CONICET | Buscador de Institutos y Recursos Humanos

En el modelado de datos de suelo provenientes de planes de muestreos multietápicos, es necesario considerar la estructura jerárquica de las componentes aleatorias del muestreo. Los modelos lineales mixtos jerárquicos (HLMM) con efectos aleatorios permiten tener en cuenta la dependencia de los datos dentro y entre cada etapa de muestreo. Este trabajo ilustra el modelado de datos de suelo provenientes de un diseño muestral multietápico usando modelos mixtos. Los niveles de los factores sitios, lotes dentro de sitios, transectas dentro de lotes así como el efecto del punto de muestreo dentro de cada transecta fueron considerados como aleatorios. En cada punto de muestreo y para cada profundidad, se obtuvo un par de muestras de suelo asociadas con parches de vegetación de sol y de sombra. Nuestro objetivo es establecer una estrategia para contrastar hipótesis sobre los efectos fijos previo modelado de la estructura de covarianza . Para obtener información a cerca de los parámetros de covarianza se corrieron varios modelos anidados con el procedimiento GLIMMIX de SAS y para decidir si la componente de varianza debía estar o no en el modelo se usó la prueba de Wald y del cociente de verosimilitud (LRT) con y sin la corrección para pruebas de hipótesis de parámetros, que bajo hipótesis nula caen en el límite del espacio paramétrico. Los contrastes para el vector de efectos fijos se realizaron incluyendo el efecto aleatorio de menor jerarquía que resultó significativo y todos los efectos marginales a ese. La prueba LRT con corrección resultó más conservadora. Los resultados mostraron que los componentes de varianza son requeridos para describir adecuadamente la estructura de variación y detectar los efectos de los parches de vegetación. Sin embargo, aún bajo el mismo diseño, el número de efectos a ser incluidos dependió de la variable de suelo en cuestión.