RESUMO
O presente estudo foi baseado na utilização da teoria dos modelos não-lineares de efeito misto em multiníveis para a modelagem do crescimento em altura de povoamentos clonais de Eucalyptus. A base de dados utilizada representa medições de árvores individuais, tomadas em diferentes locais e no tempo, sendo a mesma classificada de longidudinal, irregularmente espaçada, não-balanceada, com autocorrelação e com a presença de heterogeneidade de variância. O modelo logístico de três parâmetros foi utilizado para a estimativa do crescimento em altura. Os parâmetros do modelo foram estimados como de efeitos fixos e aleatórios em dois níveis: unidade amostral (nível 1) e árvore individual dentro das unidades amostrais (nível 2). A inclusão de tais níveis reduziu sensivelmente o erro padrão da estimativa para o modelo. As estimativas também foram melhoradas com a modelagem da heterogeneidade da variância, utilizando estruturas diagonais, e da autocorrelação, com a estrutura ARMA(2,1).
Palavras-chave:
modelos mistos em multiníveis; crescimento de Eucalyptus; heterogeneidade de variância; autocorrelação
ABSTRACT
This study was based on the application of the nonlinear multilevel mixed-effects theory in modeling the height growth of Eucalyptus plantation. The database was from individual tree measurements, taken from different sites and over time. This type of database is considered as longitudinal, irregularly spaced, unbalanced, with autocorrelation and heteroscedasticity. The tree-parameter logistic model was used to estimate the height growth with fixed and random effects in two levels: sample units (level 1) and trees inside sample units (level 2). By including both levels, the standard error of estimate was reduced significantly. Also, the estimates were improved by modeling the variance heterogeneity and the autocorrelation, using the ARMA(2,1) structure.
Key words:
multilevel mixed-effects model; Eucalyptus growth; heteroscedasticity; autocorrelation
Texto completo disponível apenas em PDF.
Full text available only in PDF format.
REFERÊNCIA BIBLIOGRÁFICA
- DAVIDIAN, M.; GILTINAN, D. M. Nonlinear models for repeated measurement data. London: Chapman and Hall, 1995. 359p.
- FANG, Z. A simultaneous system of linear and nonlinear mixed effects models for forest growth and yield prediction. 1999. 177p. Dissertation (PhD) - University of Georgia, 1997.
- GARBER, S. M.; MAGUIRE, D. A. Modeling stem taper of three central Oregon species using nonlinear mixed effects models and autoregressive error structures. Forest Ecology and Management, v. 179, p. 507-522, 2003.
- GREGOIRE, T. G.; SCHABENBERGER, O. Fitting bole-volume equations to spatially correlated within-tree data. In: ANNUAL CONFERENCE ON APPLIED STATISTICS IN AGRICULTURE, 6., 1994, Manhattan, Proceedings …Kansas, 1994. p. 120-133.
- LINDSTROM, J. M.; BATES, D. M. Nonlinear mixed effects models for repeated measures data. Biometrics, v. 46, p. 673-687,1990.
- SAKAMOTO, Y.; ISHIGURO, M.; KITAGAWA, G. Akaike Information Criterion Statistics. Dordrecht, Holland: Kluwer Academic Publishers, 1986, 256p.
- SCHWARZ, G. Estimating the dimension of a model. Annals of Statistics, v. 6, p. 461-464, 1978.
- STRAM, D.O.; LEE, J.W. Variance components testing in the longitudinal mixed-effects models. Biometrics , v. 50, p. 1171-1177, 1994.
Datas de Publicação
-
Publicação nesta coleção
Jul-Sep 2005
Histórico
-
Recebido
03 Set 2003 -
Aceito
16 Ago 2005
