Modelos estatísticos permitem representar conjuntos de dados, assim como estimar e prever o comportamento de uma variável por meio da sua interação com as demais variáveis envolvidas no fenômeno. Entre os modelos estatísticos encontram-se modelos autorregressivos em espaço de estados (AEE) e modelos de regressão linear (RL) que permitem quantificar as relações entre variáveis do sistema solo-planta-atmosfera. Neste trabalho, com o objetivo de se comparar a qualidade dos modelos AEE e RL para a modelagem das relações entre a produtividade da soja e atributos físicos do solo, utilizou-se o critério de informação de Akaike, o qual fornece um coeficiente que permite a seleção do melhor modelo. O conjunto de dados foi amostrado, em um Latossolo Vermelho distroférrico, ao longo de uma transeção com 84 pontos espaçados de 3 m entre si. Em cada ponto, foram coletadas amostras de soja para quantificar a produtividade e mediu-se a resistência do solo à penetração, assim como retiradas amostras de solo, nas camadas de 00,10 e 0,100,20 m, para mensurar a sua densidade. Os resultados mostraram que os dados de produtividade da soja e resistência do solo à penetração apresentaram autocorrelação e estrutura de correlação cruzada. A densidade do solo, entretanto, apresentou autocorrelação apenas na camada de 00,10 m e não mostrou correlação cruzada com a produtividade da soja. Os resultados mostraram a maior eficácia dos modelos autorregressivos de Espaço de Estados em relação aos modelos equivalentes de regressão linear simples e múltipla com o emprego do Critério de Informação de Akaike, o qual resultou em valores comparativamente mais baixos do que os obtidos com os modelos de regressão, para todas as combinações das variáveis explicativas.
autocorrelação; correlação cruzada; regressão linear; modelo de espaço de estados; atributos do solo e da planta
