C:\ARQUIVO DE TRABALHO 2011\EDI - Unama

136
2 MATERIAL E MÉTODOS
2.1 CARACTERIZAÇÃO E LOCALIZAÇÃO DA ÁREA DE ESTUDO
A área de estudo consiste em plantio de Pinus caribaea var bahamensis (PCB), de
uma Fazenda da Duratex Florestal S\A situada na região sudoeste do estado de São Paulo,
cujas idades variam de 9,5 a 13,2 anos, caracterizando talhões maduros. Essa região apresenta
como características básicas, a periodicidade de chuvas, invernos secos com deficiência
hídrica, precipitação anual entre 1100 e 1400 mm, geadas pouco frequentes, temperatura
media entre 16 e 19ºC, clima subtropical moderado e úmido, vegetação do tipo
floresta ombrófila pluvial e campos submontanos, e altitude de aproximadamente 900
metros. A variável dependente foi o volume da madeira (Pinus). As variáveis independentes
consideradas inicialmente e, em princípio, explicativas do volume, foram IAF (Índice
de Área Foliar), DAF (Diâmetro Angular da Folha), DAP (Diâmetro à Altura do Peito),
GAP (medida da clareira), idade, altura e área basal das árvores.
2.2 FUNDAMENTAÇÃO TEÓRICA
Em modelos de equação para estimar o volume de árvores em pé, utiliza-se
constantemente uma técnica estatística chamada análise de regressão linear múltipla,
na qual existe um frequente interesse com relação à natureza e significância das relações
entre as variáveis independentes (altura, DAP, área basal, idade etc.) e a variável
dependente (volume).
Em muitas aplicações de administração, economia e principalmente nas ciências
agrárias e florestais, frequentemente encontram-se variáveis independentes que
estão correlacionadas entre elas mesmas e, também com outras variáveis que não estão
incluídas no modelo, mas estão relacionadas às variáveis dependentes (NETER;
WASSERMAN, 1974). O fato de muitas funções de regressões diferentes, proporcionar
bons ajustes para um mesmo conjunto de dados é porque os coeficientes de regressão
atendem várias amostras nas quais as variáveis independentes são altamente correlacionadas.
Assim, os coeficientes de regressão estimados variam de uma amostra para
outra quando as variáveis independentes estão altamente correlacionadas. Isso leva à
informação imprecisa a respeito dos coeficientes verdadeiros, sendo esse fenômeno
chamado de multicolinearidade (NETER; WASSERMAN, 1974).
2.2.1 Multicolinearidade
A multicolinearidade consiste em um problema comum em regressões, no qual
as variáveis independentes possuem relações lineares exatas ou aproximadamente
exatas. O índício mais claro da existência da multicolinearidade é quando o R² é bastante
alto, mas nenhum dos coeficientes da regressão é estatisticamente siginificativo
segundo o teste t convencional. As consequências da multicolinearidade em uma regressão
são as de erros-padrão elevados no caso de multicolinearidade moderada ou
severa e até mesmo a impossibilidade de qualquer estimação se a multicolinearidade
for perfeita (GUJARATI, 2000).
Traços, Belém, v. 12, n. 25, p. 133-146, jun. 2010