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

Spanish; Castilian. Resumen 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.

English. Abstract Introduction. Several modeling techniques have been used to analyze experiments with repeated measures over time; however, some of these are no longer relevant. Objective. To compare four analysis strategies that are used to analyze agricultural experiments with evaluations over time. Materials and methods. Data from an experiment in which the effect of different nitrogen fertilizer sources on chlorophyll content in a forage grass at different harvest ages was used. These data were analyzed using four strategies: the area under the curve index (AUC), multivariate analysis of variance (MANOVA), random effect of the experimental unit, and temporal correlation modeling. The lasts two strategies were performed under the theory of mixed linear models; in these different models were fitted, all with the same fixed effects structure, but with different random effects, residual correlation structure, or residual variance structure. Using penalized likelihood criteria (Akaike information criterion (AIC) and Bayesian information criterion (BIC)), the best fitting model was chosen, with which inferences were made about the means of the significant fixed effects, and compared with the results obtained from the AUC and MANOVA strategies. Results. The best fitting mixed linear had a compound symmetry correlation structure and heteroscedastic variances. This model allowed for the analysis of the treatment × time interaction; on the other hand, both the MANOVA and the AUC allowed for the analysis of temporal trends of the treatments. Conclusion. The best fitting mixed linear model made it possible to select the best treatment based on the evaluation time. On the other hand, both the MANOVA and the AUC led to the selection of treatments that were not the best at all evaluation times.