Analysis of variance of primary data on plant growth analysis

Английский. Plant growth analysis presents difficulties related to statistical comparison of growth rates, and the analysis of variance of primary data could guide the interpretation of results. The objective of this work was to evaluate the analysis of variance of data from distinct harvests of an experiment, focusing especially on the homogeneity of variances and the choice of an adequate ANOVA model. Data from five experiments covering different crops and growth conditions were used. From the total number of variables, 19% were originally homoscedastic, 60% became homoscedastic after logarithmic transformation, and 21% remained heteroscedastic after transformation. Data transformation did not affect the F test in one experiment, whereas in the other experiments transformation modified the F test usually reducing the number of significant effects. Even when transformation has not altered the F test, mean comparisons led to divergent interpretations. The mixed ANOVA model, considering harvest as a random effect, reduced the number of significant effects of every factor which had the F test modified by this model. Examples illustrated that analysis of variance of primary variables provides a tool for identifying significant differences in growth rates. The analysis of variance imposes restrictions to experimental design thereby eliminating some advantages of the functional growth analysis.

португальский. A análise de crescimento vegetal apresenta dificuldades relacionadas à comparação estatística das curvas de crescimento, e a análise de variância dos dados primários pode orientar a interpretação dos resultados. Este trabalho objetivou avaliar a análise de variância de dados de distintas coletas de um experimento, abordando particularmente a homogeneidade das variâncias e a escolha do modelo adequado de ANOVA. Foram utilizados dados de cinco experimentos com diferentes culturas e condições de crescimento. Do total de variáveis, 19% foram originalmente homocedásticas, 60% tornaram-se homocedásticas após transformação logarítmica, e 21% mantiveram-se heterocedásticas após transformação. A transformação dos dados não afetou o teste F em um experimento, enquanto nos demais experimentos a transformação o modificou geralmente com redução dos efeitos significativos. Mesmo quando a transformação não afetou o teste F, comparações de médias induziram a diferentes interpretações. O modelo de ANOVA misto, considerando a coleta como um efeito aleatório, reduziu o número de efeitos significativos de todos os fatores modificados por este modelo. Alguns exemplos ilustram que a análise de variância dos dados primários constitui uma ferramenta na identificação de efeitos significativos nas taxas de crescimento. A análise de variância impõe restrições ao delineamento experimental, eliminando algumas vantagens da análise funcional de crescimento.