Modelos lineales mixtos con respuesta multivariada. Una aplicación en programas de mejoramiento de cultivos

Abstract

Los modelos lineales mixtos incorporan efectos aleatorios que contribuyen a explicar la variancia de los datos de forma flexible ya que permiten definir distintas estructuras para la matriz de covariancias. Por otro lado, los modelos multivariados permiten el análisis de más de una variable en conjunto de manera que, si las variables respuestas se encuentran correlacionadas, esta correlación se tendrá en cuenta en el modelo, lo que podría resultar en la obtención de predicciones más exactas en comparación con análisis univariados. Es de interés un modelo que contemple las ventajas mencionadas por estos métodos. Ganesalingam et al. (2013) combinaron estas dos características en un modelo lineal mixto bivariado, es decir, contempla el análisis simultáneo de dos variables. En este trabajo, se tiene como objetivo extender dicho modelo a un modelo mixto multivariado. Estos modelos contemplan la correlación existente entre dos o más variables bajo estudio y, además, consideran estructuras más complejas para las matrices de covariancias asociadas a las variables, sobre los efectos considerados como aleatorios en el modelo. El modelo propuesto se aplicó en el análisis de tres variables asociadas al rendimiento del mungbean medidas en un ensayo a campo. El mismo permitió comprender la relación entre las variables estudiadas y seleccionar los genotipos con mejor desempeño a partir de la obtención de predicciones con mayor exactitud. Este modelo multivariado resulta una herramienta de análisis apropiada para otros conjuntos de datos con un número pequeño de variables y en otras áreas de estudio además de la agronomía.