Tamanho de amostra para avaliação do grau de multicolinearidade em caracteres morfológicos de centeio

Autores

DOI:

https://doi.org/10.1590/1983-21252023v36n123rc

Palavras-chave:

Correlação. Análise multivariada. Dimensionamento amostral. Secale cereale L.

Resumo

A investigação da multicolinearidade permite que parâmetros em análises multivariadas sejam estimados com maior precisão e com interpretação biológica. Para ter confiabilidade nas estimativas do grau de multicolinearidade, é necessário utilizar adequado tamanho de amostra. Assim, os objetivos deste trabalho foram determinar o tamanho de amostra (número de plantas) necessário para a estimação dos indicadores do grau de multicolinearidade - número de condição (NC), determinante da matriz de correlação (DET) e fator de inflação da variância (FIV) - em caracteres morfológicos de centeio e verificar a variabilidade do tamanho de amostra entre os indicadores. Foram conduzidos cinco e três ensaios de uniformidade com as cultivares BRS Progresso e Temprano, respectivamente. Foram avaliados oito caracteres morfológicos em 780 plantas em oito ensaios. Para cada ensaio, foram selecionados 22 casos entre os 28 formados pela combinação de oito caracteres, tomados seis a seis, totalizando 176 casos. Para cada caso, foram planejados 197 tamanhos de amostra (20, 25, 30, ..., 1.000 plantas) e para cada tamanho foram realizadas 2.000 reamostragens, com reposição, determinados o NC, DET e FIV e calculada a média das 2.000 estimativas. Após, para cada caso e indicador, foi determinado o tamanho de amostra, por meio de três modelos: método da máxima curvatura modificado e modelos linear e quadrático segmentados com resposta em platô. Há variabilidade entre os tamanhos de amostra entre os indicadores, com necessidade de maiores tamanhos de amostra para DET, seguido de NC e FIV, nessa ordem, com no mínimo de 180, 116 e 85 plantas, respectivamente.

Downloads

Não há dados estatísticos.

Referências

ABOU CHEHADE, L. et al. Rye (Secale cereale L.) and squarrose clover (Trifolium squarrosum L.) cover crops can increase their allelopathic potential for weed control when used mixed as dead mulch. Italian Journal of Agronomy, 16: 1–11, 2021.

ALVARES, C. A. et al. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, 22: 711-728, 2013.

ALVES, B. M.; CARGNELUTTI FILHO, A.; BURIN, C. Multicollinearity in canonical correlation analysis in maize. Genetics and Molecular Research, 16: 1–14, 2017.

BAIER, A. C. Centeio. Passo Fundo, RS: EMBRAPA-CNPT, 1994. 29 p. (Documentos, 15).

BANDEIRA, C. T. et al. Sample size to estimate the mean of morphological traits of rye cultivars in sowing dates and evaluation times. Semina: Ciências Agrárias, 39: 521-532, 2018a.

BANDEIRA, C. T. et al. Sample sufficiency for estimation of the mean of rye traits at flowering stage. Journal of Agricultural Science, 10: 178-186, 2018b.

BASCHE, A. D. et al. Soil water improvements with the long-term use of a winter rye cover crop. Agricultural Water Management, 172: 40–50, 2016.

FIELD, A. Descobrindo a estatística utilizando o SPSS. 2 ed. Porto Alegre, RS: Artmed, 2009. 688 p.

FOLLMANN, D. N. et al. Correlations and path analysis in sunflower grown at lower elevations. Journal of Agricultural Science, 11: 445-453, 2019.

GUJARATI, D. N.; PORTER, D. C. Econometria básica. 5 ed. Porto Alegre, RS: AMGH Editora Ltda, 2011. 920 p.

JANMOHAMMADI, M.; SABAGHNIA, N.; NOURAEIN, M. Path Analysis of Grain Yield and Yield Components and Some Agronomic Traits in Bread Wheat. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 62: 945-952, 2014.

LAIDIG, F. et al. Breeding progress, variation, and correlation of grain and quality traits in winter rye hybrid and population varieties and national on-farm progress in Germany over 26 years. Theoretical and Applied Genetics, 5: 981-998, 2017.

MEIER, V. D.; LESSMAN, K. J. Estimation of optimum field plot shape and size for testing yield in Crambe abyssinica Hochst. Crop Science, 11: 648-650, 1971.

MONTGOMERY, D. C.; PECK, E. A. VINNING, G. G. Introduction to linear regression analysis. New York: John Wiley and Sons, 2012. 672 p.

MORRISON, L. A. Cereals: Domestication of the Cereal Grains. Encyclopedia of Food Grains. 1: 86-98, 2016.

NOURAEIN, M. Elucidating seed yield and components in rye (Secale cereale L.) using path and correlation analyses. Genetic Resources and Crop Evolution, 66: 1533-1542, 2019.

OLIVOTO, T. et al. Optimal sample size and data arrangement method in estimating correlation matrices with lesser collinearity: A statistical focus in maize breeding. African Journal of Agricultural Research, 12: 93-103, 2017a.

OLIVOTO, T. et al. Multicollinearity in path analysis: A simple method to reduce its effects. Agronomy Journal, 109: 131-142, 2017b.

PAULINO, V. T.; CARVALHO, D. D. Pastagens de inverno. Revista Científica Eletrônica de Agronomia, 3: 1-6, 2004.

R TEAM CORE. R: A language and environment for statistical computing. R Foundation for Statistical Computing, 2019. Disponível em: <https://www.r-project.org/>. Acesso em: 12 dez. 2019.

SANTOS, H. G. et al. Brazilian Soil Classification System. 5 ed. Brasília, DF: EMBRAPA , 2018. 469 p.

SAPIRSTEIN, H. D.; BUSHUK, W. Rye Grain: Its Genetics, Production, and Utilization. Encyclopedia of Food Grains, 1: 159-167, 2016.

SARI, B. G. et al. Interference of sample size on multicollinearity diagnosis in path analysis. Pesquisa Agropecuária Brasileira, 53: 769-773, 2018.

TOEBE, M.; CARGNELUTTI FILHO, A. Não normalidade multivariada e multicolinearidade na análise de trilha em milho. Pesquisa Agropecuária Brasileira, 48: 466-477, 2013.

TOEBE, M. et al. Dimensionamento amostral e associação linear entre caracteres de Crotalaria spectabilis. Bragantia, 76: 45-53, 2017a.

TOEBE, M. et al. Direct effects on scenarios and types of path analyses in corn hybrids. Genetics and Molecular Research, 16: 1-15, 2017b.

Downloads

Publicado

01-12-2022

Edição

Seção

Nota Técnica