MODELAGEM MARGINAL CONJUNTA DA ALTURA E VOLUME PARA Araucaria angustifolia

Variaveis mensuradas em florestas normalmente apresentam algum grau de correlacao. Logo, ajustar modelos para estimar variaveis biometricas de forma independente nao e a abordagem mais adequada. Assim, modelos multivariados ganham relevância devido a capacidade de quantificar associacoes entre variaveis respostas. Nesse contexto, o objetivo da presente pesquisa foi ajustar modelos lineares generalizados de covariância multivariada (MCGLMs) univariados e multivariados para estimar altura e volume de arvores. As variaveis altura ( ), volume ( ) e diâmetro ( ) foram coletadas da Araucaria angustifolia em floresta nativa, localizada no estado de Santa Catarina, Brasil. Os MCGLMs foram ajustados para estimar  e , em abordagem univariada e multivariada. O preditor linear dos modelos foi fixado previamente em funcao da covariavel , para ambas as variaveis. Devido a um aparente padrao de variância nao constante das duas respostas, diferentes estruturas do preditor linear matricial foram testadas, com efeito da covariavel  variando ate polinomio de grau tres. Ainda, um parâmetro de potencia foi estimado nas duas abordagens, com a finalidade de obter uma funcao de variância para cada variavel. Os parâmetros estimados nas abordagens univariadas e multivariadas foram similares. Em geral, o erro padrao dos parâmetros foi menor para os modelos multivariados, sendo consequencia da correlacao entre as variaveis respostas. Os resultados tambem sugeriram que uma funcao de variância Poisson-Gama composta e adequada para variavel , bem como uma funcao constante para variavel . O modelo mais adequado foi obtido com preditor linear matricial somente em funcao de um parâmetro de dispersao associado a uma matriz identidade.