Parameters of the statistical model in the linear relationships of growth-promoting bacteria in soybean
DOI:
https://doi.org/10.1590/1983-21252026v3914061rcKeywords:
Glycine max L. Principal component analysis. Pearson’s linear correlation. Effect stratification. Co-inoculation.Abstract
In multivariate statistical analyses, the parameters of the statistical model referring to the experimental design are disregarded, so in general researchers work with average observations, without stratification of effects. The objective was to evaluate and characterize the effects of removing the effect of parameters from the statistical model on the linear relationships between variables in growth-promoting and phosphorus (P)-solubilizing bacteria in soybean crop. The design used was randomized blocks in a 9 x 4 two-factor arrangement, with four replicates. The first factor, Bradyrhizobium spp. co-inoculated with: 1) Azospirillum spp.; 2) Pseudomonas fluorescens; 3) Bacillus subtilis; 4) Bacillus subtilis + Bacillus megaterium; 5) Azospirillum spp. + Pseudomonas fluorescens; 6) Azospirillum spp. + Bacillus subtilis; 7) Azospirillum spp. + Bacillus subtilis + Bacillus megaterium; 8) Azospirillum spp. + Pseudomonas fluorescens + Bacillus subtilis + Bacillus megaterium and 9) Control (without bacteria); and four doses of P2O5: 0, 50, 100 and 150 kg ha-1. Statistical assumptions were tested and parameters were removed from the statistical model, stratifying effects, and the change was compared to the traditional analysis (general model), in the principal component and Pearson’s correlation analyses. Treatment with Bradyrhizobium spp. + Azospirillum spp. + Bacillus subtilis showed the highest percentage of accumulated variance, 56.99%. Removal of parameters changed the magnitude of Pearson’s correlation coefficients, from 10% to 70% and the direction by up to 54.55%.
References
ALBRECHT, L. P. et al. Teores de óleo, proteínas e produtividade de soja em função da antecipação da semeadura na região oeste do Paraná. Bragantia, 67: 865-873, 2008.
BARTLETT, M. S. Properties of sufficiency and statistical tests. Proceedings of the Royal Society of London. Series A - Mathematical and Physical Sciences, 160: 268-282, 1937.
CARAFFA, M. et al. Indicações técnicas para a cultura da soja no Rio Grande do Sul e em Santa Catarina: Safras 2018/2019 e 2019/2020. 2. ed. Três de Maio, RS: Setrem, 2019, 105 p.
CARMO, C. A. F. S. et al. Métodos de análise de tecidos vegetais. Rio de Janeiro, RJ: Embrapa Solos, 2000. 41 p. (Circular Técnica; 6)
CQFS - Comissão de Química e Fertilidade do Solo. Recomendações de adubação e calagem para os estados do Rio Grande do Sul e Santa Catarina. 11. ed. Passo Fundo, RS: CQFS, 2016. 376 p.
CONAB - Companhia Nacional de Abastecimento. Acompanhamento da Safra Brasileira de Grãos: Safra 2024/25, Brasília, DF: CONAB, 2024, 135 p.
CRUSCIOL, C. A. C. et al. Diverse bacterial consortia: key drivers of rhizosoil fertility modulating microbiome functions, plant physiology, nutrition, and soybean grain yield. Environmental Microbiome, 19: 50, 2024.
FAO - Food and Agriculture Organization. Foreign Agricultural Service. Available at: <https://fas.usda.gov/data/commodities/soybeans>. Access on: Oct. 11, 2024.
FEHR, W. R., CAVINESS, C. E. Stages of soybean development Ames: Iowa State University, 1977. 12 p. (Special Report, 80)
HONG, H. et al. Soybean productivity can be enhanced by understanding rhizosphere microbiota: evidence from metagenomics analysis from diverse agroecosystems. Microbiome, 13: 105, 2025
HUNGRIA, M.; NOGUEIRA, M. A.; ARAUJO, R. S. Alternative methods of soybean inoculation to overcome adverse conditions at sowing. African Journal of Agricultural Research, 10: 2329-2338, 2015.
KASSAMBARA, A.; MUNDT, F. Factoextra: Extract and visualize the results of multivariate data analyses (R package version 1.0.7). 2020.
MIRANDA, L. B. et al. Promotores de crescimento na cultura da soja. South American Journal of Basic Education, Technical and Technological, 7: 469-479, 2020.
OLIVOTO, T.; LÚCIO, A. D. Metan: An R package for multi‐environment trial analysis. Methods in Ecology and Evolution, 11: 783-789, 2020.
PASQUINI, C. Near infrared spectroscopy: A mature analytical technique with new perspectives – A review. Analytica Chimica Acta, 1026: 8-36, 2018.
PAVINATO, P. S. et al. Revealing soil legacy phosphorus to promote sustainable agriculture in Brazil. Scientific Reports, 10: 1-11, 2020.
PEARSON, K. Notes on the history of correlation. Biometrika, 13: 25-45, 1920.
R CORE TEAM. R: A Language and Environment for Statistical Computing. Vienna, Austria, 2024. Available at: https://www.R-project.org/.
RAI, A.; NABTI, E. Plant Growth-Promoting Bacteria: Importance in Vegetable Production. Microbial Strategies for Vegetable Production, 6: 23-48, 2017.
ROCHA, T. M. et al. Qualidade fisiológica de sementes, desempenho a campo e viabilidade econômica da cultura da soja submetida à inoculação de sementes com diferentes produtos biológicos. Revista de Ciência e Inovação, 10: 1-21, 2024.
ROWNTREE, S. C. et al. Genetic gain × management interactions in soybean: I. Planting date. Crop Science, 53: 1128-1138, 2013.
SANTOS, H. G. et al. Sistema brasileiro de classificação de solos. 5. ed. Brasília, DF: Embrapa, 2018, 355 p.
SCHNEIDER, R. A. et al. A melhor cultivar de soja para a sua lavoura. 2. ed. Santa Maria, RS, 2022. 141 p.
SGARBOSSA, J. et al. Implications of removing model parameters on the linear relationships of trials with oat. Ciência Rural, 54: 20230379, 2024a.
SGARBOSSA, J. et al. Multivariate assumptions and effect of model parameters in path analysis in oat crop. Crop & Pasture Science, 75: 23135, 2024b.
TAPIADOR, F. J.; MORENO, R.; NAVARRO, A. Consensus in climate classifications for present climate and global warming scenarios. Atmospheric Research, 216: 26-36, 2019.
TORRES, P. et al. Phenotypic, genomic and in planta characterization of Bacillus sensu lato for their phosphorus biofertilization and plant growth promotion features in soybean. Microbiological Research, 280: 127566, 2024.
TRIVISIOL, V. S. et al. Partial correlations between production traits and grain protein in wheat. Revista Caatinga, 37: 12312, 2024.
VARELLA, C. A. A. Análise multivariada aplicada às Ciências Agrárias: análise de componentes principais. Seropédica, RJ: Universidade Federal Rural do Rio de Janeiro, 2008. Available at: <http://www.ufrrj.br/institutos/it/deng/varella/Downloads/multivariada aplicada as ciencias agrarias/Aulas/analise de componentes principais.pdf>. Access on: Apr. 27, 2024.
ZEPECHOUKA, M. I. et al. Benefícios do uso de Bradyrhizobium japonicum, Bacillus subtilis E Bacillus megaterium na soja (Glycine max) em agricultura regenerativa. RAMVI- Revista de Agronomia e Medicina Veterinária IDEAU, 11: e205-e205, 2024.
Downloads
Published
Issue
Section
License
Os Autores que publicam na Revista Caatinga concordam com os seguintes termos:
a) Os Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons do tipo atribuição CC-BY, para todo o conteúdo do periódico, exceto onde estiver identificado, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista, sem fins comerciais.
b) Os Autores têm autorização para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Os Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
