SELEÇÃO DE COVARIÁVEIS PARA AJUSTE DE REGRESSÃO LOGÍSTICA NA ANÁLISE DA ABUNDÂNCIA DE INVERTEBRADOS EDÁFICOS EM DIFERENTES AGROECOSSISTEMAS

Authors

• Luciane da Silva Oliveira

Abstract

A regressão logística é o método estatístico de análise utilizado com a finalidade de verificar a relação entre uma variável resposta dicotômica e variáveis explicativas de interesse. Este trabalho teve como objetivo realizar um estudo sobre os fatores que influenciam a abundância de invertebrados, indicadores do tipo de uso e qualidade do solo, sob diferentes formas de manejo utilizando a Regressão Logística. Para seleção de covariáveis foi utilizada a proposta de Collett (1994) e foram apresentados estimadores dos parâmetros envolvidos em cada modelo e suas interpretações, propriedades estatísticas e critérios para se julgar a adequabilidade dos modelos selecionados. A metodologia foi aplicada a dois conjuntos de dados reais (período seco e chuvoso). No modelo final ajustado para o conjunto de dados analisado no período seco verificou-se que as covariáveis Tipo de Sistema, Cálcio em Serapilheira, Matéria Orgânica do Solo, Potássio em Serapilheira e a iteração entre Cálcio e Potássio em Serapilheira foram importantes para explicar a presença de mais de 9 indivíduos, em média, no solo. No modelo final ajustado para o período chuvoso, as covariáveis significativas para explicar a presença de 101 indivíduos, em média, no solo foram Magnésio em Serapilheira, Carbono Orgânico Total na Serapilheira, Matéria Orgânica da Serapilheira e Temperatura Ambiente

References

BARROS, E.; NEVES, A.; BLANCHART, E.; FERNANDES, E.C.; WANDELLI, E.; LAVELLE, P. Development of the soil macrofauna community under silvopastoral and agrosilvicultural systems in Amazonia. Pedobiologia, Jena, v.47, p.273-280, 2003.

BROCCO, J. B. Ponderação de modelos com aplicação de Regressão Logística binária. 2006. 78 f. Dissertação (Mestrado) - Universidade Federal do São Carlos. 2006.

CASELLA, G.; BERGER, R. L. Statistical Inference. 2nd ed. Pacific Grove: Duxbury, 2002.

COLLETT, D. Modelling Survival Data in Medical Research. Chapman and Hall, London, 1994.

COLOSIMO, E. A.; GIOLO, S. R. Análise de Sobrevivência Aplicada. ABE - Projeto Fisher. São Paulo: Edgar Blücher, 2006.

HOSMER, D. W.; LEMESHOW, S. Applied logistic regression. 2nd ed. Massachusetts: John Wiley & Sons, 2000.

HOSMER, D. W.; LEMESHOW, S. Applied logistic regression. Massachusetts: John Wiley & Sons, 1989.

MELO, F. V. et al. A importância da meso e macrofauna do solo na fertilidade e como bioindicadores. Boletim Informativo da Sociedade Brasileira de Ciência do Solo, 34(01), 38-43. Jan/abr. 2009.

MEYER, P. L. Probabilidade: aplicações à estatística. Rio de Janeiro: Livros Técnicos e Científicos, 1978.

PAOLETTI, M.G. The role of earthworms for assessment of sustainability and as bioindicators. Agriculture, Ecosystems and Environment, Amsterdam, v.74, p.137-155, 1999.

R Development Core Team 2009. R: a language and environment for statistical computing.Vienna, Austria: R Foundation for Statistical Computing. Disponível em: <http://www.R-project.org>. Acesso em: Nov. 2010.

SILVA, J. Invertebrados Edáficos em Sistemas de Produção com Café na Zona da Mata de Minas Gerais. 2010. 218 f. Tese (Doutorado) – Universidade Federal do Ceará. 2010.

SOUZA, M. E. P. Oligochaetas em solos sob sistemas de manejos a pleno sol e agroflorestal e vermicompostagem associada com pós de rochas. 2010. 58 f. Dissertação (Mestrado) - Universidade Federal de Viçosa, 2010.

WAGNER, M. B.; MOTTA, V. T.; DORNELLES, C. SPSS passo a passo: Statistical Package for the Social Sciences. Caxias do Sul: Educs, 2004. 172p.