Regressão não linear quantílica para modelagem de dados de crescimento de milho

Resumo

O embasamento estatístico em estudos de crescimento vegetal é fundamental, pois orienta o manejo em diferentes fases do desenvolvimento das plantas. Dentre as abordagens utilizadas, destacam-se os modelos de regressão não linear, que descrevem o crescimento ao longo do tempo com base em parâmetros estimados, usualmente, pelo método dos mínimos quadrados. No entanto, essa abordagem se limita à análise média dos dados, sendo sensível a valores extremos e à heterogeneidade de variâncias. A regressão quantílica surge como alternativa robusta, permitindo estimativas em diferentes quantis sem pressupor normalidade dos erros. Este estudo teve como objetivo analisar o crescimento de plantas de milho ao longo do tempo por meio da regressão não linear quantílica, além de investigar os pontos críticos dos modelos utilizados. Foram aplicados os modelos logístico, Gompertz e Chanter. Para avaliar a qualidade dos ajustes, utilizaram-se o critério de informação de Akaike (AIC), a medida de não linearidade intrínseca, bem como duas estatísticas propostas neste trabalho: a correlação dos quantis e a soma ponderada dos quadrados dos desvios. Os resultados indicaram que o modelo de Chanter proporcionou melhor ajuste para o conjunto de dados analisado, com bom desempenho em diferentes quantis.