Resumo:
A presença de heterogeneidade da variância e da autocorrelação é comum em bases de dados biométricas longitudinais. Na modelagem de tais bases de dados, fundamentada nos modelos lineares e não lineares ordinários, as citadas características violam as pressuposições básicas da homogeneidade da variância e da independência entre as observações. No presente estudo foram utilizadas técnicas, baseadas nos modelos não lineares generalizados para a estimativa do crescimento em altura para árvores individuais clonais de Eucalyptus. Anteriormente à modelagem generalizada, foi feito um estudo para a seleção de um melhor modelo não linear para a descrição do crescimento. Entre 4 modelos, o Logístico foi o que apresentou melhor performance para a base de dados em questão. Após o ajuste dos parâmetros do modelo Logístico, foram incluídas variáveis relativas à árvore individual e ao povoamento, melhorando-se com isto a precisão do modelo. Com a modelagem da heterogeneidade da variância, a distribuição dos resíduos foi sensivelmente melhorada e o valor do logaritmo da máxima verossimilhança foi elevado de -4436 para -4404, sendo que tal diferença foi altamente significativa. Com a modelagem da autocorrelação,a distribuição dos resíduos foi melhorada e o logaritmo da máxima verossimilhança, que era de -4404, passou a -869. Tal diferença foi ainda mais significativa comparada àquela obtida com apenas a modelagem da heterocedasticidade. Além da distribuição dos resíduos, a modelagem da heterogeneidade da variância e da autocorrelação mudou os valores dos parâmetros ajustados para o modelo homocedástico. Tal mudança afeta de forma determinante o uso do modelo para predição e projeção com fins de planejamento florestal.
