Regressão

- Fatores quantitativos
- Equidistante
- Pelo menos 4 níveis
- Objetivo
- Etapas

Regressão é utilizada para verificar se é possível explicar o efeito do

tratamento por meio de modelos lineares ou não lineares sobre uma
determinada variável resposta. O fator de interesse do pesquisador é
quantitativo com pelo menos 4 níveis ou 4 tratamentos e preferencialmente
equidistantes.

Ex 1 - Doses: 0, 20, 40, 60, 80 mL/L

Ex 2 – Níveis: 0, 50, 100, 150, 200 mL/L

Modelos lineares:

Primeiro grau:

Segundo grau: +
Terceiro grau: + +

Modelos não lineares:

Exponencial: ( )

Sigmoides: Logístico, Von Bertalanffy, Gompertz

Vantagem: permite fazer interferência para tratamentos não avaliados, desde
que o tratamento esteja dento da faixa de avaliação.

Avaliou intervalo de 0 a 100 de um determinado tratamento com pelo menos

quatro níveis e ajustou a equação. Posso usar a equação ajustada para estimar
o valor esperado em qualquer dose entre 0 e 100.

Ex 1 – Realizado um experimento em DIC para avaliar o crescimento de uma

determinada cultura em função dos doses de adubação 50. 70, 90, 110, 130
mg. Foi observado que o modelo linear de 1° grau obteve Altura = 0,1+2 dose,
explicou o efeito de tratamento. A parcela experimental foi um canteiro com 6
m2 de área total (3 m x 2 m) e 2 m2 de área útil (1 m x 2 m), sendo descartado a
bordadura, ou seja, 0,5 m de cada da parcela.

Exemplo de parcela experimental

0,5 0,5 0,5 0,5 0,5 0,5

0,5

0,5 x x x X

0,5 X x x x

0,5

Variável resposta: altura

Tratamento: doses

Níveis do fator: 50, 70, 90, 110, 130

ou intercepto: 0,1

ou coeficiente angular: 2

Altura = 0,1 + 2 x dose

Intercepto: onde a equação corta o eixo y.

Para cada alteração de uma unidade da dose, teremos uma alteração de 2

unidades na variável resposta (altura).

Etapas da análise de regressão linear:

1° Etapa: análise de variância

Se o efeito de tratamento não for significativo, finaliza- se a
análise.
Caso seja significativo, seguir as próximas etapas

2° Etapa: análise de regressão

Objetivo: escolher o melhor modelo para explicar o efeito do
tratamento.
Se o modelo de 3° ou 4° grau for significativo ou o desvio de
regressão deve-se fazer o teste de comparação múltipla. EX:
Tukey.
Desvio de regressão é a mesma coisa que falta de ajuste.

3° Etapa: estimar os parâmetros.

4° Etapa: verificar a significância dos parâmetros.
5° Etapa: estimar os coeficientes de determinação.

R² varia de 0 a 1 grau. Quanto mais próximo de 1, mais o modelo explica o

efeito de tratamento sobre a variável resposta.

6° Etapa: Fazer inferência

 Exemplo 1. Um pesquisador deseja avaliar o efeito da dose de um
determinado adubo sobre o crescimento de uma determinada cultura.
Para isso foi realizado um experimento em delineamento inteiramente
casualizado com cinco doses e cinco repetições, sendo a parcela
experimental 4 m2 de área total (2 m x 2 m), sendo utilizado como
bordadura 0,5 m de cada lado e 1 m2 de área útil (1 m x 1m).

Tabela 1. Altura das plantas de acordo com as doses e repetições.

Repetição

Doses I II III IV V TOTAL

0 20 22 24 27 30 123

10 50 51 53 58 59 271

20 82 83 85 86 88 424

30 110 111 115 117 118 571

40 138 141 144 146 146 715

Total 400 408 421 434 441 2.104

(∑ ) ( ) ( )

∑ (∑ ) =

( )
 ∑

( ) ( ) ( )
[ ]
( ) ( )

[( ) ( ) ( ) ( ) ( ) ]
=
( )

( )

Tabela 1. Análise de Variância

FV GL SQ QM Fcalculado Ftabelado
Tratamento 4 44.049,76 11.012,44 875,39* 2,86
Resíduo 20 251,60 12,58
Total 24 44.301,36
CV = 4.21

Tabela 1. Análise de regressão

FV GL SQ QM Fcalculado Ftabelado
Tratamento 4 44.049,76 11.012,44 875,39* 2,86
Primeiro grau 1
Desvio de regressão 3
Resíduo 20 251,60 12,58

∑ ∑
*∑ ( )+
 ∑ ∑
∑ ( )
(∑ )
∑

Doses (Xi) Vr (Yi) XiYi Xi^2

0 20 0 0
0 22 0 0
0 24 0 0
0 27 0 0
0 30 0 0
10 50 500 100
10 51 510 100
10 53 530 100
10 58 580 100
10 59 590 100
20 82 1640 400
20 83 1660 400
20 85 1700 400
20 86 1720 400
20 880 1760 400
30 110 3300 900
30 11 3330 900
30 115 3450 900
30 117 3510 900
30 118 3540 900
40 138 5520 1600
40 141 5640 1600
40 144 5760 1600
40 146 5840 1600
40 146 5840 1600
500 2.104 56920 15000
 ∑ ∑
∑ ( ) ( )
= = = 2,968
(∑ )
∑

∑ ∑
∑ ( )= = 44.045,12

Tabela 1. Análise de regressão

FV GL SQ QM Fcalculado Ftabelado
Tratamento 4 44.049,8 11.012,4 875,39* 2,86
Primeiro
1 44.045,1 44.045,1 3.501,2* 4,35
grau
Desvio de
3 4,7 1,6 0,1ns 3,1
regressão
Resíduo 20 251,6 12,6

R²= = =0,99

Tabela 3. Valores observados e estimados de acordo com a dose

Dose Observados Estimados
0 24,6 24,8
10 54,2 54,5
20 84,8 84,2
30 114,2 113,8
40 143,0 143,5
Resultados:
 O experimento apresentou boa precisão;
 Pela análise de variância verificou-se que houve efeito
significativo do tratamento;
Pela análise de regressão, verificou-se que o modelo linear de 1° grau
explica o efeito de tratamento em 99% e que
desvio não é significativo. Dessa forma, o modelo linear de primeiro grau é
melhor modelo para explicar o efeito do tratamento sobre a variável resposta.
 Para cada 1 unidade que se aumenta na dose aumenta 2,968 na
altura.