Your browser doesn't support javascript.

Portal de Pesquisa da BVS Veterinária

Informação e Conhecimento para a Saúde

Home > Pesquisa > ()
Imprimir Exportar

Formato de exportação:

Exportar

Exportar:

Email
Adicionar mais destinatários

Enviar resultado
| |

Modelos Mistos na Experimentação Animal

MARIANE MORENO FERRO.
Tese em Português | VETTESES | ID: vtt-215714

Resumo

Objetivou-se com o presente trabalho considerar diversas estruturas de variâncias e covariâncias para as matrizes associadas à parte aleatória e ao resíduo, procurando enfatizar àquelas inseridas na parte aleatória, e com base nessa modelagem, pretende-se questionar e comparar as diversas formas propostas para um dado experimento. Um conjunto de dados foi simulado para representar diferentes estruturas da matriz de covariância medidas repetidas em animais, representando um delineamento em quadrado latino 5x5. Estruturas como diagonal homogênea, diagonal heterogênea, correlacionada com variâncias homogêneas, correlacionada com variâncias heterogêneas, correlacionada entre períodos sequencias com variâncias homogêneas e correlacionada entre períodos sequencias com variâncias heterogêneas. Para as análises do quadrado latino 5x5, os dados simulados foram avaliados sob o enfoque de modelos mistos considerando o efeito de animal como a unidade experimental e aleatório, considerando o período como medidas repetidas da mesma unidade experimental, ajustando-se as estruturas de covariância ás medidas tomadas em um mesmo animal. O efeito de tratamento e período foram considerados como fixos. Cinco modelos de estruturas de covariância, componente de variância, auto-regressiva de primeira ordem, simetria composta, simetria composta heterogênea e Toeptiz foram utilizados para ajuste dos dados. Para a comparação entre modelos utilizou-se os critérios de informação de Akaike (AIC) e Bayesiano de Schwars (BIC). Os resultados foram bastantes similares quando se utilizou a estrutura de covariância de diagonal homogênea e de diagonal heterogênea, onde os valores de F para efeito de tratamento diferiram substancialmente entre os modelos testados, levando a diferentes efeitos significativos dos modelos testados. Valores similares foram observados quando se utilizou as estruturas de covariância do tipo componente de variância e simetria composta. Ja quando se correlacionou as covariáveis e manteve as variâncias na diagonal principal homogênea, a estrutura que melhor se ajustou foi a auto regressiva de primeira ordem. A utilização da estrutura de variância correlacionada com variância heterogênea levou a diferentes resultados onde a estrutura auto regressiva de primeira ordem foi a que melhor se ajustou ao modelo para o critério de AIC, porém, não para o critério de BIC, enquanto a auto-regressiva heterogênea de primeira ordem apresentou melhor ajuste para BIC, porém, não para AIC,apontando que a escolha do critério de seleção apresenta total importância quanto ao resultado final do teste. E a analise da estrutura correlacionada entre períodos sequenciais com variâncias homogêneas apontou que a melhor estrutura a se utilizar foi a componente de variância. A estrutura componente de variância apresentou melhor ajuste na maioria das matrizes de covariância testadas. A utilização de diferentes estruturas de covariância levou a valores semelhantes para o quadrado médio mínimo, porém, observa-se que o erro padrão tende a se alterar de acordo com a estrutura escolhida.
The aim was of this work was to consider several variance and covariance structures for the matrices associated with the random part and the residual, trying to emphasize those inserted in the random part, and based on this modeling, we intend to question and compare the different forms proposed for a given experiment. A dataset was simulated to represent different measures of the covariance matrix repeated measures in animals, representing a 5x5 Latin square delineation. Structures such as diagonal homogeneous, diagonal heterogeneous, correlated with homogeneous variances, correlated with heterogeneous variances, correlated between periods sequences with homogeneous variances, correlated between periods sequences with heterogeneous variances. For the analyzes of the 5x5 Latin square, the simulated data were evaluated under the mixed models approach considering the effect of the animal as the experimental and random unit, considering the period as repeated measurements of the same experimental unit, adjusting the covariance structures as measures taken in the same animal. The treatment effect and period were considered as fixed. Five models of covariance structures, component of variance, first order auto regressive, composite symmetry, heterogeneous composite symmetry and Toeptiz were used to fit the data. The Akaike and Bayesian Schwars information criteria were used to compare the models. The results were quite similar when using the homogeneous diagonal and heterogeneous diagonal covariance structure, where F values for treatment effect differed substantially between the models tested, leading to different significant effects of the models tested. Similar values were observed when the covariance structures of component type of variance and composite symmetry were used. When the covariates were correlated and maintained the variances on the main homogeneous diagonal, the structure that best fit was the first order auto regressive. The use of the structure of variance correlated with heterogeneous variance led to different results where the first-order autoregressive structure was the one that best fit the model for the AIC criterion, but not for the BIC criterion, while the autoregressive heterogeneity of the first order presented a better fit for BIC, but not for AIC, pointing out that the choice of the selection criterion presents total importance as to the final result of the test. The analysis of the correlated structure between sequential periods with homogeneous variances pointed out that the best structure to use was the component of variance. The component structure of variance showed the best fit in most of the covariance matrices tested. The use of different covariance structures led to similar values for the minimum mean square, however, it is observed that the standard error tends to change according to the chosen structure.
Biblioteca responsável: BR68.1