Modelagem AMMI para estudos de interação em modelos estatísticos de efeitos fixos

Abstract

O avanço tecnológico, no planejamento e execução de pesquisas agroflorestais, requer que técnicas cada vez mais refinadas de análises estatísticas sejam utilizadas. As posições críticas dos estatísticos são, em geral, desconsideradas pelos pesquisadores, das diferentes áreas, devido às dificuldades matemáticas e estatísticas para a implementação de técnicas refinadas de análise de dados experimentais. Um exemplo disso é a falta de uma análise criteriosa da estrutura da interação de fatores, em modelos estatísticos de efeitos fixos. Tradicionalmente, a análise dessa estrutura é superficial, não detalhando os efeitos da complexidade da interação. Muitas informações preciosas por vezes não são detectadas prejudicando as pesquisas, principalmente em situações onde uma análise mais detalhada dos efeitos da interação pode evitar a repetição desnecessária de experimentos. Baseando-se nesses fatos, muitos estatísticos, matemáticos e pesquisadores, de diferentes áreas, estão trabalhando no desenvolvimento do modelo AMMI - Additive Main effects and Multiplicative Interaction model, com a finalidade de estudar detalhadamente a estrutura do efeito de interações. A evolução acentuada da ciência da computação e, conseqüentemente, o desenvolvimento de sistemas sofisticados de processamento de dados, com algoritmos rápidos e precisos, tem contribuído muito no desenvolvimento de softwares, principalmente de natureza livre, o que possibilita ampla utilização desses recursos computacionais a custos praticamente nulos. O presente comunicado técnico tem por objetivo promover a divulgação da macro AMMI (livre), visando o desenvolvimento de uma metodologia de análise dos efeitos de interação, na experimentação agropecuária, para as quais ainda não existam soluções computadorizadas adequadas. O programa AMMI contém rotinas para análise da interação quando os modelos estatísticos são de efeitos fixos. Além de serem úteis para estudos das interações complexas, fornece, ainda, informações sobre importantes parâmetros de relações dos fatores via gráfico Biplot.