Experimentos agrícolas con medidas repetidas en el tiempo: comparación entre estrategias de análisis

Introducción. Diversas técnicas de modelación se han utilizado para analizar experimentos con medidas repetidas en el tiempo; no obstante, algunas de estas no son pertinentes en la actualidad. Objetivo. Comparar cuatro estrategias de análisis que se usan para analizar experimentos agrícolas con evaluaciones a través del tiempo. Materiales y métodos. Se utilizaron datos de un experimento donde se evaluó el efecto de distintas fuentes de fertilizante nitrogenado sobre el contenido de clorofila en un pasto forrajero a diferentes edades de cosecha. Estos datos se analizaron con cuatro estrategias: índice de área bajo la curva (IABC), análisis de la varianza multivariado (MANOVA), efecto aleatorio de la unidad experimental y modelación de la correlación temporal. Las dos últimas estrategias se realizaron bajo la teoría de modelos lineales mixtos; en estas se ajustaron diferentes modelos, todos con la misma estructura de efectos fijos, pero con diferentes efectos aleatorios, estructura de correlación residual o estructura de varianza residual. Mediante criterios de verosimilitud penalizada [criterio de información de Akaike (AIC) y criterio de información Bayesiano (BIC)] se eligió el modelo de mejor ajuste, con este se realizaron inferencias acerca de las medias de los efectos fijos que fueron significativos y se comparó con los resultados obtenidos de las estrategias IABC y MANOVA. Resultados. El modelo lineal mixto de mejor ajuste tuvo una estructura de correlación de simetría compuesta y varianza heterocedástica. Este modelo permitió analizar la interacción tratamiento × tiempo; por el contrario, tanto el MANOVA como el IABC, no permitieron analizar las tendencias temporales de los tratamientos. Conclusión. El modelo lineal mixto de mejor ajuste posibilitó seleccionar el mejor tratamiento en función del tiempo de evaluación. Por el contrario, tanto el MANOVA como el IABC condujeron a la selección de tratamientos que no fueron los mejores en todos los tiempos de evaluación.