetivos comparar a qualidade do ajuste de modelos de regressão não-linear e comparar as curvas provenientes desse melhor modelo em relação aos diferentes tratamentos. Para essa análise, foram utilizados os dados de um experimento instalado no arranjo fatorial 2x5, sob o delineamento em blocos casualizados. Os níveis dos fatores foram constituídos por duas cultivares de bananeira e cinco doses de um regulador de crescimento. A comparação das curvas de diferentes tratamentos foi realizada a partir da análise de agrupamento com o auxílio de três estatísticas que permitiam acessar o número ideal de grupos. Na avaliação das curvas de crescimento, o modelo logístico demonstrou-se superior. Na comparação dos tratamentos, verificou-se que o método da análise de agrupamento, com as modificações propostas, possibilitou detectar três grupos de tratamentos, assemelhando-se ao comportamento biológico.

Palavras-chave:Musa spp., análise de crescimento, modelos não lineares, análise de agrupamentos, modelo logístico.

ABSTRACT

The use of models to describe the growths of plants has a wide application in the agronomy and cattle research. In this type of research, two problems are often present: to find the model that shows more information, which is best fitted to the biologic phenomenon and identifying curves that are statistically equal. Thus, the objective of the present work was to compare the quality adjustments models of non linear regression in the description of growth and to compare the curves from this best model in relation to different treatments. Data from an experiment installed in a factorial arrangement 2x5, in a randomized design of blocks with eight repetitions were used. The levels of treatments were constituted by two banana tree cultivars and five doses of a growth regulator. The cluster analysis was used with three statistics that allowed access to the ideal number of groups. In the comparison of growth models, the superiority of the logistic model was observed. For comparison of treatments, it was verified that the cluster method analysis with the changes proposed allowed to detect three groups of treatments, that are similar to the biologic behavior.

Key words:Musa spp., growth analysis, non-linear models, cluster analysis, logistic model.

INTRODUÇÃO

O estudo do crescimento de vegetais possui uma larga aplicação na pesquisa agropecuária, pois possibilita ao pesquisador comparar o comportamento de uma planta ou de suas partes de interesse, diante das diversas situações experimentais empregadas. Para esse estudo, têm sido utilizados vários modelos lineares e não-lineares para descrever crescimento ao longo do tempo (ALVAREZ & CASTRO, 1999; URCHEI et al., 2000; HERNÁNDEZ et al., 2007). Contudo, observa-se que os modelos não-lineares proporcionam vantagens em relação aos modelos lineares, os quais podem auxiliar o pesquisador no processo de tomada de decisão por apresentarem parâmetros com interpretação biológica. Dentre essas funções não-lineares, pode-se citar os modelos de: Brody ou Monomolecular (BRODY, 1945), Gompertz (WINSOR, 1932), Logístico (NELDER, 1961) e von Bertalanffy (von BERTALANFFY, 1957). Assim, a tarefa de encontrar o modelo que melhor se ajuste ao fenômeno é relatada na literatura como árdua (BARROS et al., 1984; ENGEL & POGGIANI, 1990; OLIVEIRA et al., 2000; SANTORO et al., 2005).

Em muitas situações experimentais, também existe o interesse em verificar se duas ou mais curvas provenientes de diferentes tratamentos possuem características estatisticamente similares. Há, na literatura, propostas para a comparação de curvas de regressão não-lineares (REGAZZI, 2003; REGAZZI & SILVA, 2004). Contudo, para conjuntos de dados nos quais há muitos tratamentos ou os dados são provenientes de delineamentos complexos, essas propostas são limitadas. Dessa forma, supõe-se que a análise de agrupamento, utilizando os parâmetros das regressões como variáveis dependentes, poderia ser utilizada para determinar quais tratamentos possuem curvas similares.

Este trabalho teve por objetivos comparar a qualidade do ajuste de modelos de regressão não-linear na descrição do crescimento e comparar as curvas provenientes do melhor modelo em relação a duas variedades de bananeiras submetidas a cinco doses de um regulador de crescimento.

MATERIAL E MÉTODOS

Os dados são provenientes de um experimento para avaliar o efeito do paclobutrazol, regulador de crescimento, sobre o desenvolvimento de bananeiras (SOUZA, 2007). Este foi instalado de acordo com o arranjo fatorial 2x5, sob o delineamento em blocos casualizados, com oito repetições. Os níveis dos fatores foram: duas cultivares de bananeira ('Prata Anã' e 'FHIA 01') e cinco doses de paclobutrazol (0,0; 0,5; 1,0; 1,5 e 2,0g de i.a. planta-1) aplicado via solo. A variável utilizada foi a altura do pseudocaule das bananeiras (cm), medida do solo até a segunda folha da roseta foliar, compreendendo o período do transplantio das mudas micropropagadas até a emissão da ráquis.

Os modelos utilizados para descrever o crescimento foram: Brody, Y_i = a - be^-kti; Gompertz, Y_i = ae-be^kti; Logístico, Y_i = a(1 + e^b-kti)^-1; von Bertalanffy, Y_i = a(1 - be^-kti)³,em que: Y_i representa a altura do pseudocaule observado no tempo t_i; t_i representa o tempo decorrido em meses do transplantio até a aferição; a representa a altura assintótica; b representa o parâmetro de escala; e k representa a taxa média de crescimento (BRODY, 1945; WINSOR, 1932; von BERTALANFFY, 1957; NELDER, 1961).

Foi ajustada uma curva de crescimento para cada repetição, totalizando 80 curvas, pelo PROC MODEL do software estatístico SAS® (SAS INSTITUTE, 2003). Para a escolha do modelo mais adequado, foram utilizados os seguintes avaliadores de qualidade de ajuste: quadrado médio do resíduo (QME), porcentagem de convergência (%CG), Bayesian Information Criterion (BIC) e coeficiente de determinação (R², em que R² = SQRegressão/SQTotal), comparados pelo intervalo de confiança ao nível de 95% de probabilidade.

Os parâmetros obtidos pelo modelo mais adequado pelos critérios adotados foram considerados como variáveis dependentes em uma análise de variância multivariada, PROC GLM (SAS INSTITUTE, 2003), com a opção MANOVA, com o intuito de avaliar o efeito dos tratamentos sobre as estimativas dos parâmetros (a, b e k). Sendo constatado esse efeito pela significância do teste do método do traço de Pilai, extraíram-se as médias ajustadas pelo método dos quadrados mínimos (LSMEANS). Estas foram submetidas à análise de agrupamento PROC CLUSTER (SAS INSTITUTE, 2003), utilizando método de Ward por utilizar como critério para a construção do dendograma a soma de quadrados entre os grupos formados (KHATTREE & NAIK, 2000).

Foram utilizadas três estatísticas que permitem acessar o número ótimo de grupos: a Root Mean Square (RSQ), que é a razão entre a soma de quadrados entre grupos e a soma de quadrados total, e mede a heterogeneidade do agrupamento; a Semi-Partial Root Mean Square (SPRSQ), que mede a perda de homogeneidade por juntar dois grupos; e a Between-group Sum of Squares (BSS), que é a soma de quadrados entre grupos para dois agrupamentos, e mede a homogeneidade de grupos unidos (KHATTREE & NAIK, 2000). Com esses valores (RSQ, SPRSQ e BSS) como variáveis dependentes e o número de grupos formados em cada estágio da análise de agrupamento, como variável regressora, ajustou-se um modelo de regressão segmentado Quadrático Response Platô. Esse modelo assume que, antes de um ponto ótimo, a variável dependente (nesse caso, as estatísticas RSQ, SPRSQ e BSS) cresce ou decresce em função da variável independente (nesse caso, número de grupos) e depois desse ponto ótimo a função mantém respostas constantes. No presente trabalho, esse ponto ótimo representa o número de grupos a partir do qual as estatísticas mencionadas não se alteram mais, ou seja, mesmo aumentando o número de cluster, a precisão é a mesma. Mais detalhes sobre o modelo de regressão segmentado Quadrático Response Platô podem ser obtidos em REZENDE et al. (2007).

O ponto de interseção entre os seguimentos do modelo, ou ponto ótimo (X0), identifica o número ótimo de grupos em relação à estabilização dos valores das estatísticas, visto que o número apropriado de grupos seria aquele em que as mudanças nesses valores são mínimas, exceto para a RSQ, em que são permitidas mudanças com valores mais elevados (KHATTREE & NAIK, 2000).

RESULTADOS E DISCUSSÃO

Todos os modelos estudados obtiveram 100% de convergência, e os demais avaliadores de qualidade de ajuste estão apresentados na tabela 1. Comparando-se dois modelos, aquele com menor valor de BIC deve ser o adotado (SCHWARZ, 1978). Os valores do BIC para o modelo logístico são, em média, 40% menores que os encontrados para o modelo de Gompertz. As diferenças na qualidade de ajuste entre o modelo logístico e os demais se acentuam para as estimativas do quadrado médio do resíduo (QME). As menores diferenças foram encontradas para o R², em que o modelo Logístico apresentou os maiores valores entre os pares. Devido à superioridade na qualidade de ajuste pelos indicadores utilizados, o modelo logístico foi adotado para dar continuidade ao objetivo do presente trabalho. Os resultados da análise de variância multivariada, utilizando as estimativas dos parâmetros do modelo logístico como variáveis dependentes, mostraram efeito significativo do efeito de tratamentos pelo método do traço de Pilai. Dessa forma, foi realizada a análise de agrupamento, cujos resultados estão apresentados na tabela 2 .

Pelo modelo de regressão segmentado Quadrático Response Platô, o ponto de interseção (X0) identifica o número ótimo de grupos, assim os resultados obtidos na análise indicaram, em geral, valores próximos a três grupos para as estatísticas empregadas (Tabela 3). SHARMA (1996) salienta que, em razão de não serem conhecidas as distribuições amostrais dessas estatísticas, é importante observar se o comportamento biológico das características em questão está bem representado. Observando as equações ajustadas para os 10 tratamentos, observa-se a formação de quatro ou cinco grupos de respostas (Figura 1). Um grupo formado pelos tratamentos que não receberam a aplicação do paclobutrazol, sem inibição do crescimento (cultivares 'Prata Anã' e 'FHIA 01', com a dose 0,0g de i.a. de paclobutrazol). Dois ou três grupos, com respostas intermediárias, e o quarto grupo, com resposta mais acentuada da inibição do crescimento das plantas (tratamentos com as maiores doses de paclobutrazol). É importante comentar que, em média, a cultivar 'FHIA 01' apresenta maior altura do pseudocaule que a cultivar 'Prata Anã' (SOUZA, 2007), o que confirma a tendência dos tratamentos seis a 10 apresentarem maiores valores da altura assintótica estimada em relação aos tratamentos do cultivar 'Prata Anã', com as mesmas concentrações de paclobutrazol.

A análise de regressão apontou que o número ideal de grupos é igual a três (X0). Com esse número, retornou-se à tabela 2, no estágio correspondente, e foram observados os tratamentos agrupados. Os três grupos formados são apresentados na tabela 4, e as equações ajustadas são ilustradas na figura 2.

Considerando os resultados obtidos, após a análise de agrupamentos, e com o objetivo de cultivar plantas com uma menor altura do pseudocaule, verifica-se que a aplicação de 1,0g de i.a. de paclobutrazol para as bananeiras 'Prata Anã' resultaria em altura final semelhante a aplicação de 2,0g de i.a. de paclobutrazol para as bananeiras 'FHIA 01'. Isto se deve ao fato que os parâmetros de crescimento, entre eles a altura assintótica, foram considerados idênticos, visto que esses tratamentos estão presentes no mesmo grupo. Por outro lado, esses tratamentos (e os demais presentes no grupo 3) possuem a maior taxa média de crescimento em relação aos outros grupos, que representa um menor tempo entre o plantio e o crescimento máximo das plantas.

Dessa forma, verificou-se que o procedimento de utilização da análise de agrupamentos, utilizando o método de Ward, apresenta grande potencial para a comparação de curvas provenientes de diferentes tratamentos, facilitando, assim, a interpretação dos resultados pelo pesquisador. Contudo, é importante salientar que são necessários mais estudos para confirmar, em outras situações, a superioridade do modelo logístico em relação aos demais, assim como da análise de agrupamento em comparar curvas provenientes de diferentes tratamentos.

CONCLUSÕES

O modelo logístico apresentou melhor qualidade de ajuste e pode ser utilizado para descrever curvas de crescimento de bananeiras. O método de análise de agrupamento apresenta potencial na comparação das curvas de crescimento e possibilitou detectar três grupos de tratamentos semelhantes em relação à forma da curva de crescimento das bananeiras estudadas.

AGRADECIMENTO

Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico, pela concessão da bolsa de estudos ao primeiro autor.

Recebido para publicação 07.08.08

Aprovado em 21.01.09

• ALVAREZ, I.A.; CASTRO, P.R.C. Crescimento da parte aérea de cana crua e queimada. Scientia Agricola, v.56, p.1069-1079, 1999. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-90161999000500008&lng=en&nrm=iso>. Doi: 10.1590/S0103-90161999000500008.
• BARROS, N.F. et al. Análise do crescimento de Eucaliptus saligna em solo de cerrado sob diferentes níveis de N.P.K. no Vale do Jequitinhonha, MG. IPEF, v.26, p13-17, 1984.
• BRODY, S. Bioenergetics and growth New York: Rheinhold, 1945. 645p.
• ENGEL, V.L.; POGGIANI, F. Influência do sombreamento sobre o crescimento de mudas de algumas essências nativas e suas implicações ecológicas e silviculturais. IPEF, v.43/44, p.1-10, 1990.
• HERNÁNDEZ, M.S. et al. Behavior of arazá (Eugenia stipitata Mc Vaugh) fruit quality traits during growth, development and ripening. Scientia Horticulturae v.111, p.220-227, 2007. Disponível em: <http://www.sciencedirect.com/science?_ob=MImg&_imagekey=B6TC3-4MGVJD3-3-F&_cdi=5159&_user=10&_orig=search&_co verDate=02%2F05%2F2007&_sk=998889996&view=c&wchp=dGLbVtz-zSkWb&md5=ae3722c15110312407d3a57aedfce59b&ie=/sdarticle.pdf>. Doi:10.1016/j.scienta.2006.10.029.
• KHATTREE, R.; NAIK, D.N. Multivariate data reduction and discrimination with SAS software Cary, NC: SAS Institute, 2000. 588p.
• NELDER, J.A. The fitting of a generalization of the logistic curve. Biometrics, v.17, p.89-94, 1961.
• OLIVEIRA, H.N. et al. Comparação de modelos não-lineares para descrever o crescimento de fêmeas da raça Guzerá. Pesquisa Agropecuária Brasileira, v.35, p.1843-1851, 2000. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2000000900017&lng=en&nrm=iso>. Doi: 10.1590/S0100-204X2000000900017.
• REGAZZI, A.J. Teste para verificar a igualdade de parâmetros e a identidade de modelos de regressão não-linear. Ceres, v.50, p.9-26, 2003.
• REGAZZI, A.J.; SILVA, C.H.O. Teste para verificar a igualdade de parâmetros e a identidade de modelos de regressão não-linear. I. Dados no delineamento inteiramente casualizado. Revista de Matemática e Estatística, v.22, p.33-45, 2004. Disponível em: <http://www.fcav.unesp.br/RME/fasciculos/v22/v22_n3/A3_Adair.pdf>. Acesso em: 04 Abr. 2007.
• REZENDE, D.M.L.C. et al. Ajuste de modelos de platô de resposta para a exigência de zinco em frangos de corte. Ciência e Agrotecnologia, v.31, p.468-478, 2007. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-70542007000200030&lng=en&nrm=iso>. Doi: 10.1590/S1413-70542007000200030.
• SANTORO, K.R. et al. Herdabilidade de parâmetros de curvas de crescimento não-lineares em zebuínos, no estado de Pernambuco. Revista Brasileira de Zootecnia, v.34, p.2280-2289, 2005. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1516-35982005000700014&lng=pt&nrm=iso>. Doi: 10.1590/S1516-35982005000700014.
• SAS INSTITUTE. Sas user's guide: statistics. Cary, 2003. 846p.
• SCHWARZ, G. "Estimating the dimension of a model". Annals of Statistics, v.6, p.461-464, 1978.
• SHARMA, S. Applied multivariate techniques New York: John Wiley & Sons, 1996. 493p.
• SOUZA, E.F.M.S. Desenvolvimento das bananeiras 'Prata Anã' e 'FHIA 01' sob efeito do paclobutrazol aplicado no solo e nas folhas 2007. 61f. Dissertação (Mestrado em Fitotecnia) - Curso de Pós-graduação em Fitotecnia, Universidade Federal de Viçosa.
• URCHEI, M.A. et al. Análise de crescimento de duas cultivares de feijoeiro sob irrigação, em plantio direto e preparo convencional. Pesquisa Agropecuária Brasileira, v.35, n.3, p.497-506, 2000. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2000000300004&lng=en&nrm=iso>. Doi: 10.1590/S0100-204X2000000300004.
• VON BERTALANFFY, L. Quantitative laws in metabolism and growth. Quarterly Review of Biology, v.32, p.218, 1957.
• WINSOR, C.P. The Gompertz curve as a growth curve. Proceedings of the National Academy of Science, v.18, p.1-17, 1932.

1

Autor para correspondência.

Datas de Publicação

• Publicação nesta coleção
  28 Jul 2009
• Data do Fascículo
  Ago 2009

Histórico

• Aceito
  21 Jan 2009
• Recebido
  07 Ago 2008