ads:
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
FACULDADE DE AGRONOMIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ZOOTECNIA
ALTURA DE MANEJO DO PASTO E SUAS CONSEQÜÊNCIAS SOBRE A
PRODUÇÃO ANIMAL E A DINÂMICA DE PASTAGENS ANUAIS DE
INVERNO
LEMAR MACIEL DA ROCHA
Engenheiro Agrônomo – UFRGS
Dissertação apresentada como um dos requisitos à obtenção do Grau de
Mestre em Zootecnia
Área de Concentração Plantas Forrageiras
Porto Alegre (RS), Brasil.
Fevereiro de 2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
AGRADECIMENTOS
A Deus, por ter sempre me proporcionado muita saúde.
Ao meu pai, Leur Amaro Freitas da Rocha (in memórian), meu
espelho eterno.
A minha mãe, Maria Cecília Maciel da Rocha, por ser responsável
pela construção do meu caráter e não ter medido esforços em relação a minha
formação profissional.
As minhas irmãs, Cecile e Marle, pelo carinho que sempre me
deram.
A Carol, minha namorada, pela parceria em todos os momentos.
Ao professor Paulo Carvalho, meu orientador, pessoa que admiro
muito, devido sua capacidade profissional e amizade, me dando a oportunidade
de tê-lo como AMIGO.
Ao professor Carlos Nabinger, por tudo que representa ao setor
primário e humildade que carrega consigo, além de ser um dos responsáveis
pela diminuição do meu “caminho” da academia ao campo.
Ao professor Ibanor Anghinoni, pelo profissionalismo e disposição
para contribuir.
Aos MSc. Eng. Agrônomos Ângelo Aguinaga e Guilherme Cauduro,
pelo incentivo em iniciar este trabalho e pelos momentos de descontração.
A Agropecuária Cerro Coroado, por ter disponibilizado toda infra-
estrutura para a realização do experimento de campo.
Ao Sr. Alcebíades, capataz da Fazenda Espinilho e sua esposa,
Dona Rita, pela hospitalidade à equipe de trabalho.
E ao Grupo de Pesquisa em Ecologia do Pastejo, aos colegas de
pós-graduação, em especial a Carolina Baggio, João Paulo Cassol Flores,
Stefani Macari e Everson Bravo, aos bolsistas de iniciação cientifica e
voluntários, sem os quais não teria conseguido realizar este trabalho.
ads:
iii
ALTURA DE MANEJO DO PASTO E SUAS CONSEQÜÊNCIAS SOBRE A
PRODUÇÃO ANIMAL E A DINÂMICA DE PASTAGENS ANUAIS DE
INVERNO
1
Autor: Lemar Maciel da Rocha
Orientador: Paulo César de Faccio Carvalho
Co-orientadores: Ibanor Anghinoni e Carlos Nabinger
RESUMO
O objetivo do experimento foi compreender e quantificar a mudança estrutural
de pastagens anuais típicas do período hibernal do RS e avaliar o potencial
produtivo e as características de carcaças de novilhos superprecoces. O
experimento foi conduzido em área pertencente à Fazenda Espinilho,
localizada no município de São Miguel das Missões – RS. Foram impostos
quatro tratamentos por meio de diferentes alturas de manejo da pastagem: 10,
20, 30 e 40 cm, obtidas a partir da aplicação de diferentes cargas animais. O
delineamento foi o de blocos completos casualizados com três repetições.
Foram utilizados animais, com cerca de 10 meses de idade, machos inteiros,
uniformes, sem padrão racial definido, com peso médio inicial de 190 kg. As
variáveis estudadas foram: massa de forragem (MF), taxa de acúmulo de
forragem (TAC), produção total de forragem (PTMS), relação lâmina
foliar/colmo + bainha, ganho médio diário (GMD), ganho por área (GPA) e
características qualitativas e quantitativas de carcaças. Observou-se um
aumento linear da MF com o aumento da altura do pasto, onde para cada cm
de aumento na altura acima de 10 cm, correspondem um incremento de cerca
de 108 kg/há na MF do pasto. Não houve efeito dos tratamentos para a TAC,
bem como para a PTMS, cujos valores médios foram de 55,8 kg/há.dia e 8210
kg/ha, respectivamente. O aumento no GMD foi condicionado pelo incremento
na qualidade e/ou na quantidade de forragem disponível, já que as OF diárias
para os tratamentos de 10, 20, 30 e 40 cm de altura foram de 6, 7, 13 e 19 kg
de MS/100 kg de PV, respectivamente. Portanto, o modelo de resposta do
GMD em relação às alturas resultou em 0,96 e 1,24 kg/animal nos tratamentos
de menor e maior GMD, respectivamente, que foram de 10 e 20 cm de altura.
O maior GPA observado no tratamento 10 cm (515 kg de PV/ha) deveu-se à
uma maior carga animal utilizada, e ambas apresentaram respostas lineares
decrescendo com o aumento da altura de pastejo. O peso vivo dos animais
antes do abate e as características de carcaças não foram incrementados com
o aumento da altura do pasto (P>0,05), assim como o rendimento de carcaça,
uma vez que todos os valores ficaram em torno de 52%. Houve um forte e
abrupto decréscimo da relação lâmina/colmo+bainha colmo nos tratamentos 30
e 40 cm a partir de setembro. Investigou-se o ajuste de quatro tipos teóricos de
distribuição das freqüências de altura em cada tratamento e em seis diferentes
datas de observação, bem como o potencial de predição da MF por intermédio
da altura do pasto. A distribuição das freqüências de altura se ajustou ao
modelo Normal em apenas uma das noventa e seis séries analisadas. A
distribuição tipo Gamma foi a que mais freqüentemente se ajustou aos dados
iv
de altura, porém, uma vez iniciado o pastejo, o incremento da heterogeneidade
no pasto foi tal que a distribuição de freqüências não se ajustou a nenhum dos
modelos estudados. Sugere-se que as metas de altura de manejo devam ser
variáveis ao longo do ciclo de pastejo, com o intuito de se administrar a
heterogeneidade causada pelo animal.
Termos para indexação: Avena strigosa, estrutura do pasto, Lolium multiflorum;
carga animal; ganho médio diário; ganho por área; oferta de forragem;
carcaças.
1
Dissertação de Mestrado em Zootecnia – Plantas Forrageiras, Faculdade de
Agronomia, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil
(163p.) fevereiro, 2007.
v
MANAGEMEN SWARD HEIGHT AND HIS CONSEQUENCE IN ANIMAL
PRODUCTION
AND DYNAMICS OF ANUAL WINTER PASTURE
1
Author: Lemar Maciel da Rocha
Adviser: Paulo César de Faccio Carvalho
Co-advisers: Ibanor Anghinoni and Carlos Nabinger
ABSTRACT
Aiming to comprehend and quantify the structural changes in typical temperate
annual pastures from RS and evaluate the potential production and
characteristics of young beef steers carcass, this experiment was conducted at
Fazenda Espinilho, located in São Miguel das Missões. Treatments were four
sward height management targets (10, 20, 30 and 40 cm), using continuous
variable stocking. A completely randomized block design with three replicates
was applied. Beef steers weighting 190 Kg were used and they were ten
months old, non-castrated males with no defined breed. The investigated
variables were herbage mass (HM), herbage growth rate (GR), total dry matter
production (TDMP) and laminae/stem+sheath relation, average daily gain
(ADG), gain per area (GPA) and qualitative and quantitative carcass
characteristics. Results indicated a linear increase relating herbage mass and
sward height, where each cm on sward height above 10 cm increases herbage
mass in 108 kg/ha. Treatments did not differ in GR and the TDMP, average
values being 55,8 kg DM/ha and 8210 kg DM/ha, respectively. The increase on
the average daily gain (ADG) was due to the increase of quality/amount of
available forage and the herbage allowance for the treatments of 10, 20, 30, 40
cm, was 6, 7, 13, 19 DM kg/ 100 kg LW, respectively. So, the ADG was 0.96
and 1.24 kg/animal for the treatments of lowest and highest ADG, which
corresponds to 10 cm and 20 cm. Once ADG was low, the highest GPA
observed on the 10 cm treatment (515 Kg PV/ha) was due to a higher stocking
rate and both presented a negative linear response, decreasing with the
increase in sward height. Concerning final live weight and carcass
characteristics there was no difference with increasing sward height (P>0,05).
As well as carcass yield, which average was about 52%. A pronounced
decrease in laminae/stem+sheath relation for 30 and 40 cm treatments
occurred by September. In addition, four theoretical distributions were fitted to
sward height data for each treatment in six different sample dates. Sward
frequency height distributions fitted Normal distribution only in one of ninety six
data series analyzed. Gamma distribution was more frequently adjusted to
sward height data, however, once grazing started, pasture heterogeneity was
so increased that sward height did not fitted neither of the investigated models.
It is suggested that sward height targets should be variable along the grazing
season aiming to manage the heterogeneity caused by the animal.
Index terms: sward height, Avena strigosa, sward structure, Lolium multiflorum;
stocking rate, average daily gain; live weight gain per area; herbage
allowance;carcass.
vi
1
Master of Science dissertation in Forage Science, Faculdade de Agronomia,
Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brazil, (163p.)
Febreuary, 2007.
vii
SUMÁRIO
CAPITULO 1...................................................................................................... 1
INTRODUÇÃO E REVISÃO BIBLIOGRÁFICA................................................. 2
1.1 INTRODUÇÃO AO SISTEMA DE INTEGRAÇÃO LAVOURA-PECUÁRIA ...................... 2
1.2 REVISÃO BIBLIOGRÁFICA .............................................................................. 6
1.2.1 Conceitos, vantagens e limitações do sistema de integração lavoura
– pecuária ................................................................................................... 6
1.2.2 Produção de forragem e produção animal no contexto de
integração lavoura – pecuária..................................................................... 9
1.2.3 Paradigma do sistema integração lavoura-pecuária................... 13
1.2.4 Hipóteses de estudo .................................................................. 16
CAPÍTULO 2.................................................................................................... 18
DINÂMICA DA PRODUÇÃO E DA ESTRUTURA DE PASTOS MISTOS DE
AVEIA E AZEVÉM SUBMETIDOS A INTENSIDADES DE PASTEJO SOB
PASTEJO CONTÍNUO .................................................................................... 19
RESUMO ........................................................................................................ 19
ABSTRACT.................................................................................................... 200
INTRODUÇÃO .................................................................................................. 21
MATERIAL E MÉTODOS .................................................................................... 23
RESULTADOS E DISCUSSÃO ............................................................................. 26
CONCLUSÕES ................................................................................................. 32
REFERÊNCIAS:.............................................................................................. 333
CAPÍTULO 3.................................................................................................... 42
DESEMPENHO E CARACTERÍSTICAS DAS CARCAÇAS DE NOVILHOS EM
PASTOS DE INVERNO SUBMETIDOS A INTENSIDADES DE PASTEJO SOB
LOTAÇÃO CONTÍNUA. .................................................................................. 43
RESUMO ........................................................................................................ 43
ABSTRACT...................................................................................................... 44
INTRODUÇÃO .................................................................................................. 45
MATERIAL E MÉTODOS ..................................................................................... 47
RESULTADOS E DISCUSSÃO.............................................................................. 49
CONCLUSÕES ................................................................................................. 54
REFERÊNCIAS:................................................................................................ 56
CONSIDERAÇÕES FINAIS............................................................................. 65
REFERENCIAS BIBLIOGRÁFICAS.................................................................67
APÊNDICES .................................................................................................... 70
viii
RELAÇÃO DE TABELAS
Capítulo 2
Tabela 1. Parâmetros relacionados à altura média de manejo do pasto, à carga
animal e à oferta de forragem, e seus respectivos erros padrão (e.p.) de
pastagens manejadas segundo metas de alturas de 10, 20, 30 e 40
cm.............................................................................................................Pág. 36
Tabela 2. Parâmetros estimados para diferentes tipos teóricos de distribuição
de altura do pasto em pastagens manejadas em alturas de 10, 20, 30 e 40 cm.
Os valores, quando seguidos por asterisco (*), indicam a significância
estatística do tipo de distribuição..............................................................Pág. 37
Tabela 3 Variáveis estruturais de pastagens de aveia e azevém manejadas em
diferentes alturas e sua dinâmica ao longo do ciclo de utilização............Pág. 38
Tabela 4 Parâmetros relacionados à massa de forragem, à taxa de acúmulo, à
produção de forragem, à relação lâmina/colmo + bainha, e seus respectivos
erros padrão (e.p.) de pastagens manejadas segundo metas de alturas de 10,
20, 30 e 40 cm..........................................................................................Pág. 39
Capítulo 3
Tabela 1 Massa de forragem (MF), oferta de forragem (OF), altura real (ALTr),
taxa de acúmulo (TAC) e produção total de forragem (PTF)....................Pág. 62
Tabela 2. Peso inicial (PI), peso final (PF), escore de condição corporal (ECC),
rendimento de carcaça (RC), peso carcaça quente (PCARQ), peso carcaça fria
(PCARF), peso dianteiro (PDIAN), peso costela (PCOST), peso traseiro
(PTRAS) e espessura de gordura subcutânea (EGS). Frigorífico Frigonal,
Montenegro, 2005.....................................................................................Pág. 63
Tabela 3. Porcentagem dos cortes primários em relação a carcaça fria de
novilhos superprecoces mantidos em pastagem de aveia e azevém manejada
sob diferentes alturas. Frigorífico Frigonal, Montenegro, 2005................Pág. 64
ix
RELAÇÃO DE FIGURAS
Capítulo 2
Figura 1. Histogramas de freqüências de distribuição de alturas, em diferentes
datas ao longo do período de pastejo, de pastos manejados a 10, 20, 30 ou 40
cm.............................................................................................................Pág. 40
Figura 2. Relação entre altura e massa de forragem de pastagens de aveia e
azevém submetidas a distintas alturas de manejo (Y= 438,54 + 107,47x;
P< 0,0001; R
2
= 67,67%; n=299; CV= 30,34%).........................................Pág. 41
Capítulo 3
Figura 1. Ganho de peso diário (GMD) (kg PV/animal/dia) e ganho de peso
vivo por área (GPA) (kg/ha), em 131 dias de pastejo de novilhos de corte em
pastagens de aveia e azevém manejadas em diferentes alturas. Média de cada
tratamento é composta por 12 valores (animais teste). Fazenda Espinilho,
Tupanciretã, 2005.....................................................................................Pág. 59
Figura 2. Carga animal média (CA) (kg PV/ha) e Oferta de forragem (OF) (%
PV) mantidas em pastagens de aveia e azevém submetidas a diferentes
alturas de manejo. Fazenda Espinilho, Tupanciretã, 2005.......................Pág. 60
Figura 3. Ganho médio diário (GMD) e ganho de peso vivo por área (GPA) em
relação a massa de forragem, mantidas em pastagens de aveia e azevém
submetidas a diferentes alturas de manejo. Fazenda Espinilho, Tupanciretã,
2005..........................................................................................................Pág. 61
x
Apêndices
Apêndice 1. Relação entre a altura pretendida dos tratamentos e a altura real
observada na pastagem de aveia + azevém, ao longo do período experimental.
Fazenda Espinilho, 2005...........................................................................Pág. 71
Apêndice 2. Massa de forragem de pastagem de aveia + azevém manejada em
diferentes alturas de pastejo. Fazenda Espinilho 2005.............................Pág. 72
Apêndice 3. Massa de forragem de pastagem de aveia e azevém manejada
sob diferentes alturas, ao longo do período experimental. Valores obtidos
através de equação lineares.....................................................................Pág. 73
Apêndice 4. Taxa de acúmulo de matéria seca de pastagem de aveia + azevém
manejada sob diferentes alturas de pastejo. Fazenda Espinilho, 2005....Pág. 74
Apêndice 5. Produção de matéria seca por período e total em uma pastagem
de aveia e azevém manejada sob diferentes alturas, ao longo do período
experimental. Fazenda Espinilho, 2005....................................................Pág. 75
Apêndice 6. Carga animal média na pastagem de aveia e azevém, nas
repetições, manejada sob diferentes alturas. Fazenda Espinilho, 2005...Pág. 76
Apêndice 7. Ganho médio diário de bovinos em pastagem de aveia e azevém,
nas repetições, manejada nas diferentes alturas. Fazenda Espinilho,
2005...........................................................................................................Pág. 77
Apêndice 8. Produção animal por área em pastagem de aveia e azevém, nas
repetições, manejada sob diferentes alturas de pastejo. Fazenda Espinilho,
2005...........................................................................................................Pág. 78
Apêndice 9. Oferta total de forragem e de lâminas foliares em pastagem de
aveia e azevém, nas repetições, manejada sob diferentes alturas de pastejo.
Fazenda Espinilho, 2005...........................................................................Pág. 79
Apêndice 10. Eficiência média de utilização da pastagem de aveia e azevém,
nas repetições manejada sob diferentes alturas. Fazenda Espinilho,
2005...........................................................................................................Pág. 80
Apêndice 11. Peso de abate e escore de condição corporal de bovinos,
submetidos a diferentes alturas de pastejo em pastagem de aveia e azevém
com 14 meses de idade. Fazenda Espinilho, 2005...................................Pág. 81
xi
Apêndice 12. Peso de carcaça quente (PCQ), peso de carcaça fria (PCF), Peso
dianteiro (PD), Peso traseiro (PT), Peso costela (PC) e Grau de acabamento
(GA) de bovinos abatidos com 14 meses de idade e submetidos a uma
pastagem de aveia e azevém manejada em diferentes alturas de pastejo.
Frigonal, Montenegro – RS, 2005.............................................................Pág. 82
Apêndice 13. Croqui da Área Experimental. Fazenda Espinilho. Tupanciretã,
RS..............................................................................................................Pág. 83
Apêndice 14. Carcaças de novilhos de corte, abatidos com 14 meses de idade,
submetidos a um pasto de aveia e azevém, manejados em diferentes alturas
(10, 20, 30 e 40 cm). Frigorífico Frigonal, 2005........................................Pág. 84
Apêndice 15. Normas para publicação na Revista Pesquisa Agropecuária
Brasileira....................................................................................................Pág. 85
Apêndice 16. Análises estatísticas............................................................Pág. 94
xii
ABREVIATURAS
CA Carga Animal
CV Coeficiente de variação
EGS Escore de gordura subcutânea
GMD Ganho médio diário
GPA Ganho animal por área
ha Hectare
IAF Índice de área foliar
IBGE Instituto Brasileiro de Geografia e Estatística
ILP Integração lavoura-pecuária
MF Massa de forragem
MS Matéria seca
OF Oferta de forragem
OFL Oferta de lâmina foliar
PCARCF Peso de carcaça fria
PCARCQ Peso de carcaça quente
PCOST Peso de costela
PDIANT Peso de dianteiro
PTRAS Peso de traseiro
PTMS Produção total matéria seca
PV Peso vivo
SPD Sistema de plantio direto
TAC Taxa de acúmulo
UFRGS Universidade Federal do Rio Grande do Sul
1
CAPITULO 1
2
INTRODUÇÃO E REVISÃO BIBLIOGRÁFICA
1.1 Introdução à técnica de integração lavoura-pecuária
A integração lavoura - pecuária (ILP) como conceito tecnológico é tão
antiga quanto a domesticação dos animais e das plantas. Vários países a
utilizam, sendo que a combinação de atividades pode ser tão distinta quanto a
diversidade dos sistemas de produção existentes (Carvalho et al., 2005). A
mesma vem sendo praticada por décadas, classicamente representada pelas
rotações de lavoura de arroz irrigado com pastagens, e pelas rotações das
lavouras de milho e soja com pastagens de inverno nos planaltos do Rio
Grande do Sul (Moraes et al., 2002).
Segundo Oliveira (2002), o sistema de integração lavoura - pecuária
pode ser definido como um sistema de produção onde a exploração animal
está intimamente associada à produção de grãos, havendo alternância desta
com a produção de forragem no mesmo ano agrícola.
Carvalho et al. (2005) relataram que o plantio de coberturas de solo ou
de culturas de alto risco econômico, como cereais de inverno, leva o agricultor
3
a buscar alternativas econômicas durante esse período. A formação de
pastagens hibernais de azevém (Lolium multiflorum Lam) e aveia preta (Avena
strigosa) torna viável a terminação de bovinos durante a entressafra, e surge
como alternativa para melhorar os índices zootécnicos da pecuária gaúcha.
A área de soja cultivada anualmente no estado do Rio Grande do Sul é
aproximadamente quatro milhões de hectares e a de milho é estimada em
torno de 1,2 milhão de hectares (Conab, 2005). Nos últimos anos a área
semeada com cereais de inverno tem sido de aproximadamente 1,2 milhão de
hectares, ou seja, 23% da área cultivada no verão com soja e milho. O restante
da área, quatro milhões de hectares, fica praticamente sem renda durante o
período de inverno, sendo cultivada geralmente com plantas forrageiras para
cobertura do solo e formação de palhada para o sistema de semeadura direta
no verão.
O Rio Grande do Sul é o estado brasileiro com maior número de animais
terminados em pastagens cultivadas de inverno, cerca de 435 mil cabeças no
ano de 2005, o que é quatro vezes mais do que Paraná e Santa Catarina,
segundo e terceiro colocados, respectivamente (Anualpec, 2006). Esses
números poderiam ser ainda maiores se as extensas áreas que permanecem
apenas com culturas de cobertura de inverno fossem utilizadas para o pastejo
de animais (Cassol, 2003). Nesse contexto, visando a diversificação de
atividades nas propriedades rurais, a integração lavoura - pecuária é uma outra
fonte de renda que minimiza os riscos de uma monocultura.
As propriedades agrícolas, em geral, necessitam de alternativas de
rotação que possam intensificar o uso da terra, aumentar a sustentabilidade
4
dos sistemas de produção e melhorar a renda, que pode ser obtida pela
rotação de cultivos anuais com pastagens. Essa possibilidade de diversificação
enfrenta certa resistência em ser adotada pelos produtores de grãos por
possíveis efeitos negativos causados pelo pisoteio animal sobre o solo, o que
poderiam vir a prejudicar o estabelecimento e a produtividade da cultura
subseqüente. Esses problemas estão relacionados com atributos físicos do
solo, sobretudo com a compactação. Porém, o correto manejo dos
componentes do sistema de integração (solo, planta e animal) pode amenizar
os possíveis efeitos dessas alterações em atributos físicos do solo sobre as
culturas de interesse econômico.
A agricultura e a pecuária não devem ser vistas como atividades
antagônicas, mas sim como atividades complementares que, quando
integradas, funcionam em sinergismo, tendo a lavoura um melhor resultado
quando integrada com a pecuária e vice-versa (Moraes et al., 2002; Cassol,
2003). Para Cassol (2003), não há uma justificativa plausível para que, durante
o inverno, áreas sob plantio direto permaneçam apenas com culturas de
cobertura com o único propósito de produção de palha, uma vez que a
integração dessas áreas com a pecuária tornaria mais eficiente e produtivo o
uso da terra, gerando mais renda para o produtor.
Conciliar alta produção de forragem de qualidade do pasto com elevada
produção animal e altos níveis de produtividade de grãos exige uma
adequação do manejo da desfolha dentro de um equilíbrio que respeite os
limites especificados de cada espécie forrageira. Geralmente, o pisoteio animal
promove um aumento na densidade e diminuição na porosidade e conseqüente
5
diminuição na taxa de infiltração de água no solo. A magnitude dessas
alterações é responsável por afetar o desenvolvimento radicular das culturas
de grãos (Taylor & Bar et al., 1991). Estas alterações estão na dependência do
manejo que é aplicado nas áreas submetidas pastejo, garantindo assim, que
não haja o comprometimento das culturas de grãos que virão na seqüência do
pastejo e, ao mesmo tempo, permita a obtenção de renda com o componente
zootécnico do sistema.
Aparentemente, a pesquisa agrícola vem fazendo seu papel com
eficiência. Muitos paradigmas foram quebrados e conceitos aperfeiçoados e
expandidos, possibilitando dessa forma, que uma “pequena revolução” fosse
iniciada. Mais do que simplesmente reformar pastagens utilizando-se de
cultivos agrícolas (que é considerada uma das frentes da pesquisa em
integração lavoura - pecuária), iniciou-se um processo rentável e competitivo
de produção sustentável de produtos de origem animal e grãos de alta
qualidade (Alves & Moraes, 2002).
Com base neste contexto, foi produzido o presente trabalho, que
objetivou avaliar os efeitos de diferentes níveis de utilização da pastagem de
inverno buscando identificar as intensidades de pastejo que otimizariam a
terminação de bovinos de corte no período de entressafra, e determinar a
importância componente animal em um sistema sustentável ao longo do tempo.
6
1.2 Revisão bibliográfica
1.2.1 Conceitos, vantagens e limitações da técnica de integração
lavoura – pecuária
A agricultura no Brasil foi praticada durante décadas de forma empírica,
porém a ocupação de terras agrícolas no Sul do Brasil vem sofrendo profundas
transformações nas últimas décadas, caracterizando-se por mudanças na
filosofia de uso, buscando a sustentabilidade dos sistemas de produção.
Por definição, agricultura sustentável é um conjunto integrado de
práticas de produção de plantas e de animais com conseqüências de longo
prazo que satisfaçam a necessidade de alimentos, melhorem a qualidade
ambiental, façam o uso mais eficiente dos recursos naturais e da propriedade,
integrando ciclos e controles biológicos, sustentando a viabilidade econômica
das operações agrícolas e melhorando a qualidade de vida do agricultor e da
sociedade (Pelissari et al., 2002).
O termo integração lavoura - pecuária é utilizado para designar a
alternância de cultivo de grãos e pastejo de animais em pastagens de
gramíneas e/ou leguminosas (Moraes et al., 1998) sempre que ambas as
atividades sejam desenvolvidas na mesma área ou que tenham um mínimo de
interface. Com a implementação do binômio pastagens-culturas de grãos, as
propriedades agrícolas podem desenvolver sistemas de produção menos
intensivos no uso de isumos e, por sua vez, mais sustentáveis ao longo do
tempo, evidenciando o efeito benéfico nas várias propriedades do solo à
7
medida que aumenta o número de anos sucessivos com pastagens (Panigatti,
1992).
Dentre os benefícios da integração, Cassol (2003) destacou os
seguintes:
1. Possibilidade de introduzir, renovar ou recuperar as pastagens com
menores custos;
2. Aproveitamento do adubo residual aplicado nas culturas de grãos pelas
pastagens que se desenvolvem na seqüência, criando condições para
trabalhar com pastagens de qualidade e elevado potencial produtivo;
3. Produção de forragem na época mais crítica do ano;
4. Redução na incidência de pragas, doenças e plantas indesejáveis
devido à rotação entre pastagens e culturas, imprescindível para o
sistema de semeadura direta;
5. Aumento da rentabilidade e diminuição da dependência dos produtores
do cultivo de grãos;
6. Aumento da liquidez pela possibilidade de realização financeira imediata
com o gado.
Apesar das vantagens ressaltadas, algumas limitações dificultam a
expansão da técnica de integração lavoura-pecuária, dentre os quais se
destacam:
1. A escolha da combinação de culturas e pastagens ligadas aos
interesses dos sistemas de produção em uso;
2. O risco de compactação adicional do solo promovido pela entrada dos
animais;
8
3. O aumento da complexidade do sistema, exigindo maior preparo de
técnicos e produtores;
4. Aceitação da pecuária pelos agricultores e aceitação da agricultura pelos
pecuaristas.
Moraes et al. (2002) ressaltaram que como o plantio direto, a rotação de
cultivos e a exploração do sistema integração lavoura - pecuária se caracteriza
pela maior exigência no uso de conhecimentos técnicos, sendo que a adoção
ou não da tecnologia por parte dos produtores fica vinculada à facilidade de
aceitação de conversão do sistema produtivo. Sendo assim, um alto grau de
resistência dos pecuaristas ou um baixo nível educacional dos mesmos pode
dificultar a utilização da tecnologia proposta, porém, nesse momento existe
necessidade, por parte dos produtores, de buscar alternativas para viabilização
da atividade na região, o que pode facilitar a difusão e a adoção de novas
tecnologias.
Entre as limitações existentes, quanto à difusão da técnica, uma dúvida
freqüente é sobre o que fazer com os animais no período de verão, no caso em
que os mesmos não sejam terminados durante o período de inverno. Para isso,
o estudo de espécies forrageiras perenes e anuais de verão, semeadas em
parte da propriedade e com uso intensivo de tecnologia, é de extrema
importância. Nessa proposta, a pastagem de verão deveria obrigatoriamente
competir em rentabilidade com as lavouras de verão e permitir a manutenção
dos animais na propriedade o restante do ano. Em diversas unidades de
validação foram obtidas produções superiores a 1000 kg de PV/ha utilizando-se
diversas espécies e cultivares (Mombaça, Sorgo forrageiro, Tifon 85, Tanzânia
9
+ Arachis pintoi, Brizantão, etc.) (Carvalho et al., 2004). Mesmo com essas
limitações, Alves & Moraes (2002) observaram uma mudança gradativa de
conceitos agronômicos e de manejo, a saber:
1. Aceitação, por inúmeros produtores, de que é possível permitir o pastejo
de animais em áreas agrícolas sem comprometimento da produtividade
desde que seja efetuado um manejo adequado;
2. Uma maior compreensão de aspectos de manejo de pastagens pelos
produtores e da importância de ter alimentos para os animais durante o
ano inteiro, evitando, dessa forma, o sub-pastejo durante o período de
verão e o super-pastejo no período de inverno;
3. O aumento da fertilização das pastagens, tanto em áreas integradas
como em áreas secundárias da propriedade;
4. Uma tendência de se adubar preferencialmente no período de inverno e
com uma conseqüente diminuição da fertilização do cultivo agrícola do
verão;
5. Reconhecimento de que as pastagens são potencialmente competitivas
em termos de rentabilidade com os cultivos agrícolas desde que bem
manejadas.
1.2.2 Produção de forragem e produção animal no contexto da
integração lavoura – pecuária
As áreas de pastagens no Brasil somam cerca de 117 milhões de
hectares, sendo que desse total aproximadamente 75 milhões são de
10
pastagens cultivadas e 42 milhões são de pastagens nativas. Nos últimos anos
tem se verificado um crescente aumento nas áreas de pastagens cultivadas,
fruto principalmente da necessidade de aumentar a produtividade da pecuária
brasileira (Freitas, 2002).
As produções de forragem das pastagens naturais, e mesmo as
cultivadas, apresentam flutuação ao longo do ano em função dos fatores
climáticos como temperatura e precipitação pluviométrica. Os campos, de
maneira geral, durante a primavera até a metade do verão, estão na sua
máxima potencialidade de crescimento e qualidade. Mas, a partir de fevereiro,
essas espécies iniciam o seu período reprodutivo, perdem qualidade e os
desempenhos dos animais começa a diminuir. Quando no outono, as
temperaturas baixam há uma redução no crescimento e, por ação das geadas,
ocorre o crestamento dos pastos. Os animais entram então em um período de
perda de peso, que dura todo o inverno (Oliveira, 2002).
Essa disponibilidade irregular de alimentos ao longo do ano acarreta
uma descontinuidade da curva de crescimento dos bovinos, de tal forma que os
ganhos em produtividade na curva de crescimento dos bovinos, obtidos em
épocas favoráveis, onde há abundância de forragem com valor nutritivo
relativamente alto, são perdidos em épocas críticas, de escassez de alimento
de baixo valor nutritivo. Tal situação resulta em uma pecuária ineficiente e
caracterizada pela da produção de bovinos tardios.
A sazonalidade de produção de forragem, aliada à um manejo
inadequado dos pastos, tem resultado em índices médios de produtividade
11
animal em torno de 50-90 kg/há.ano de peso, inferiores ao potencial permitido
pelas condições edafoclimáticas da região (Nabinger & Silva, 2000).
A mais destacada vantagem da técnica de integração lavoura - pecuária
é a possibilidade de produção de forragem de qualidade para a alimentação de
bovinos em épocas criticas. Trata-se de uma alternativa economicamente
viável para a produção pecuária, principalmente para a terminação de novilhos,
pois permite o aumento da produtividade animal por meio da melhoria de
qualidade das pastagens, conduzindo o rebanho a um desempenho positivo
em todo o período de crescimento dos animais.
Moraes et al. (1998) apontaram que normalmente as culturas de inverno
utilizadas no Sul do Brasil são as aveias preta (Avena strigosa) e branca
(Avena sativa) e o azevém anual (Lolium multiflorum). Essas espécies
proporcionam diferentes períodos de utilização em função de sua velocidade
de estabelecimento e ciclo de produção.
O azevém, embora seja mais lento em sua formação, permite uma
utilização mais prolongada em relação às aveias. Essa informação é importante
para se adequar o ciclo da gramínea de inverno ao ciclo da cultura de verão.
Por exemplo, antecedendo à lavoura de milho, que deve ser semeada mais
cedo em relação à soja, a opção mais lógica seria utilizar as aveias que
apresentam um ciclo mais curto em relação ao azevém. O contrário se passa
com relação à soja, a opção pelo azevém como gramínea de inverno seria uma
alternativa melhor, pois o pastejo se estende até meados de novembro e, após
a saída dos animais, se garante a formação de sementes, estando assim
12
assegurado seu retorno no ano seguinte, com redução dos gastos com a
aquisição de sementes.
Além de se optar pelas espécies e adequar o ciclo das culturas na
técnica de integração lavoura - pecuária, deve-se considerar também a
produção animal nessas áreas, o que aumenta ainda mais a complexidade do
sistema (Cassol, 2003). Nesse caso, o ganho de peso médio diário dos animais
tem grande importância, principalmente quando os pastos são utilizados para a
terminação de animais destinados ao abate, uma vez que serve de referência
para se determinar o período necessário de utilização dos pastos de inverno.
Para tanto, deve-se entender as relações entre as respostas de
desempenho animal e disponibilidade de forragem que permitem compreender
e elucidar os impactos do manejo da desfolha na produtividade das pastagens.
A massa de forragem presente na pastagem pode afetar a ingestão e
oportunizar a seletividade do animal em relação a sua dieta. Maraschin (1998)
determinou os níveis ótimos de utilização da pastagem nativa no RS e
estabelecem uma amplitude ótima de oferta de forragem entre 11,5 e 13,5 kg
de MS/100 kg de peso. Dentro dessa amplitude ótima de oferta, foram
atingidos os maiores desempenhos individuais dos animais e as maiores
respostas em ganho de peso por unidade de área. Nessa faixa de utilização os
animais exercem a seletividade o pastejo, consumindo preferencialmente
porções de maior qualidade das folhas novas, podendo, assim, expressar seu
potencial produtivo.
Carvalho et al. (2005) ressaltam que conseguir o nível ideal de massa de
forragem, em operações de integração lavoura-pecuária, não é tarefa fácil, e
13
dependendo do interesse, esse nível pode ser diferente. Pensando-se apenas
no controle da erosão, a existência de 4.000 kg/ha de resíduos,
correspondendo a 65% de cobertura do solo, favoreceu a redução da erosão
em 90 a 95% em um solo com 7,5% de declive (Lopes et al., 1987). Por outro
lado, se o interesse é manter ou aumentar o teor de carbono do solo no sob
plantio direto, seria necessária uma taxa de aporte de resíduos entre 10 e
12.000 Kg de MS/há.ano (Bayer, 1996).
Além disso, quando se considera a produção animal, a complexidade
aumenta, uma vez que a massa de forragem define o ganho por animal e o
ganho por área por afetar o consumo e oportunizar ao animal a possibilidade
de selecionar sua dieta. O nível ótimo de massa de forragem, para a produção
animal (individual e por área) também tem uma amplitude específica que pode
ser diferente daquela adequada para fins de cobertura do solo e produção de
grãos.
1.2.3 Paradigma da integração lavoura-pecuária.
Em regiões que possuem solos e climas propícios para o
desenvolvimento da atividade de integração lavoura pecuária, além de
agricultores com suficiente infra-estrutura para superar os desafios da nova
técnica, teremos que estar capacitados para utilizá-la. Entretanto, sempre
surge dúvida a respeito de como se comporta a atividade quando realizada
durante um período longo de tempo (Eltz et al., 1989). Essas dúvidas ficam
ainda mais fortes quando se associa a atividade animal a áreas agrícolas
14
cultivadas por meio da técnica de plantio direto. Acredita-se que, por parte dos
produtores, a entrada de animais em áreas de lavoura cause compactação do
solo ou outra alteração que possa comprometer a produtividade das culturas
conduzidas em sucessão com pastagem (Carvalho et al., 2004).
A possibilidade de compactação dos solos devido ao pisoteio é motivo
de preocupação para os produtores quando se considera a realização de
pastejo em áreas de produção agrícola (Moraes & Lustosa, 1997). Dentre as
principais variáveis utilizadas para caracterizar uma camada compactada de
solo estão a densidade aparente, a macro, microporosidade e a porosidade
total do solo, a resistência à penetração e a taxa de infiltração de água.
O efeito do pisoteio animal pode causar apenas adensamento do solo ou
até sua compactação (Carvalho et al., 2004). O adensamento ocorre quando a
densidade aparente torna-se mais alta aquela que apresentada pelo solo
inicialmente, mas sem prejuízos para a produção agrícola e para o ambiente,
ou seja, o desenvolvimento das plantas continua se dando de forma normal e
não há aumento da taxa de erosão. Isso ocorre quando o aumento em
densidade aparente não altera a quantidade de macroporos presentes no solo.
Já o processo de compactação é caracterizado por redução severa da
porosidade total, refletida principalmente em redução dos macroporos e
aumento da densidade aparente com prejuízo para o uso agrícola do solo
(Moraes et al., 2002).
Blaser (1966) afirmou que a compactação do solo causada pelos
animais em pastejo pode ser responsável pela queda da produtividade das
pastagens. Em solos compactados, ocorre redução da disponibilidade de água
15
e de nutrientes para as plantas devido à menor infiltração e perda de água por
escorrimento superficial. De forma adicional, a redução do espaço poroso do
solo proporciona a diminuição da concentração de oxigênio disponível para as
raízes, que se tornam superficiais. Assim, limita-se o volume de solo explorado
pelas plantas, diminuindo a possibilidade de absorção da água e nutrientes.
Estudos desenvolvidos por Coimbra (1998) avaliando o efeito do
impacto do animal sobre o solo em áreas de plantio direto em exploração do
tipo integração lavoura - pecuária, nos quais variáveis físicas do solo foram
avaliadas em meses subsequentes ao pastejo, mostraram que os efeitos
negativos do pisoteio são rapidamente revertidos após o cultivo da lavoura de
verão, representada no caso pela cultura de milho. Cassol (2003) e Flores
(2004), no mesmo sentido, verificaram as alterações ocorridas na densidade
aparente e na macroporosidade do solo, antes e depois do período de pastejo
em áreas submetidas a pastejo utilizando-se diferentes alturas de manejo de
uma pastagem de aveia e azevém. Os resultados revelaram que não houve
efeito das diferentes alturas de manejo da pastagem sobre as características
físicas do solo avaliadas após o período de pastejo. Observou-se, no entanto,
um aumento da densidade aparente e sua diminuição da macroporosidade com
a redução da altura de manejo da pastagem na camada superficial
imediatamente após o pastejo. Contudo, esse efeito foi facilmente revertido
pela cultura de Soja, subseqüente.
Avaliações feitas por Alves & Moraes (2002) indicaram um período de
descanso variando de 15 a 30 dias após o final do pastejo antecedendo o
cultivo agrícola subseqüente, possibilitava, na maioria dos casos, uma
16
recuperação das plantas forrageiras, devido às folhas seguirem crescendo e
conseqüentemente, o extrato radicular. Essa recuperação favorecia o
“afrouxamento” da camada superficial do solo, conseqüência de crescimento
radicular e formação de palha para plantio direto. Igualmente, suposições foram
apresentadas pelos autores de que o uso do método de pastejo de lotação
contínua, durante esse período, diminuiria o risco de compactação do solo em
comparação com o uso de lotação rotacionada (e.g. pastejo rotativo).
1.2.4 Hipóteses de estudo
A integração lavoura-pecuária depende de diversos e complexos fatores
que, por sua vez, são dinâmicos e interagem entre si. Dentre os componentes
dessa modalidade de uso da terra, os principais são o solo, a planta e o animal.
Este último, por meio da desfolha, pisoteio e produção de excrementos pode
afetar a quantidade de fitomassa que servirá de base para a implantação da
lavoura de verão por meio da semeadura direta. Esses elementos afetam,
direta ou indiretamente, as propriedades físicas, químicas e biológicas do solo,
com reflexos sobre a produção de grãos da lavoura e de forragem das
pastagens cultivada em sucessão. Equilibrar as exigências das plantas com as
exigências dos animais, proporcionando um nível ótimo de massa de forragem
que deve permanecer sobre o solo com o objetivo de oferecer condições
17
físicas, químicas e biológicas que favoreçam e não prejudiquem a semeadura
direta, são alguns dos desafios a serem enfrentados.
Dentro desse contexto, foram estabelecidas duas hipóteses de trabalho:
1. A produtividade animal integrada à produção de soja será
conseqüência das alturas de manejo do pasto durante o inverno,
uma vez que as alturas condicionam a quantidade total de biomassa
produzida (aérea e radicular), a magnitude do impacto do pisoteio
animal (características físicas) e a quantidade de matéria seca
reciclada.
2. A presença do animal, segundo taxas de lotação dimensionada de
forma adequada, favorece o desempenho individual e as
características quantitativas e qualitativas das carcaças após o
abate.
18
CAPÍTULO 2
Dinâmica da produção e da estrutura de pastos mistos de aveia e azevém submetidos a
intensidades de pastejo sob lotação contínua
19
Dinâmica da produção e da estrutura de pastos mistos de aveia e azevém submetidos a 1
intensidades de pastejo sob lotação contínua
1
2
3
Lemar Maciel da Rocha
(1)
, Paulo César de Faccio Carvalho
(2)
,
Carolina Baggio
(1)
, Ibanor 4
Anghinoni
(2)
, Stefani Macari
(1)
, Caetano Pedroso Albuquerque
(3)
, Taíse Robinson Kunrath
(3)
, Aino 5
Victor Ávila Jacques
(2)
, César Henrique Espírito Candal Poli
(2)
e Aníbal de Moraes
(4)
6
7
(1)
Alunos do Programa de Pós-graduação em Zootecnia - UFRGS, Av. Bento Gonçalves 7712, CEP 91540-000, Porto Alegre, RS. E-8
(2)
Faculdade de Agronomia/UFRGS, Av. Bento 9
Gonçalves 7712, CEP 91540-000, Porto Alegre, RS. E-mail: [email protected], [email protected], [email protected] , [email protected] 10
(3)
Bolsistas de Iniciação Científica, Curso de Agronomia - UFRGS, Av. Bento Gonçalves 7712, CEP 91540-000, Porto Alegre, RS. 11
E-mail: [email protected]; [email protected]
(4)
Setor de Ciências Agrárias – UFPR, Rua dos Funcionários, 1540, CEP 12
80035-50 – Curitiba – PR. E-mail: [email protected] 13
14
Resumo 15
Pastagens anuais apresentam um ciclo de utilização curto, onde mudanças na estrutura do pasto 16
ocorrem muito rapidamente e dificultam o manejo com animais. Buscando compreender e 17
quantificar a mudança estrutural de pastagens anuais típicas do período hibernal do RS, monitorou-18
se variáveis relacionadas à produção e à estrutura de pastos de aveia preta (Avena strigosa Schreb) e 19
azevém (Lolium multiflorum Lam) submetidas a diferentes alturas de manejo. O experimento foi 20
conduzido sobre um Latossolo Vermelho Distroférrico típico no município de São Miguel das 21
Missões, RS. Foram utilizados quatro tratamentos, constituindo diferentes alturas de manejo do 22
pasto, a saber: 10; 20; 30 e 40 cm. O delineamento utilizado foi o de blocos completos casualizados 23
com três repetições. O método de pastejo foi o de lotação contínuo, com taxa de lotação variável. 24
Foram utilizados bezerros de corte mestiços com idade e peso médio iniciais de 10 meses e 190 kg, 25
respectivamente. As variáveis estudadas foram: massa de forragem (MF), taxa de acúmulo de 26
forragem (TAC), produção total de forragem (PTMS), relação lâmina foliar/colmo + bainha. 27
Investigou-se o ajuste de quatro tipos teóricos de distribuição das freqüências de altura em cada 28
tratamento e em seis diferentes datas de observação, bem como o potencial de predição da MF por 29
intermédio da altura do pasto. Observou-se um aumento linear da MF com o aumento da altura do 30
pasto, onde para cada cm de aumento na altura, correspondem um incremento de MF de cerca de 31
1
Artigo redigido nas normas da revista Pesquisa Agropecuária Brasileira.
20
107 kg/ha. Não houve efeito dos tratamentos para a TAC, bem como para a PTMS, cujos valores 1
médios foram de 55,8 kg de MS/há.dia e 8210 kg de MS/ha, respectivamente. Houve um forte e 2
abrupto decréscimo da relação lâmina/colmo+bainha nos tratamentos 30 e 40 cm a partir de 3
setembro. A distribuição das freqüências de altura se ajustou ao modelo Normal em apenas uma das 4
noventa e seis séries analisadas. A distribuição tipo Gamma foi a que mais frequentemente se 5
ajustou aos dados de altura, porém, uma vez iniciado o pastejo, o incremento da heterogeneidade no 6
pasto foi tal que a distribuição das freqüências de altura não se ajustou a nenhum dos modelos 7
estudados. Sugere-se que as metas de altura de manejo devam ser variáveis ao longo do ciclo de 8
pastejo com o intuito de se administrar a heterogeneidade causada pelo animal. 9
Termos para indexação: altura do pasto, Avena strigosa, estrutura do pasto, Lolium multiflorum. 10
11
Dynamics of production and sward structure of oat and ryegrass mixtures subject to grazing 12
intensities under continuous stocking 13
14
Abstract 15
Annual pastures are characterized by short utilization cycle, where changes in sward structure 16
quickly occur and managing grazing animals become difficult. Trying to comprehend and quantify 17
the structural changes in typical temperate annual pastures from RS, variables related to production 18
and structure of mixtures of oats (Avena strigosa Schreb) and ryegrass (Lolium multiflorum Lam) 19
were monitored under different sward height managements. The trial was conducted at Fazenda 20
Espinilho, located in São Miguel of Missões-RS-Brazil. Treatments were four sward height targets: 21
10, 20, 30, 40 cm. The experimental design was completely randomized block with three replicates. 22
The grazing method utilized was continuous grazing with variable stocking rate. Beef steers, 23
weighting 190 kg and ten months old, were used. The investigated variables were herbage mass 24
(HM), herbage growth rate (GR), total dry matter production (TDMP) and laminae/stem+sheath 25
relation. In addition, four theoretical distributions were fitted to sward height data for each 26
treatment in six different sample dates. Results indicated a linear increase relating herbage mass and 27
21
sward height, where each cm on sward height, increases herbage mass in 108 kg/ha. Treatments did 1
not differ in GR and the TDMP, average values being 55.8 kg DM/ha and 8210 kg DM/ha, 2
respectively. A pronounced decrease in laminae/stem+sheath relation for 30 and 40 cm treatments 3
occurred by September. Sward frequency height distributions fitted Normal distribution only in one 4
of ninety six data series analyzed. Gamma distribution was more frequently adjusted to sward 5
height data, however, once grazing started, pasture heterogeneity was so increased that sward height 6
did not fitted neither of the investigated models. It is suggested that sward height targets should be 7
variable along the grazing season aiming to manage the heterogeneity caused by the animal. 8
Index terms: sward height, Avena strigosa, sward structure, Lolium multiflorum. 9
10
Introdução 11
12
As plantas forrageiras anuais de inverno são muito utilizadas no Rio Grande do Sul, 13
cobrindo cerca de quatro milhões de hectares. Boa parte dessa superfície não é utilizada como 14
pastagem, mas apenas como cobertura de solo e fonte de palha para lavouras de verão em 15
sucessão. A despeito disso, as plantas forrageiras anuais de inverno se constituem em importante 16
fonte de alimento para milhares de herbívoros domésticos, uma vez que os sistemas de produção 17
se baseiam, essencialmente, em pastagens de verão, sendo o inverno o principal período de 18
escassez de forragem da região Sul. 19
Quando utilizadas como pastagens, as plantas forrageiras anuais de inverno são 20
reconhecidas por proporcionarem elevada produção animal, particularmente em relação ao 21
desempenho individual dos animais. Ganhos de peso diários superiores a 1 kg/animal e 22
produções de leite superiores a 20 l/animal são frequentemente encontrados na literatura (Silva e 23
Carvalho, 2005). 24
Apesar de seu elevado potencial produtivo, as pastagens anuais se caracterizam por um ciclo 25
curto de utilização, usualmente entre 100 e 120 dias, e por mudanças estruturais rápidas e de forte 26
22
magnitude. Por exemplo, Pontes et al. (2004) reportaram, para pastagens de azevém, que massas de 1
forragem distintas podem conter massas semelhantes de lâminas foliares. Em seu experimento, no 2
terço final do ciclo de utilização, massas de forragem significativamente diferentes entre alturas de 3
manejo de 15 e 20 cm (2415 e 3663 kg/ha, respectivamente) contavam com massas de lâminas 4
foliares semelhantes (549 e 639 kg/ha, respectivamente). A conseqüência da forte variação na 5
estrutura do pasto das pastagens anuais é a variação no desempenho dos animais. Ainda que a 6
média do desempenho resultante de todo o período de utilização seja sempre elevada, conforme 7
anteriormente mencionado, a variação entre o início e o final do ciclo é bastante pronunciada. Terra 8
Lopes et al. (2007) reportaram que o desempenho diário de novilhos na metade inicial (60-70 dias) 9
do ciclo de uso de uma mistura de aveia e azevém foi superior a 1,5 kg/cabeça, para uma média 10
final de 1,1 kg/cabeça. 11
Há razões para se supor que essa diferença esteja associada não somente ao decréscimo em 12
valor nutritivoda forragem oferecida com o passar da fenologia das espécies anuais (Aguinaga et al., 13
2006), mas também a mudanças estruturais do pasto que afetam o processo de busca e apreensão da 14
forragem pelo animal em pastejo (Carvalho et al., 2001). O animal em pastejo cria, por meio de sua 15
seletividade, zonas na pastagem onde se observa um pastejo mais intenso, e outras de quase 16
rejeição, seja pela presença de dejetos, seja por terem atingido um estado fenológico de menor 17
interesse. Segundo Barthram et al. (2005), essa heterogeneidade determina padrões estruturais 18
complexos no pasto que afetam o processo de pastejo dos animais e, consequentemente, o seu 19
desempenho. Claro está que a magnitude dessa heterogeneidade é dependente da intensidade de 20
pastejo empregada, sendo maior quanto menor a intensidade de pastejo e maior a oportunidade de 21
seleção (Carvalho et al., 2001). Nessas situações, a distribuição de áreas de maior e de menor altura 22
no pasto raramente segue uma distribuição normal (Barthram et al., 2005), evidenciando a 23
heterogeneidade do pasto que se apresenta para o animal. 24
A conseqüência da heterogeneidade estrutural é que a proposição de manejo o pastejo por 25
meio de metas de estrutura (e.g., altura pré-determinada de pastejo), tal qual vem sendo apregoado 26
23
para pastagens de clima temperado e tropical (Silva e Carvalho, 2005) torna-se, em princípio, de 1
menor poder preditivo, pois as estruturas não se mantém ao longo do ciclo de utilização, problema 2
este que é particularmente mais facilmente percebido em pastagens anuais. 3
Com o objetivo de descrever e quantificar as mudanças estruturais de pastagens associadas de 4
aveia e azevém durante seu ao longo de um ciclo de utilização, diferentes intensidades de pastejo, 5
representadas por alturas de manejo, foram impostas buscando criar diferentes níveis de 6
oportunidade de seleção e, consequentemente, níveis de heterogeneidade no pasto. Investigou-se a 7
hipótese de que a quantidade de forragem em oferta possa ser predita pela altura do pasto, e que 8
quanto maior a meta de altura de manejo do pasto, maior a ocorrência de zonas de maior (zonas 9
altas) e de menor (zonas baixas) altura na área, ou seja, maior a heterogeneidade do pasto oferecido 10
ao animal. 11
12
Material e Métodos 13
14
O experimento foi conduzido na Fazenda do Espinilho, pertencente à Agropecuária Cerro 15
Coroado Ltda. e localizada no município de São Miguel das Missões, região fisiográfica do Planalto 16
Médio do Rio Grande do Sul, distante 470 km de Porto Alegre, tendo a localização geográfica 17
designada pela latitude 29°03´10´´ sul e longitude 53°50´44´´ oeste. 18
A área experimental vem sendo cultivada há treze anos sob semeadura direta de soja, no 19
verão, e pastagem anual no inverno. O solo do local é classificado como Latossolo Vermelho 20
Distroférrico típico, desenvolvido a partir de rochas eruptivas básicas, sendo profundo, bem 21
drenado, com coloração vermelho-escura e textura muito argilosa (>60% de argila) (Embrapa, 22
1999). Segundo o sistema de Köppen, o clima é do tipo Cfa, subtropical úmido. O relevo configura-23
se ondulado a suavemente ondulado. 24
Em 04/05/05 a pastagem de inverno, constituída de uma mistura de aveia preta (Avena 25
strigosa Schreb) e azevém (Lolium multiflorum Lam) foi implantada por meio de semeadura direta 26
24
utilizando-se 100 kg/ha de aveia preta e 25 kg/ha de azevém. A adubação de base foi de 300 kg/ha 1
de superfosfato simples e no dia 08/06/2005 fez-se uma aplicação do nitrogênio (N) em cobertura 2
na dose de 45 kg/ha na forma de uréia. Dose esta determinada por análises químicas do solo, que 3
exigiram somente uma manutenção de N, momento da determinação do protocolo experimental, no 4
primeiro ano de avaliações na área. 5
Após a fase de estabelecimento do pasto, os animais iniciaram o pastejo no dia 05/07/05, 6
momento em que o pasto atingira, em média, 19 cm de altura e 900 kg de matéria seca/ha de massa 7
de forragem. A partir de então, quatro tratamentos de altura de manejo do pasto foram impostos, a 8
saber: 10, 20, 30 e 40 cm, dispostos em doze piquetes (1,8 há em média) e arranjados num 9
delineamento de blocos completos casualizados, com três repetições. Considerou-se, portanto, o 10
piquete como unidade experimental (Fisher, 1999). Para manter os pastos na meta desejada, 11
utilizou-se o método de pastejo de lotação contínua com taxa de lotação variável, segundo a técnica 12
“put and take” proposta por Mott & Lucas (1952). Para tal, foram utilizados 55 bezerros de corte 13
provenientes de cruzamento industrial, com médias de idade e de peso de 10 meses e 190 kg, 14
respectivamente. O uso da pastagem se estendeu até 13/11/05, totalizando 131 dias de pastejo. 15
Para monitorar a altura do pasto utilizou-se um bastão graduado (“sward stick” - Barthram, 16
1985), cujo marcador em acrílico transparente corre por uma régua marcando a distância entre o 17
topo da superfície do pasto (lâmina foliar mais elevada) e a superfície do solo. Os registros de altura 18
do pasto foram realizados nos dias 03/07, 05/08, 08/09, 29/09, 29/10 e 12/11, totalizando seis 19
avaliações no período de pastejo. Os pontos de amostragem foram definidos de forma aleatória, 20
totalizando 100 leituras de altura por unidade experimental, exceção feita à primeira data, onde, em 21
virtude da ausência de pastejo anterior, e consequentemente da uniformidade reinante, vinte leituras 22
por unidade experimental foram realizadas. 23
A taxa de acúmulo de MS foi registrada a cada 30 dias, aproximadamente, utilizando 3 24
gaiolas de exclusão de pastejo por unidade experimental, empregando-se a técnica do triplo 25
emparelhamento (Moraes et al.,1990). A massa de forragem, dentro e fora da gaiola foram obtidas 26
25
por corte com tesoura realizado rente ao solo, numa área delimitada por um quadro de 0,25 m
2
1
(50x50 cm). As amostras cortadas eram colocadas em saco de papel e secas em estufa de circulação 2
de ar forçada a uma temperatura de 65
o
C durante 4 dias. Após estarem secas, foram separadas nas 3
frações lâmina foliar e bainha+colmo e pesadas. A taxa de acúmulo média de todo o período de uso 4
da pastagem foi obtida pela média das taxas de acúmulo de cada subperíodo avaliado, ponderada 5
pelo intervalo de tempo correspondente a cada subperíodo. 6
A massa de forragem foi obtida pelos mesmos cortes de fora da gaiola, aos quais se 7
somavam outros dois cortes, obtidos de forma aleatória, totalizando cinco pontos amostrados por 8
piquete. O procedimento de manipulação e secagem das amostras seguiu o mesmo descrito para a 9
avaliação das taxas de acúmulo. A massa de forragem média de todo o período foi obtida pela 10
média das massas de forragem de cada subperíodo, ponderada pelo intervalo de tempo respectivo. 11
Em todas as amostras colhidas para determinação de massa de forragem foi medida a altura média 12
do pasto no quadro amostrado, registrando-se dez leituras de altura antes de se proceder ao corte. O 13
valor médio dos dez registros foi utilizado como variável independente em modelos de regressão 14
que procuraram relacionar a altura do pasto com a massa de forragem. 15
A produção total de MS foi calculada pelo somatório da massa de forragem inicial com o 16
acúmulo de forragem de cada período de amostragem. A oferta de forragem foi obtida a partir do 17
quociente entre o acúmulo total de MS, e o número de dias de utilização da pastagem, e os valores 18
são expressos em percentual relativo ao peso corporal dos animais. 19
Os dados foram submetidos à análise de variância, teste Tukey e regressão a 5% de 20
significância pelo procedimento GLM (General Linear Models) do programa estatístico SAS versão 21
6.08. A distribuição das freqüências das leituras de altura do pasto foi testada pelo procedimento 22
“Distribution Fitting” do programa estatístico Statgraphics versão Plus 4.1. Em procedimento 23
análogo ao de Barthram et al. (2005), foram testadas quatro das possíveis distribuições teóricas 24
normalmente estudadas em pastagens, quais sejam: Normal, Log-normal, Gamma e Weibull. Os 25
26
ajustes das distribuições de altura foram testados por três diferentes tipos de testes, a saber: qui-1
quadrado, Kolmogorov-Smirnov e Anderson-Darling. 2
3
4
5
Resultados e Discussão 6
7
Como pode ser observado na Tabela 1, as alturas reais obtidas pelo uso de taxa de lotação 8
variável tiveram suas médias ponderadas muito próximas das metas de altura previamente 9
estipuladas como tratamentos. Com isso, o propósito inicial de se criar gradientes distintos de 10
intensidade de pastejo, com o intuito de criar estruturas contrastantes, foi plenamente atingido. A 11
diferença estatística observada entre as médias (P<0,001) assegura que o manejo com taxas 12
variáveis de lotação obteve sucesso nesse sentido. 13
A menor intensidade de pastejo foi aquela que apresentou a maior distância da altura meta, 14
tendo em média 36,1 cm para uma altura pretendida de 40 cm. Considerando a definição de altura 15
com que se trabalhou, ou seja, a altura da superfície das folhas (Barthram, 1985), observou-se uma 16
dificuldade particular em se manter a altura desejada para este tratamento, pois para atingirem uma 17
altura tão elevada, a intensidade de pastejo foi tão baixa que os perfilhos rapidamente alongaram os 18
entre-nós e floresceram precocemente. Ao se manter o pastejo em todos os tratamentos até o final 19
do ciclo, observou-se que as folhas da superfície do tratamento 40 cm eram desfolhadas e não eram 20
repostas, uma vez que em perfilhos em estádio reprodutivo ocorre cessamento do aparecimento de 21
novas folhas (Pontes et al., 2004). Esse fenômeno de florescimento precoce de espécies anuais 22
quando submetidas a baixas intensidades de pastejo também foi observado por Rocha et al. (2004). 23
Quanto menor a altura meta pretendida, maior a carga animal utilizada que, no presente 24
experimento, variou de 315 a 1084 kg de peso vivo/ha (P<0,001) (Tabela 1), com os tratamentos 25
diferindo estatisticamente entre si. Essa relação inversa entre altura do pasto e carga animal sob 26
27
lotação contínua é óbvia na medida em que mais animais por unidade de área são necessários para 1
manter a pastagem em alturas menores, resultado de um maior consumo de forragem por unidade de 2
área (Pontes et al., 2004). 3
A oferta de forragem, a exemplo das variáveis anteriores, variou com os tratamentos 4
(P=0,0003). A amplitude de valores observados atesta, mais uma vez, o sucesso em se criar 5
intensidades de pastejo verdadeiramente distintas. No tratamento de altura meta de manejo de 10 6
cm os animais tiveram uma oferta diária média de forragem da ordem de 6,6 % do PV, valor esse 7
considerado baixo, pois ofertas de forragem menores que três a quatro vezes o potencial de 8
consumo dos animais limitariam a ingestão dos animais (e.g., Almeida et al., 2000, mas vide 9
Sollenberger et al., 2005). Por outro lado, no outro extremo dos tratamentos, atingiu-se uma oferta 10
diária de 19,1 % do PV, muito acima da capacidade de ingestão dos animais. Nessas condições, a 11
quantidade de matéria seca oferecida não seria limitante ao consumo dos animais. Tal gradiente de 12
intensidades de pastejo, em princípio, seria suficiente para criar condições extremas de seletividade 13
para os animais, permitindo maior ou menor possibilidade de aparecimento de estruturas 14
heterogêneas na pastagem. 15
De fato, ao se observar a Figura 1, verifica-se claramente a criação de condições 16
heterogêneas, particularmente no início do pastejo dos animais e naqueles tratamentos com menor 17
intensidade de pastejo. Na primeira data, referente ao momento em que os animais foram colocados 18
nos piquetes, o gráfico de freqüências de altura demonstra que, como era de se esperar, todos os 19
tratamentos apresentaram um padrão bastante homogêneo de distribuição de alturas. Entretanto, na 20
medida em que as diferentes intensidades de pastejo começaram a ser impostas, aqueles tratamentos 21
com menor intensidade de pastejo passam a apresentar maiores amplitudes de valores de freqüência, 22
indicando uma maior variação do parâmetro em questão. A exemplo do reportado por Gibb e 23
Ridout (1988), áreas altas e baixas de pasto foram criadas, frequentemente associadas com 24
condições de elevada seletividade por parte do animal, representando, na maioria das vezes, áreas 25
de rejeição e de pastejo, respectivamente. 26
28
No início do pastejo a homogeneidade dos tratamentos de maior intensidade de pastejo, 1
como o de altura meta de 10 cm, pôde ser observada pela freqüência de observações de altura em 2
torno da média para esse tratamento. Esse fenômeno é típico de condições limitantes de seletividade 3
ao pastejo dos animais, e tem impacto negativo no desempenho animal na medida em que os 4
animais se beneficiam da heterogeneidade (para situações de qualidade de forragem não 5
contrastantes) ao pastejarem em locais cuja média seja superior à média que descreve o pasto 6
(Carvalho et al., 2001). Garcia et al. (2005) reportaram que quando a oferta de forragem é superior à 7
necessidade dos animais, os animais imprimem uma pressão de pastejo variável no espaço para 8
atingirem seus requerimentos em resposta à variabilidade que eles percebem. De forma geral, áreas 9
baixas representam pequena quantidade de forragem de maior qualidade, enquanto áreas altas 10
representam elevada quantidade forragem de menor qualidade, estando em jogo uma relação de 11
custo/benefício que o animal em pastejo possui ferramentas para solucionar. Segundo Garcia et al. 12
(2005), esse comportamento de pastejo pode criar e manter áreas na pastagem que podem ser mais 13
homogêneas que a pastagem como um todo. 14
A existência de áreas na pastagem com diferentes estruturas já havia sido reportada por 15
Gibb e Ridout (1986), que concluíram que a distribuição Normal, uma forma de interpretação da 16
existência de heterogeneidade no pasto, não se ajustava aos dados de altura do dossel. De fato, 17
observa-se na Figura 1 e Tabela 2 que somente no tratamento 20 cm, na primeira data, ainda sem a 18
presença dos animais, é que a distribuição de freqüências pôde ser ajustada por uma distribuição do 19
tipo Normal. Em todos os outros tratamentos, nessa mesma data, as freqüências de altura foram 20
melhor ajustadas por distribuições do tipo Log-normal e Gamma. A distribuição tipo Gamma 21
também se ajustou significativamente aos valores de distribuição de freqüências de altura do 22
tratamento 30 cm na segunda data de avaliação. Porém, após a entrada dos animais, à exceção do 23
tratamento 30 cm na referida data, nenhuma das distribuições obteve significância estatística. Esse 24
resultado corrobora, em parte, aqueles reportados por Barthram et al. (2005) e Sanders et al. (2003), 25
segundo os quais a distribuição tipo Gamma seria uma das que melhor se aplicaria aos tipos de 26
29
distribuição de freqüências de altura do pasto normalmente observados em pastagem. Entretanto, 1
vale ressaltar o fato de que, uma vez sob efeito do pastejo, nenhuma das distribuições testadas 2
obteve sucesso em caracterizar as estruturas dos pastos nos diferentes tratamentos. 3
Pode-se observar, ainda na Figura 1, que o tratamento 10 cm manteve uma estrutura mais 4
homogênea até o final de setembro, quando então as freqüências de altura observadas acima de 20 5
cm aparecem e predominam, como resultado da manutenção da estrutura em estádio vegetativo e 6
com potencial de crescimento por um período mais prolongado de tempo. Essa substituição dos 7
perfilhos induzidos por perfilhos em estádio vegetativo através de desfolhações mais intensas e 8
freqüentes é típica do emprego de intensidades de pastejo mais elevadas em gramíneas de ciclo 9
anual (Pontes et al., 2004). Já nos tratamentos de maior altura, como os de 30 e 40 cm, a 10
heterogeneidade foi rapidamente criada no pasto, mas diminuiu com o avançar do ciclo de 11
utilização. Houve uma diminuição das classes de freqüência de altura mais elevada, acima de 40 12
cm, como resultado do desaparecimento das folhas na estrutura do pasto. De fato, observou-se que a 13
relação lâmina/colmo+ bainha foi inferior a 1 nos tratamentos de 30 e 40 cm já a partir do início de 14
setembro, enquanto o mesmo só ocorreu nos tratamentos 10 e 20 cm no final do ciclo (Tabela 3). 15
A Tabela 4 apresenta os parâmetros médios relativos às características estruturais dos pastos 16
registrados com relação ao pasto. Em decorrência do sucesso em se produzir intensidades de pastejo 17
verdadeiramente contrastantes, a massa de forragem mostrou-se igualmente diferente entre os 18
tratamentos (P<0,0001). A magnitude registrada entre o menor e o maior valor, a exemplo do 19
discutido para a oferta de forragem, caracteriza estruturas limitantes e não limitantes ao consumo 20
dos animais, respectivamente. Segundo Quadros (1999) em pastagem de inverno, massas de 21
forragem inferiores a 1200 kg/ha seriam limitantes ao consumo e desempenho dos animais. Para 22
azevém perene, Bircham e Hodgson (1983) reportaram valores de massas de forragem entre 900 e 23
2000 kg/ha de MS para pastos entre 3 e 10 cm de altura. 24
As variáveis taxa de acúmulo e acúmulo de forragem variaram com os tratamentos 25
(P>0,05). Isso pode ser explicado pelo protocolo experimental utilizado para a avaliação dessas 26
30
variáveis, bem como pelo caráter curto e dinâmico do período de utilização dos pastos. Por ocasião 1
do início do pastejo, todos os tratamentos apresentavam um valor semelhante de massa de forragem 2
(Tabela 3). Isso significa que, no primeiro período de avaliação das taxas de acúmulo, as gaiolas 3
excluem do pastejo áreas com IAF praticamente idênticos. Consequentemente, a taxa de acúmulo 4
de forragem do primeiro dos cinco períodos de avaliação foi bastante semelhante para todos os 5
tratamentos (Tabela 3). As diferenças começam a se pronunciar em setembro, onde a média das 6
taxas de acúmulo verificada nos tratamentos 30 e 40 cm foi cerca de duas vezes maior que aquela 7
dos tratamentos 10 e 20 cm. Porém, a drástica mudança de estrutura que ocorre entre meados de 8
setembro e meados de outubro, decorrente da maior proporção de perfilhos florescidos, 9
caracterizada pela acentuada redução da relação lâmina/colmo+bainha nos tratamentos 30 e 40 cm 10
(Tabela 3), fez com que as taxas de acúmulo no final do ciclo se invertessem entre tratamentos. 11
Como resultado, as taxas médias de acúmulo e o acúmulo total de forragem, não diferiram entre si. 12
Essas respostas já foram anteriormente observadas por Aguinaga et al. (2007), que utilizaram um 13
protocolo experimental idêntico. Com relação à magnitude dos valores observados, tanto as taxas 14
diárias de acúmulo quanto o acúmulo total de forragem foram superiores aos reportados por Soares 15
et al. (2001) para pastos mistos de aveia e azevém (37 e 7014 kg de MS, respectivamente), a 16
despeito do uso de níveis superiores de adubação nitrogenada. Já Roso et al. (1999) reportaram 17
taxas de acúmulo médio semelhantes às registradas neste experimento. 18
Apesar de toda a variação em estrutura dos pastos descrita, e da escala temporal 19
relativamente curta em que ocorreram, as mesmas compensações anteriormente descritas se 20
verificaram, de certa forma, na estimação da massa de forragem por meio da altura, cujo modelo 21
linear se ajustou significativamente (P<0,0001) e com adequado poder de predição para a referida 22
variável (Figura 2). O coeficiente de regressão indicou que para cada centímetro de altura no dossel 23
correspondeu um incremento de aproximadamente 108 kg de MS/ha. Esse valor é intermediário 24
relativamente àqueles reportados por Aguinaga et al. (2007), que observaram 86,3 kg de MS/cm de 25
altura, e por Cassol (2003), de 130 kg de MS/cm de altura. 26
31
Em decorrência dos resultados apresentados, pode-se concluir que a altura do pasto pode ser 1
utilizada como uma ferramenta útil de manejo, pois apesar de toda variação intrínseca aos dados, 2
ela demonstra que pode ser bem utilizada, tanto em modelos de predição quanto no estabelecimento 3
de metas de estrutura do pasto com vistas à produção animal. Nesse sentido, Aguinaga et al. (2006) 4
e Terra Lopes et al. (2007) argumentam que a altura meta de manejo para misturas de aveia e 5
azevém devesse ser em torno de 20 a 25 cm de altura, onde elevados desempenhos por animal e por 6
unidade de área seriam obtidos. No entanto, este experimento demonstrou que a média dos 7
parâmetros pouco quer dizer em se tratando de pastagens anuais de inverno. Mesmo que a altura 8
meta seja atingida, considerando a média do período de utilização, a variação e dinâmica em torno 9
dela é muito pronunciada. No início do uso da pastagem, metas de altura mais elevadas favorecem o 10
crescimento vegetal e a produção animal, como descrito por Terra Lopes et al. (2007). Porém, 11
muito rapidamente a estrutura dos pastos de maior altura se degrada, e aqueles mantidos sob 12
maiores intensidades de pastejo (alturas mais baixas) passam a ser os de melhor desempenho. Os 13
resultados deste trabalho parecem indicar o início do mês de setembro como o momento no qual 14
alterações decisivas na estrutura desses tipos de pastagem ocorrem. Isto daria margem à 15
interpretação de que, mais do que se ter uma única meta de estrutura ao longo de todo o ciclo de 16
utilização, provavelmente duas, pelo menos, devessem ser as metas, e que se alterassem ao longo do 17
tempo procurando extrair o melhor da produtividade do pasto. Esse tipo de abordagem já se 18
mostrou de elevado interesse para a definição de metas de manejo para outros tipos de pastagens 19
(azevém perene, Armstrong et al., 1995, pastagem nativa, Soares et al., 2005). Em sua concepção, a 20
variação das metas reconhece o estabelecimento e o crescimento da heterogeneidade no pasto à 21
medida que o animal exerce o pastejo, ainda que com maior ou menor grau de seletividade. Mais do 22
que combater a heterogeneidade no pasto, com prejuízo à seletividade animal, a sua manipulação ao 23
longo do ciclo de utilização da pastagem se constituiria numa interessante pista de investigação para 24
estudos futuros. 25
26
32
Conclusões 1
2
- É possível estimar a massa de forragem existente no pasto por intermédio de sua altura 3
média. 4
- As alterações estruturais em pastagens anuais, tais quais as utilizadas neste experimento, 5
são tão velozes e de tal magnitude que os parâmetros descritores do pasto, quando procuram 6
representar a média do ciclo de utilização, pouco informam. 7
- Quando o pasto é submetido a intensidades de pastejo mais intensas, no início do período 8
de pastejo, a amplitude de distribuição das freqüências de altura em torno da média é de pequena, o 9
contrário ocorrendo nas menores intensidades de pastejo. Esse fenômeno se inverte à medida que o 10
ciclo de utilização da pastagem progride. A heterogeneidade rapidamente se instala no pasto a partir 11
da presença do animal em pastejo, e nenhum dos tipos de distribuição estudados foi capaz de 12
representar as freqüências de alturas observadas. 13
- O mês de setembro parece ser o principal momento a partir do qual fortes mudanças 14
estruturais ocorrem, sugerindo que o manejo do pasto devesse prever a possibilidade de utilizar 15
intensidades de pastejo distintas, antes e após este momento, com o intuito de se administrar a 16
heterogeneidade do pasto em condições favoráveis para a produção animal. 17
18
Agradecimentos 19
20
Os autores agradecem ao apoio da Agropecuária Cerro Coroado, do Conselho Nacional de 21
Conhecimento Científico e Tecnológico (CNPq), da Coordenação de Aperfeiçoamento de Pessoal 22
de Nível Superior (CAPES) e do Programa de Iniciação Científica da UFRGS. 23
33
Referências: 1
2
ALMEIDA, E.X.; MARASCHIN, G.R., HARTHMANN, O.E.L.; RIBEIRO FILHO, H.M.N.; 3
SETELICH, E.A. Oferta de forragem de capim-elefante anão “Mott” e o rendimento animal. 4
Revista Brasileira de Zootecnia, v.29, p.1288-1295, 2000. 5
AGUINAGA, A.A.Q.; CARVALHO, P.C.F.; ANGHINONI, I., SANTOS, D.T.; FREITAS, F.K.; 6
TERRA LOPES, M. Produção de novillos superprecoces em pastagem de aveia e azevém 7
submetida a diferentes alturas de manejo. Revista Brasileira de Zootecnia, v.35, p.1765-1773, 8
2006. 9
AGUINAGA, A.A.Q.; CARVALHO, P.C.F.; ANGHINONI, I., SANTOS, D.T.; GONÇALVES, 10
E.N.; PILAU, A.; AGUINAGA, A.Q.; GIANLUPPI, G.; NABINGER, C. Componentes 11
estruturais e produção de forragem de uma pastagem de aveia e azevém submetida a diferentes 12
alturas de manejo. Revista Brasileira de Zootecnia, 2007. (no prelo). 13
ARMSTRONG, R.H.; ROBERTSON, E.; HUNTER, E. A. The effect of sward height and its 14
direction of change on the herbage intake, diet selection and performance of weaned lambs 15
grazing ryegrass swards. Grass and Forage Science, v.50, p. 389–398, 1995. 16
BARTHRAM, G.T. Experimental techniques: the HFRO sward stick. In: Hill Farming Research 17
Organization/Biennial Report. p.29-30. 1985. 18
BARTHRAM, G. T.; DUFF, E. I.; ELSTON, D.A.; GRIFFITHS, J.H.; COMMON, T.G., 19
MARRIOTT, C.A. Frequency distributions of sward height under sheep grazing. Grass and 20
Forage Science, Oxford, v.60, p. 4-16, 2005. 21
BIRCHAN, J.S.; HODGSON, J. The influence of sward conditions on rate of herbage growth and 22
senescence in mixed swards under continuous grazing management. Grass and Forage Science, 23
v.38, p.323-331, 1983. 24
CARVALHO, P.C.F.; RIBEIRO FILHO, H.M.N.; POLI, C.H.E.C.; MORAES, A.; DELAGARDE, 25
R. Importância da estrutura da pastagem na ingestão e seleção de dietas de animais pelo animal 26
em pastejo. In: MATTOS, W.R.S. (Org.) Produção animal na visão dos brasileiros. Piracicaba: 27
Fundação de Estudos Agrários Luiz de Queiroz, 2001. p.853-871. 28
CASSOL, L.C. Relações solo-planta-animal num sistema de integração lavoura-pecuária em 29
semeadura direta com calcário na superfície. Porto Alegre, 2003.143p. Tese (Doutorado em 30
Agronomia - Ciência do solo) Departamento de Solos, Universidade Federal do Rio Grande do 31
Sul, 2003. 32
EMBRAPA. Centro Nacional de Pesquisa de Solos. Sistema Brasileiro de Classificação de Solos. 33
Brasília : EMBRAPA. Rio de Janeiro. 412 p. 1999. 34
34
FISHER, D.S. Defining the experimental unit in grazing trials. Proceedings of the American 1
Society of Animal Science, p.1-5, 1999. 2
GARCIA, F.; CARRÈRE, P.; SOUSSANA, J.F.; BAUMONT, R. Characterisation by fractal 3
analysis of foraging paths of ewes grazing heterogeneous swards. Applied Animal Behaviour 4
Science, v.93, p.19-37, 2005. 5
GIBB, M.J.; RIDOUT, M.S. The fitting of frequency distributions to height measurements on 6
grazed swards. Grass and Forage Science, Oxford, v.41, p. 247-249, 1986. 7
GIBB, M.J.; RIDOUT, M.S. Application of double normal frequency distributions fitted to 8
measurements of sward height. Grass and Forage Science, Oxford, v.43, p.131-136, 1988. 9
MORAES, A.; MOOJEN, E.L.; MARASCHIN, G.E. Comparação de métodos de taxas de 10
crescimento em uma pastagem submetida a diferentes pressões de pastejo. In: Reunião anual da 11
sociedade brasileira de zootecnia, 27.; 1990, Campinas. Anais... Campinas: SBZ, 1990. p.332. 12
PONTES, L.S.; CARVALHO, P.C.F.; NABINGER, C.; SOARES, A.B. Fluxo de biomassa em 13
pastagem de azevém anual (Lolium multiflorum Lam.) manejada em diferentes alturas. Revista 14
Brasileira de Zootecnia, v.33, p.529-537, 2004. 15
QUADROS, F. L. F. Produtividade animal a pasto: manejo e utilização de forrageiras de inverno 16
em terras altas, integrando lavoura do seco e pecuária. GOTTSCHALL, C. S.; SILVA, J. L. S.; 17
RODRIGUES, N. C. (Org.). Ciclo de Palestras em Produção e Manejo de Bovinos de Corte, 18
Canoas: ULBRA, Anais...,1999. p. 91-100. 19
ROCHA, G.M.; MONTAGNER, D.B.; SANTOS, D.T.; FREITAS, F.K.; PILAU, A.; FRIZZO, A. 20
Parâmetros produtivos de uma pastagem temperada submetida a alternativas de utilização. 21
Revista Brasileira de Zootecnia, v.33, p.1386-1395, 2004. 22
ROSO, C.; RESTLE, J.; SOARES, A.B. Produção e qualidade de forragem da mistura de gramíneas 23
anuais de estação fria sob pastejo contínuo. Revista Brasileira de Zootecnia, v.28, p.459-467, 24
1999. 25
SANDERS, I.; TOPP, C.F.E.; SWAIN, D.; WILSON, L.; McROBERTS, N. Modelling seasonal 26
changes in spatial heterogeneity of sward height in grass-clover and grass only swards. In: 27
Seventh BGS Research Conference, Aberyswyth, Proceedings…p.41-42, 2003. 28
SILVA, S.C.; CARVALHO, P.C.F. Foraging behaviour and herbage intake in the favourable 29
tropics/subtropics. In: McGILLOWAY, D.A. (Ed.). Grassland: a global resource. Wageningen, 30
p.81-96. 2005. 31
SOARES, A.B.; RESTLE, J.; ROSO, LUPATINI, G. C.; ALVES FILHO, D.C. Dinâmica, 32
qualidade, produção e custo de produção de forragem da mistura de aveia preta e azevém anual 33
adubada com diferentes fontes de nitrogênio. Ciência Rural, v.31, p.117-122, 2001. 34
35
SOARES, A.B.; CARVALHO, P.C.F.; NABINGER, C.; SEMMELMANN, C.; TRINDADE, J.K.; 1
GUERRA, E.; FREITAS, T.M.S.; PINTO, C.E.; FONTOURA JÚNIOR, J.A.; FRIZZO, A. 2
Produção animal e de forragem em pastagem nativa submetida a distintas ofertas de forragem. 3
Ciência Rural, v.35, p.1148-1154, 2005. 4
SOLLENBERGER, L.E.; MOORE, J.E.; ALLEN, V.G.; PEDREIRA, C.G.S. Reporting forage 5
allowance in grazing experiments. Crop Science, v.45, p.896-900, 2005. 6
TERRA LOPES, M.; CARVALHO, P.C.F.; ANGHINONI, I., SANTOS, D.T.; KUSS, F.; 7
FREITAS, F.K.; FLORES, J.P.C. Sistema de integração lavoura-pecuária: desempenho e 8
qualidade da carcaça de novilhos superprecoces terminados em pastagem de aveia e azevém 9
manejada sob diferentes alturas. Ciência Rural, 2007 (no prelo). 10
MOTT, G.O.; LUCAS H.L.. The design, conduct, and interpretation of grazing trials on cultivated 11
and improved pastures. In: International grassland congress, 6, 1952, Pensylvania. Proceedings... 12
Pensylvania: State College Press, 1952. p.1380-1385. 13
14
15
36
Tabela 1. Parâmetros relacionados à altura média de manejo, à carga animal e à oferta de forragem, 1
e seus respectivos erros padrão (e.p.) de pastos mistos de aveia e azevém manejados segundo metas 2
de alturas de 10, 20, 30 e 40 cm. 3
Variáveis
Altura do pasto (cm) Carga animal (kg de PV/ha) Oferta de forragem (% PV)
Tratamentos
Média e.p. média e.p. média e.p.
10 cm
12,1
d
0,4
1084
a
92,7
6,6
c
1,6
20 cm 20,9
c
0,2 792
b
102,0 7,2
c
2,1
30 cm 29,3
b
1,0 477
c
45,8 13,8
b
1,3
40 cm 36,1
a
1,1 315
d
44,6 19,1
a
4,4
Letras minúsculas, distintas na mesma coluna, diferem entre si (P<0,10). 4
37
Tabela 2. Parâmetros estimados para diferentes tipos teóricos de distribuição de altura do pasto em 1
pastos mistos de aveia e azevém manejados em alturas de 10, 20, 30 e 40 cm. Os valores, quando 2
seguidos por asterisco (*), indicam a significância estatística do tipo de distribuição. 3
Datas de amostragem
03/jul. 05/ago. 08/set. 29/set. 29/out. 13/nov.
Altura
do
pasto
(cm)
Tipo de
distribuição
média
desvio
média
desvio
média
desvio
média
desvio
média
desvio
média
desvio
Normal
17,68 3,31 9,58 3,83 5,66 4,40 10,26 4,66 22,09 9,42 20,47 9,64
Log-
normal
17,67
*
3,22 10,54 7,90 6,27 7,34 10,30 5,02 22,38 11,62 21,13 13,74
Ajuste
escala ajuste escala ajuste escala ajuste escala ajuste escala ajuste escala
Gamma
30,66
*
1,73 4,05 0,42 1,67 0,30 5,02 0,49 4,88 0,22 3,61 0,18
10
Weibull
5,41 19,07 2,58 10,69 1,35 6,18 2,35 11,62 2,54 24,92 2,26 23,11
Normal
17,62
*
3,71 13,54 5,39 17,67 6,68 21,81 6,64 33,97 7,29 27,78 7,44
Log-
normal
17,63 3,83 14,21 8,57 18,68 11,07 21,85 7,03 34,08 8,49 27,97 9,15
Ajuste
escala ajuste escala ajuste escala ajuste escala ajuste escala ajuste escala
Gamma
22,69 1,29 4,82 0,36 5,44 0,31 10,73 0,49 18,72 0,55 11,52 0,42
20
Weibull
5,11 19,12 2,63 15,17 2,75 19,74 3,48 24,21 5,38 36,82 4,25 30,52
Normal
19,00 3,73 23,70 7,66 33,03 10,14 34,36 7,65 26,41 10,68 28,96 7,07
Log-
normal
19,01
*
3,79 23,94 9,38 33,40 13,14 34,57 9,72 27,07 15,22 29,07 8,14
Ajuste
escala ajuste escala ajuste escala ajuste escala ajuste escala ajuste escala
Gamma
26,58
*
1,40 8,31
*
0,35 8,41 0,26 15,79 0,46 4,60 0,17 14,79 0,51
30
Weibull
5,19 20,53 3,38 26,37 3,79 36,59 5,31 37,24 2,75 29,68 4,60 31,66
Normal
22,49 4,38 29,29 7,92 44,70 7,49 45,58 7,39 38,55 6,81 31,90 6,52
Log-
normal
22,51
*
4,54 29,51 9,79 44,79 8,77 42,64 8,20 38,61 7,62 31,92 6,86
Ajuste
escala ajuste escala ajuste escala ajuste escala ajuste escala ajuste escala
Gamma
26,53
*
1,18 11,36 0,39 30,18 0,68 29,94 0,70 28,70 0,74 23,21 0,73
40
Weibull
5,27 24,29 4,22 32,22 7,10 47,70 6,47 45,61 6,25 41,33 5,23 34,55
38
Tabela 3. Variáveis estruturais de pastos mistos de aveia e azevém manejados em diferentes alturas 1
e sua dinâmica ao longo do ciclo de utilização. 2
Datas de amostragem
03/jul. 05/ago. 08/set. 29/set. 29/out. 13/nov.
Altura
do
pasto
(cm)
Variáveis
Média
desvio
média
desvio
média
desvio
média
desvio
média
desvio
média
desvio
Massa de
forragem*
853,3 41,6 1777,2
1132,0
978,7 110,9 898,7 449,2 1944,0
187,4 2306,7
940
Taxa de
acúmulo*
- -
70,3 24,2 49,2 42,7 42,4 31,0 84,0 32,3 115,0 34,0
10
Relação
lâm./colmo
+bainha
8,09
1,25
1,43
0,38
1,24
0,41
1,24
0,27
1,00
0,21
0,09
0,08
Massa de
forragem
826,7 306,2 2329,4
1219,3
2128,0
513,1 1949,3
528,8 3353,1
466,9 3464,0
170,3
Taxa de
acúmulo
- - 49,8 11,2 44,4 27,7 56,8 23,8 78,7 26,4 12,3 0,0
20
Relação
lâm./colmo
+bainha
9,80
3,82
1,99
1,29
1,10
0,45
0,54
0,16
2,11
0,79
0,04
0,01
Massa de
forragem
893,3 363,0 2655,2
1125,3
4381,3
1071,6
5250,0
1232,7
4456,0
657,2 4317,3
788,1
Taxa de
acúmulo
- - 72,2 10,2 80,0 7,6 113,2 21,4 11,3 0,3 0,0 0,0
30
Relação
lâm./colmo
+bainha
7,78
3,11
1,50
0,26
0,64
0,08
0,29
0,09
2,35
0,73
0,06
0,02
Massa de
forragem
1013,3
120,6 2788,5
729,1 5333,3
497,8 6232,0
198,1 4746,7
279,7 5349,3
1519,0
Taxa de
acúmulo
- - 79,3 6,6 81,8 37,5 47,8 41,7 0,0 0,0 46,7 48,6
40
Relação
lâm./colmo
+bainha
3,69
2,95
1,27
0,13
0,43
0,02
0,25
0,04
1,70
0,22
0,03
0,01
* Expressas em kg de MS/ha. 3
39
Tabela 4. Parâmetros relacionados à massa de forragem, taxa de acúmulo, acúmulo de forragem, 1
relação lâmina/colmo + bainha, e seus respectivos erros padrão (e.p.) de pastos mistos de aveia e 2
azevém manejados segundo metas de alturas de 10, 20, 30 e 40 cm. 3
Variáveis
Massa de forragem
(kg de MS/ha)
Taxa de acúmulo
(kg de MS/ha)
Acúmulo de
forragem (kg de
MS/ha)
Relação
lâmina/colmo +
bainha
Tratamento
s
média e.p. média e.p. média e.p. média e.p.
10 cm
1710
d
25,5
63,7
12,2
9210
1592
0,66
0,09
20 cm 2580
c
17,2
48,8
9,2
7270 1195
0,82 0,18
30 cm 3430
b
129,7
58,8
4,3
8600 558
0,79 0,18
40 cm 4060
a
108,5
51,9
10,3
7760 1364
0,58 0,05
Letras minúsculas, distintas na mesma coluna, diferem entre si (P<0,10). 4
40
1
Figura 1. Histogramas de freqüências de distribuição de alturas, em diferentes datas ao longo do período de pastejo, de pastos mistos de aveia e 2
azevém manejados a 10, 20, 30 ou 40 cm.3
41
1
Figura 2. Relação entre altura e massa de forragem de pastos mistos de aveia e azevém submetidos 2
a distintas alturas de manejo (Y= 438,54 + 107,47x; P< 0,0001; R
2
= 67,67%; n=299; CV= 30,34%). 3
42
CAPÍTULO 3
Desempenho e características das carcaças de novilhos em pastos de inverno submetidos a
intensidades de pastejo sob lotação contínua
43
Desempenho e características das carcaças de novilhos em pastos de inverno submetidos a 1
intensidades de pastejo sob lotação contínua
2
2
3
Lemar Maciel da Rocha
(1)
, Paulo César de Faccio Carvalho
(2)
, Ibanor Anghinoni
(2)
, Carolina 4
Baggio
(1)
, Everson dos Santos Bravo
(1)
, Davi Teixeira dos Santos
(1)
, Tales José de Moraes Silva
(3)
, 5
Thais Devincenzi
(3)
, Carlos Nabinger
(2)
e Jamir Luis Silva da Silva
(2)
6
7
(1)
Alunos do Programa de Pós-graduação em Zootecnia - UFRGS, Av. Bento Gonçalves 7712, CEP 91540-000, Porto Alegre, RS. E-8
(2)
Faculdade de 9
Agronomia/UFRGS, Av. Bento Gonçalves 7712, CEP 91540-000, Porto Alegre, RS. E-mail: p[email protected] , [email protected], 10
(3)
Bolsistas de Iniciação Científica, Curso de Agronomia - UFRGS, Av. Bento 11
13
Resumo 14
O objetivo deste trabalho foi avaliar o potencial produtivo e as características quantitativas e 15
qualitativas das carcaças de novilhos superprecoces em pastagens de inverno. O experimento foi 16
conduzido em área pertencente à Fazenda Espinilho, localizada município de São Miguel das 17
Missões, RS. Foram utilizados quatro tratamentos, constituindo diferentes alturas de manejo do 18
pasto, a saber: 10, 20, 30 e 40 cm. O delineamento utilizado foi o de blocos casualizados com três 19
repetições. O método de pastejo empregado foi o de lotação contínua, com taxa de lotação variável. 20
Foram utilizados bezerros de corte mestiços com idade e peso médio iniciais de 10 meses e 190 kg, 21
respectivamente. As variáveis estudadas foram: massa de forragem (MF), oferta de forragem (OF), 22
altura do pasto (ALT), taxa de acúmulo diário de forragem (TAC) e acúmulo total de forragem 23
(ATF), ganho médio diário (GMD), carga animal (CA), ganho de peso vivo por área (GPA). O 24
modelo de resposta do GMD em relação às alturas de pastejo resultou em valores de 0,96 e 1,24 25
kg/animal nos tratamentos de menor e maior GMD, respectivamente 10 cm e 20 cm de altura. 26
Como a variação em GMD foi pequena, o maior GPA observado no tratamento 10 cm foi devido à 27
maior carga animal utilizada, sendo que ambas diminuíram linearmente com o aumento em altura 28
dos pastos. O peso vivo dos animais antes do abate e as características das carcaças não sofreram 29
alteração com o aumento da altura dos pastos (P>0,05). 30
Termos para indexação: carga animal, ganho médio diário, ganho por área, oferta de forragem, 31
carcaças. 32
2
Artigo redigido nas normas da revista Pesquisa Agropecuária Brasileira
4
4
Performance and carcass characteristics of gearling bulls on winter pastures subject to 1
grazing intensities under continuous stocking 2
3
Abstract 4
The objective of this study was to characterize and quantify the structural changes of typical winter 5
pastures of Rio Grande do Sul and evaluate teir potential for animal production and carcass 6
characteristics of finished yearling bulls. The experiment was carried out at Fazenda Espinilho, São 7
Miguel das Missões, RS. Four grazing treataments characterized by sward surface heights (SSH) of 8
10, 20, 30 and 40 cm were imposed to paddocks variable stoking rates. The experimental design 9
was a randomized complete block with three replications. Animals used were yearling bulls, 10
approximately 10 months old, with no defined breed, and an initial weight of 190 Kg. The response 11
variables studies were sward herbage mass (HM), herbage accumulation rate (HAR), total dry 12
matter production (TDMP), herbage leaf-to-stem ratio, verage daily weight gain (ADG), weight 13
gain per unit area (GA) and quantitative as well as qualitative characteristics of the carcasses. There 14
was a linear increase in HM with increases in SSH, with a 108 Kg DM/ha increase in per centimeter 15
increase in SSH above 10 cm. There was no treatament difference for HAR and TDMP, with 16
average recorded values of 55,8 Kg DM/ha.day and 8210 Kg DM/ha, respectively. There was a 17
positive relationship between ADG and SSH,since higher of ADG were conditioned by increments 18
in quantity and quality of the herbage on offer ( 6, 7, 13 and 19 Kg DM/100Kg weight.day for the 19
SSH of 10, 20, 30 and 40 cm, respectively). The animal weight gain model resulted in the lowest 20
average daily gain of 0,96 and the highest of 1,24 Kg/animal for 10 and 20 cm SSH treataments, 21
respectively. Since differents between ADG were small, the highest GA recorded for the 10cm SSH 22
treatament (515 Kg/ha) was a cosequence of the higher stockingrate used, with both variables ADG 23
and GA decreasing linearly with increases in SSH. Animal weight prior to slaughter and carcass 24
characteristics did not vary with SSH (P>0,05), and an average carcass yield of 52 % was recorded. 25
There was a drastic reduction in the leaf-to-stem ratio of the herbage on treataments 30 and 40 cm 26
from September onwards. Additionally, the distribution of the sward height data was analyzed and 27
compared with four theoretical types of data distribution in measuring dates. And the potential for 28
predicting HM from data of swards height evaluated. The distribution of swards heigt classes fitted 29
a Normal distribution model in only one of the 96 series evaluated. The type Gamma distribution 30
was the one the most frequently got adjusted to the data. However, with commencement of grazing, 31
the heterogeneity of sward heigt increases and data did not fit any of the stidied models. Targets of 32
sward height should be flexible and variable throughout the grazing season with objective of 33
administrating sward heterogeneity caused by the grazing animal. 34
45
Introdução 1
2
O Brasil possui 163,9 milhões de bovinos de corte, sendo que no estado do Rio Grande do 3
Sul (RS) encontram-se cerca de 11,4 milhões, além de 3,9 milhões de ovinos e 83 mil bubalinos 4
(Anualpec, 2006). A maior parte desses animais é criada nos campos nativos, os quais têm como 5
principal característica uma heterogeneidade temporal e espacial. A heterogeneidade temporal está 6
relacionada às características químicas e físicas do solo, relevo e altitude. Já a heterogeneidade 7
temporal é determinada pelas variações estacionais na precipitação e temperatura e determina a 8
curva de produção anual de forragem. Essa curva varia em função da composição botânica da 9
pastagem, ou seja, da predominância de espécies de rota metabólica C
3
ou C
4
que determinam a 10
dinâmica do acúmulo de matéria seca ao longo das estações do ano e definem o balanço anual da 11
produção de forragem (Crâncio et al., 2006). 12
O baixo valor nutritivo dessas pastagens, associado ao nível reduzido de oferta de forragem 13
durante os meses de outono-inverno, afeta o desempenho dos bovinos sob pastejo (Moojen ,1991). 14
Nesse contexto, pastagens cultivadas de estação fria são alternativas que podem ser usadas para 15
reduzir as perdas no período desfavorável de crescimento do campo nativo, fazendo com que os 16
animais possam ganhar peso também nesse período, tornando viável a terminação de bovinos, o que 17
representa uma alternativa para o aumento da rentabilidade das propriedades agrícolas. 18
O azevém (Lolium multiflorum Lam) é uma das pastagens hibernais mais utilizadas no RS 19
para suprir o déficit forrageiro do campo nativo no período de outono-inverno. Caracteriza-se 20
por apresentar rota metabólica C
3
e ser morfologicamente caracterizado por um sistema radicular 21
fasciculado e possuir um hábito de crescimento cespitoso. É bem aceito pelos animais (Quadros, 22
1984) e produz forragem de alto valor nutritivo. 23
Aproximadamente 18% dos 5,0 milhões de hectares cultivados anualmente com soja 24
(Glycine max) e milho (Zea mays) no RS são utilizados para o plantio de trigo (Triticum 25
aestivum), aveia branca (Avena sativa), cevada (Hordeum vulgare) e centeio (Secale cereale), 26
46
sendo que o restante da área, em torno de quatro milhões de hectares, permanece praticamente 1
sem renda durante o inverno (IBGE, 1996), apenas com uma cultura para cobertura de solo ou 2
em pousio, representando um excelente potencial para a produção animal com forragens de 3
inverno, durante o período crítico. Mesmo com o baixo índice de utilização dessas áreas, o RS é 4
o estado brasileiro com maior número de animais terminados em pastagem cultivada de inverno, 5
cerca de 435 mil cabeças em 2005, quatro vezes mais do que Paraná e Santa Catarina, segundo e 6
terceiro colocados, respectivamente (Anualpec, 2006). A integração lavoura-pecuária nas regiões 7
produtoras de grãos no verão, como Planalto Médio, Missões e Alto Uruguai, é a grande 8
responsável pelo estado do RS possuir a maior área utilizada com pastagem cultivada no inverno 9
relativamente aos demais estados da união. Essa modalidade de uso da terra, com a alternância 10
temporária (rotação) do cultivo de grãos com o pastejo de animais em pastagens de gramíneas 11
e/ou leguminosas, pode ser utilizada de distintas maneiras dependendo de interesses específicos 12
e/ ou individuais (Moraes et al., 1998). 13
A diversificação das atividades de uma propriedade, adicionando uma atividade que gere 14
renda no período de inverno, é fundamental para assegurar uma agricultura eficiente, produtiva e 15
estável no futuro. Se toda a área existente de pastagens de inverno do estado fosse utilizada, para 16
a engorda dos três milhões de bezerros que nascem aproximadamente todos os anos, além de 17
aumentar a renda das propriedades seria colocado no mercado um produto de alta qualidade e 18
elevado valor agregado, compatível com as exigências do mercado consumidor. 19
O objetivo deste trabalho foi avaliar o desempenho e as características de carcaças de 20
novilhos superprecoces abatidos aos 14 meses de idade em pastos de aveia preta (Avena strigosa 21
Schreb) e azevém (Lolium multiflorum Lam) como parte de uma operação de integração lavoura-22
pecuária. 23
24
25
26
47
Material e métodos 1
2
O experimento foi conduzido em área pertencente à Fazenda Espinilho, localizada no 3
município de São Miguel das Missões, RS, região fisiográfica do Planalto Médio do Rio Grande do 4
Sul, distante 470 km de Porto Alegre, tendo a localização geográfica designada pela latitude 5
29°03´10´´ sul e longitude 53°50´44´´ oeste. 6
O solo é classificado como Latossolo Vermelho Distroférrico, com coloração vermelho-7
escura e textura muito argilosa (mais de 60% de argila). Segundo o sistema de Köppen, o clima é do 8
tipo Cfa, subtropical úmido. A área experimental utilizada vem sendo cultivada há 13 anos sob 9
semeadura direta de soja, com utilização de animais em pastejo durante o inverno, desde o ano 10
2000. 11
Em 04/05/05 a pastagem de inverno, constituída de uma mistura de aveia preta (Avena 12
strigosa Schreb) e azevém (Lolium multiflorum Lam) foi implantada por meio de semeadura direta, 13
tendo semeados 100 kg/ha de aveia preta e 25 kg/ha de azevém. A adubação de base foi de 300 14
kg/ha de superfosfato simples e no dia 08/06/2005 fez-se uma aplicação do nitrogênio (N) em 15
cobertura na dose de 45 kg/ha na forma de uréia. A entrada dos animais foi no dia 05 de julho de 16
2005, momento em que o perfil da pastagem atingiu 19 cm de média (média de 900 kg/ha de 17
matéria seca) e se estendeu até 13 de novembro de 2005, totalizando 131 dias, quando os animais 18
foram retirados e abatidos. 19
A área do experimento foi subdividida em 12 unidades experimentais (potreiros) e duas faixas 20
entre os blocos experimentais 1 e 2 (faixa 1) e entre os blocos 2 e 3 (faixa 2) que não receberam 21
pastejo (testemunhas), simulando áreas que são utilizadas no inverno, só para produção de palhada 22
de cobertura, totalizando 21,5 ha. Foram impostos quatro tratamentos representados por diferentes 23
alturas de manejo dos pastos de aveia preta e azevém: 10, 20, 30 e 40 cm. Estes foram gerados e 24
mantidos a partir da utilização de diferentes cargas animais, e foram alocados às unidades 25
experimentais, segundo um delineamento de blocos completos ao acaso, com três repetições. Foram 26
48
utilizados bezerros de corte mestiços inteiros, de aproximadamente 10 meses de idade, com peso 1
médio inicial de 190 kg, provenientes da própria Fazenda Espinilho. No dia do início do pastejo, os 2
animais foram pesados após jejum prévio de 12 horas, e identificados com brinco. O pastejo foi 3
realizado utilizando-se o método de lotação contínua com taxa de lotação variável. Foram utilizados 4
três animais “teste” por unidade experimental e 19 animais reguladores de carga no total, que 5
entravam e saiam dos pastos conforme sua altura variasse em relação à meta de manejo estipulada, 6
através da técnica “put-and-take” descrita por Mott & Lucas (1952). 7
A altura dos pastos foi medida com um bastão graduado “sward stick”, cujo marcador corre 8
por uma “régua” até tocar no topo do dossel forrageiro. Ao tocar a primeira folha no topo procedia-9
se, a leitura da altura, em cm (Barthram, 1985). O controle da altura dos pastos foi feito em 10
intervalos de 15 dias aproximadamente, totalizando nove avaliações. A leitura era feita em 100 11
pontos dentro de cada unidade experimental, em caminhamento aleatório, a fim de se mensurar a 12
altura média da pastagem. O valor médio das medições do “sward stick” de cada potreiro foi 13
utilizado como variável independente em equações de regressão linear que relacionaram as 14
medições de altura com o valor de massa de forragem real (MF) dos pastos, que foi avaliada a cada 15
28 dias aproximadamente em cinco pontos por parcela utilizando-se um quadro de 0,25 m
2
. Para 16
determinação da taxa de acúmulo diária de matéria seca (TAC), realizada a cada 28 dias 17
aproximadamente, foram utilizadas três gaiolas de exclusão de pastejo por unidade experimental, 18
empregando a técnica do triplo emparelhamento (Moraes et al.,1990). A oferta de forragem (OF) 19
por unidade experimental foi calculada dividindo-se a MF por 28 dias e o resultado somado à 20
correspondente TAC. O valor obtido foi multiplicado por 100 e dividido pela carga animal. 21
Para avaliar o desempenho animal foram feitas três pesagens com jejuns prévios de 12h para 22
que se pudesse acompanhar o ganho de peso médio diário (GMD) durante o período. Este foi 23
calculado pela diferença entre peso final e inicial dos animais teste, dividido pelo número de dias do 24
período. A carga animal (CA) média do período de pastejo, expressa em kg de peso/há.dia foi 25
calculada. Pelo somatório do peso médio dos animais “teste” com o peso médio de cada animal 26
49
regulador, multiplicando-se o resultado pelo número de dias que estes permaneceram na pastagem, 1
dividindo-se o resultado pelo número total de dias de pastejo. O ganho de peso vivo por hectare 2
(GPA) foi obtido pela multiplicação da taxa média de lotação (n° de animais/dia) pelo GMD dos 3
animais “teste”. 4
O escore de condição corporal (CC) dos novilhos foi atribuído na pesagem inicial e final por 5
meio de observação visual, conforme metodologia descrita por Lowman et al. (1973) e com base 6
numa escala de 1,0 (muito magro) a 5,0 (muito gordo). Para CC ao abate considerou-se a avaliação 7
realizada no momento da pesagem, com jejum prévio de 12h antes do embarque dos animais para o 8
frigorífico. 9
Os animais foram abatidos no dia 15/11/05, no Frigorífico FRIGONAL, localizado na cidade 10
de Montenegro, RS. Os resultados apresentados referem-se ao valor médio obtido do abate de 9 11
animais teste de cada tratamento, ou seja, foram realizadas avaliações em um total de 36 animais. 12
Após o abate, as carcaças foram avaliadas em relação à sua conformação e espessura de 13
gordura subcutânea pelos técnicos do próprio frigorífico. Seguindo o fluxo normal da linha de abate 14
do frigorífico, as carcaças foram identificadas, lavadas, pesadas para obtenção do peso de carcaça 15
quente e, em seguida, resfriadas a –2°C por 24 horas. Após esse tempo, as carcaças foram 16
novamente pesadas para determinação dos outros parâmetros avaliados como: peso da carcaça fria, 17
peso de dianteiro, peso de traseiro e peso de costela, com o objetivo de determinar o peso dos cortes 18
comerciais. 19
Os dados foram submetidos a análise de variância, teste de Tukey e regressão, utilizando-se 20
um nível de 5% de significância. As análises foram realizadas utilizando-se o programa estatístico 21
SAS versão 6.08. 22
Resultados e discussão 23
24
A Tabela 1 apresenta a massa de forragem (MF), oferta de forragem (OF), altura do pasto 25
(ALT), taxa de acúmulo diária de forragem (TAC) e acúmulo total de forragem (ATF), com seus 26
50
respectivos desvios padrão. Das variáveis mencionadas, a ALT foi influenciada pelas diferentes 1
imposições de cargas (P<0,001), variando entre 12 e 36 cm, o que resultou em diferentes MF, 2
entre 1710 e 4060 kg de MS/ha, e OF entre 6,6 e 19,1 kg de MS/100 kg de peso anual, para os 3
tratamentos 10 e 40 cm de altura do pasto, respectivamente. A TAC e o ATF não variaram com 4
os tratamentos (P > 0,05), com médias de 55,8 kg de MS/ha e 8210 kg de MS/ha, 5
respectivamente. Todos os valores acima situam-se dentro de uma amplitude previamente 6
observadas em experimento análogo (Aguinaga et al., 2006). 7
Pelo fato de que os animais utilizados possuiam potencial genético semelhante, o 8
aumento em desempenho animal (GMD) (Figura 1), foi condicionado pelo incremento na 9
quantidade de forragem disponível, já que as OF para os tratamentos de 10, 20, 30 e 40 cm de 10
altura foram de 6,6; 7,2; 13,8 e 19,1 kg de MS/100 kg de peso (Figura 2), respectivamente, 11
indicando a importância dos tratamentos na definição do desempenho animal, expressa por meio 12
do ganho médio diário. Nesse contexto, tanto as características verticais do dossel (altura) como 13
as horizontais, são relevantes para a seleção da dieta pelos herbívoros (Carvalho et al., 2001), 14
uma vez que a estrutura do dossel afeta diretamente o consumo de forragem, principal 15
determinante do desempenho animal (Hodgson, 1990; Carnevalli & Da Silva, 2000; Sarmento, 16
2003). 17
Portanto, o modelo de resposta do GMD em relação às alturas de pastejo resultou em valores 18
de 0,96 e 1,24 kg/animal.dia nos tratamentos de menor e maior GMD, respectivamente 10 e 20 19
cm de altura. Ganhos semelhantes foram obtidos por (Aguinaga et al., 2006), com 0,73 e 1,14 20
kg/animal.dia nos tratamentos de menor (10 cm) e maior (30 cm) GMD na mesma área e usando 21
o mesmo protocolo experimental. Lustosa (1998) relatou valor de 1,18 kg/animal.dia, inclusive 22
sob o mesmo tipo de pastagem e com oferta diária de forragem de 15% do peso animal. A 23
estabilização do GMD nas alturas maiores, 30 e 40 cm, provavelmente foi conseqüência de 24
alterações na estrutura (altura de plantas e dispersão de folhas) e/ou no valor nutritivo da 25
51
forragem que podem ocasionar diminuição no consumo por meio de redução da profundidade do 1
bocado e aumento no tempo de pastejo (Carvalho et al., 1999). 2
Embora o tratamento 10 cm de altura tenha apresentado valores de GMD satisfatórios para 3
novilhos com menos de um ano de idade, ao final do ciclo de utilização da pastagem de inverno 4
os animais alcançaram um peso médio de 321 kg , o que é 34 kg inferior aos pesos médios 5
obtidos no tratamento 20 cm (355 kg). Do ponto de vista prático de comercialização, isso pode 6
representar maior dificuldade de colocação do produto final no mercado em função do baixo 7
peso da carcaça. Nesse caso, deve-se levar em conta a vantagem para os tratamentos com GMD 8
acima de 1,1 kg (20, 30 e 40), nos quais se reduz o risco da necessidade de destinar áreas de 9
verão para a terminação desses animais e, conseqüentemente, reduzir a área destinada à 10
agricultura, já que a terminação se daria num único ciclo de pastagem de inverno. 11
Ainda na Figura 1, é apresentada a variação em ganho de peso vivo por área (GPA) com 12
as alturas reais. O GPA foi calculado como sendo o produto do GMD pelo número de animais 13
por hectare suportado pela pastagem, expresso pela carga animal (CA) (Mott & Moore, 1985). O 14
GPA apresentou uma resposta linear e negativa, ou seja, com o aumento na altura de manejo dos 15
pastos ocorreu uma redução em GPA. Como a variação em GMD foi baixa, o maior GPA, 16
observado no tratamento 10 cm (515 kg PV/ha) foi devida à maior carga animal utilizada (Figura 17
2), a qual apresentou resposta semelhante à do GPA, diminuindo com o aumento da altura de 18
manejo. De acordo com a equação de regressão para essas variáveis, para cada cm de aumento na 19
altura do pasto correspondeu uma redução de 32 kg de peso/ha/dia em CA e de 14 kg de peso/há 20
em GPA. 21
A eficiência na colheita da forragem produzida em sistemas de produção animal em 22
pastagens pode ser definida como a proporção da quantidade de forragem produzida que é removida 23
pelos animais antes de iniciar o processo de senescência (Lemaire & Chapman, 1996). Dessa forma, 24
a eficiente colheita e conversão pelo animal são determinantes da produtividade de sistemas pastoris 25
e pode ser ajustada por meio da intensidade de pastejo. Aguinaga et al. (2006), na mesma área e 26
52
seguindo o mesmo protocolo experimental, na altura de pastejo de 14 cm, necessitaram de 17,1 kg 1
de MS para produzir 1,0 kg de PV, valor próximo ao encontrado neste estudo, que, para altura de 2
pastejo de 12,1 cm, correspondeu 17,9 kg de MS para produzir 1,0 kg de PV. Pontes et al. (2004) 3
observaram, para uma pastagem de azevém anual pastejada por cordeiros na melhor altura de 4
manejo (12,7 cm), necessidade de 26,3 kg MS para produzir 1,0 kg de PV. Assmann et al. (2004), 5
trabalhando com novilhas, obtiveram eficiência de utilização de 7,91 kg MS de aveia + azevém + 6
trevo-branco/kg de PV, o que demonstra o alto potencial das pastagens hibernais, em proporcionar 7
aos animais produzirem proteína animal através de fibra vegetal. 8
Neste trabalho, as CA utilizadas para a manutenção dos gradientes de altura dos pastos 9
foram 1084, 792, 477 e 315 kg de peso/há.dia para as alturas normais de manejo de 12, 21, 29 e 36 10
cm. Esses valores são inferiores aos reportados por Aguinaga et al.(2006), 1708, 1215, 661 e 333 kg 11
de peso/há.dia para as alturas de manejo de 14, 24, 39 e 47 cm. 12
A Figura 3 apresenta a relação entre MF e GPA, mostrando que o GPA diminuiu à medida 13
que MF dos pastos aumentou (167 kg de PV/ha) no tratamento com massa média de 4060 kg de 14
MS/ha (40 cm de altura do pasto), pois sendo uma relação inversa, o número de animas utilizados 15
para manter o gradiente entre os tratamentos foi menor, resultando em um menor GPA, 348 kg de 16
peso/ha a menos que o tratamento com menor MF, 1712 kg/ha (10 cm de altura do pasto). Em 17
relação ao GMD, a MF que proporcionou um maior resultado foi a de aproximadamente 3000 kg de 18
MS/há, a qual corresponderam ganhos médios diários acima de 1,2 kg de peso/animal. 19
Numa avaliação conjunta das duas funções-resposta da (Figura 1) é possível inferir que 20
existe uma faixa ótima de produção animal individual e por área, na qual pode-se conseguir 21
produção satisfatória por hectare com GMD suficiente para abater carcaças de qualidade. 22
Deve-se considerar que as elevadas produções por área geradas no tratamento de 10 cm 23
de altura de manejo do pasto (515 kg de PV/ha em 131 dias) aumentam as possibilidades de 24
mudanças nas características físicas do solo, como, diminuição da porosidade e aumento da 25
densidade. Além disso, quando da utilização de animais em áreas destinadas a agricultura, deve-26
53
se levar em conta que baixas alturas de manejo do pasto resultam em menor massa de forragem 1
e, conseqüentemente, menor quantidade de palhada residual, o que poderá vir a prejudicar a 2
lavoura nas situações de integração lavoura-pecuária sob plantio direto subseqüente. 3
Dessa forma, para a integração lavoura-pecuária é preciso encontrar uma CA ou altura do 4
pasto que permita a obtenção de um ponto ótimo entre produção por animal e por área sem 5
prejudicar a lavoura de grãos subseqüente. 6
O peso dos animais ao abate não variou (P>0,05) com os tratamentos, tudo sido registrados 7
valores de 321,3; 355,6; 337,0 e 332,9 kg peso nas alturas de pasto de 10, 20, 30 e 40 cm, 8
respectivamente. A amplitude de peso ao abate dos animais no presente estudo (321 a 355 kg) está 9
de acordo com os valores reportados por Del Duca et al. (1987) utilizando a mesma categoria 10
animal e forma de terminação de bovinos (325 kg). 11
O escore médio de condição corporal (CC) ao abate dos novilhos foi 4,1, não diferido 12
(P>0,05) entre os tratamentos avaliados. Os animais apresentaram rendimento médio de carcaça de 13
52% (Tabela 2), considerado normal para esta categoria. Esse rendimento foi superior ao obtido por 14
Restle & Vaz (1997), de 51,1%, para novilhos Hereford abatidos aos 14 meses em confinamento, 15
com peso de carcaça e espessura de gordura superiores às obtidas neste estudo (189,5 kg e 5,5 mm, 16
respectivamente). 17
Apesar das diferentes alturas do pasto não terem exercido efeito (P>0,05) sobre as 18
características quantitativas e qualitativas das carcaças (Tabela 2), com valores médios de 174,9, 19
85,3, 23,5, 66,0 kg para peso de carcaça fria (PCARCF), peso de traseiro (PTRAS), peso de costela 20
(PCOST) e peso de dianteiro (PDIANT), respectivamente, deve-se levar em consideração que os 21
valores de peso e participação percentual dos cortes comerciais na carcaça são características de 22
interesse dos frigoríficos na avaliação do valor do produto adquirido. Uma vez que tanto o mercado 23
interno como externo exigem determinados tamanhos de músculo que compõem esses cortes (Kuss 24
et al., 2005), é de interesse a quantificação dessas respostas. Constam na Tabela 3 os resultados para 25
os cortes primários em valor absoluto e em relação à carcaça fria. 26
54
Segundo Di Marco (1998), a deposição do ganho de peso de animais em fase de crescimento 1
ocorre nas regiões de maior participação muscular na carcaça, como o traseiro e o dianteiro. Já 2
quando os valores são expressos em percentagem do peso total da carcaça, os resultados obtidos 3
neste experimento são similares aos encontrados por Restle & Vaz (1997) (48,7, 13,5, 37,8% vs 4
48,8, 14,1 e 37,1%, respectivamente para traseiro, costilhar e dianteiro), trabalhando com a mesma 5
categoria animal. A similaridade desses resultados pode ser importante para consolidar uma 6
ferramenta de estimação de tamanho de cortes comerciais de novilhos superprecoces com base no 7
peso de abate ou peso de carcaça fria. 8
No entanto, a espessura de gordura subcutânea (EGS) permaneceu dentro dos padrões 9
atualmente estabelecidos pelos frigoríficos do Rio Grande do Sul (3 a 6 mm), apresentando média 10
de 3,4 mm entre os tratamentos, valor aproximado ao reportado por Lorenzoni et al. (1986), de 3,2 11
mm para animais Angus, e por Restle & Vaz (1997), de 3,0 mm, para todos os animais, 12
independentemente da idade de castração. A EGS estando dentro dessa faixa de variação 13
preconizada pelos frigoríficos reduz as perdas por desidratação durante o resfriamento da carcaça, o 14
que proporciona maior rendimento e, conseqüentemente, maior produção de carne. Ressalta-se que 15
o frigorífico classificou as carcaças deste estudo como de "novilho superprecoce", satisfazendo às 16
próprias exigências de peso e acabamento. 17
18
Conclusões 19
20
- Pastos mistos de aveia e azevém, quando pastejados entre 20 e 25 cm de altura, com 21
novilhos, proporcionam bons ganhos animais em Kg de peso vivo, tanto individual como por área. 22
- O grau de acabamento dos novilhos, é satisfatório quando manejados nas alturas 23
intermediárias, tendo em vista que resultou em espessuras de gordura subcutânea superior a 3 mm, 24
o que é preconizado pelos frigoríficos. 25
55
- A atividade de integração da lavoura de verão com a produção de novilhos no inverno, se 1
viabiliza, pois os animais alcançam peso de abate e carcaças de qualidade, jovens e com bom 2
acabamento de gordura, utilizando áreas somente por um inverno, liberando-as para a lavoura no 3
período de verão seguinte. 4
5
6
7
Agradecimentos 8
9
A Agropecuária Cerro Coroado por toda infra-estrutura oferecida para realização do trabalho, a 10
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pela concessão da bolsa 11
de estudos e ao Conselho Nacional de Conhecimento Científico e Tecnológico (CNPq), e do 12
Programa de Iniciação Científica da UFRGS. 13
56
Referências: 1
2
AGUINAGA, A. A.; CARVALHO, P.C.F; ANGHINONI, I.; SANTOS, D.T.; FREITAS, F.K.; 3
LOPES, M.T. Produção de novilhos superprecoces em pastagem de aveia e azevém submetida a 4
diferentes alturas de manejo. Revista Brasileira de Zootecnia, v. 35, n.4, p. 1765-1773, 2006 5
(supl.) 6
ANUALPEC. Anuário estatístico da pecuária brasileira. São Paulo. Ed. Argos Comunicação, 7
2006. 370p. 8
ASSMANN, A.L.; PELISSARI, A.; MORAES, A. et al. Produção de gado de corte e acúmulo de 9
matéria seca em sistema de integração lavoura-pecuária em presença ou ausência de trevo branco 10
e nitrogênio. Revista Brasileira de Zootecnia, v.33, n.1, p.37-44, 2004. 11
BARTHRAM, G.T. Experimental techniques: the HFRO sward stick. Aberdeen: Hill Farming 12
Research Organization/Biennial Report, 1985. p.29-30. 13
CARNEVALLI, R.A.; Da SILVA, S.C. Desempenho de ovinos e respostas de pastagens de 14
Florakirk (Cynodon spp.) submetidos a regimes de desfolha sob lotação contínua. Boletim da 15
Indústria Animal, v.57, n.1, p.53-63, 2000. 16
CARVALHO, P.C.F.; PRACHE, S.; DAMASCENO, J.C. O processo de pastejo: desafios da 17
procura e apreensão da forragem pelo herbívoro. In: REUNIÃO ANUAL DA SOCIEDADE 18
BRASILEIRA DE ZOOTECNIA, 36., 1999, Porto Alegre. Anais... Porto Alegre: Sociedade 19
Brasileira de Zootecnia, 1999. v.2, p.253-268. 20
CARVALHO, P.C.F.; RIBEIRO FILHO, H.M.N.; POLI, C.H.E.C. et al. Importância da estrutura 21
da pastagem na ingestão e seleção de dietas de animais pelo animal em pastejo. In: MATTOS, 22
W.R.S. et al. (Eds.) Produção animal na visão dos brasileiros. Piracicaba: Fundação de Estudos 23
Agrários Luiz de Queiroz, 2001. p.853-871. 24
CRÂNCIO, L. A.; CARVALHO, P.C.F.; NABINGER, C.; SILVA, J.L.S; SANTOS, R.J.; 25
SANTOS, D.T.; PELLEGRINI, L.G. Ganho de peso de novilhas em pastagem nativa da Serra do 26
Sudeste do RS submetida ao controle de plantas indesejáveis e intensidades de pastejo. Cienc. 27
Rural, Ago 2006, vol.36, no.4, p.1265-1271 28
DEL DUCA, L.O.A., SALOMONI, E. Alternativas para diminuir a idade de abate de novilhos. 29
Coletânea de pesquisas de gado de corte. EMBRAPA CPPSul. Bagé. 1987, v.2, p. 217 - 219. 30
RESTLE, J.; VAZ, F. Aspectos quantitativos da carcaça de machos Hereford, inteiros e castrados, 31
abatidos aos quatorze meses. Pesquisa Agropecuária Brasileira, v.32, n.1, p.1091-1095, 1997. 32
DI MARCO, O.N. Crescimiento de vacunos para carne. 1ª ed. Buenos Aires: Oscar N. Di Marco. 33
1998. 246p. 34
57
HODGSON, J. Grazing management: science into pratice. New York: Longman Scientific and 1
Technical, 1990. 203p. 2
IBGE. Instituto Brasileiro de Geografia e Estatística. Anuário Estatístico do Brasil, Rio de 3
Janeiro, 1996, v.56. 4
KUSS, F.; RESTLE, J.; BRONDANI, I.L. et al. Características da carcaça de vacas de descarte de 5
diferentes grupos genéticos terminadas em confinamento com distintos pesos. Revista Brasileira 6
de Zootecnia, v.34, n.3, p.915-925, 2005. 7
LEMAIRE, G.; CHAPMAN, D. Tissue flows in grazed plant communities. In: HODGSON, J.; 8
ILLIUS, A.W. (Eds.). The ecology and management of grazing. Wallingford: CAB 9
International, 1996. p.3-36. 10
LOWMAN, B.G.; SCOTT, N.; SOMERVILLE, S. Condition scoring beef cattle. Edinburgh: East 11
Scotland College of Agriculture, 1973. 8p. 12
LUSTOSA, S.B.C. Efeito do pastejo nas propriedades químicas do solo e no rendimento de 13
soja e milho em rotação com pastagem consorciada de inverno no sistema plantio direto. 14
Curitiba: Universidade Federal do Paraná, 1998. 84p. Dissertação (Mestrado em Agronomia) - 15
Universidade Federal do Paraná, 1998. 16
MOOJEN, E.L. Dinâmica e potencial produtivo de uma pastagem nativa do Rio Grande do Sul 17
submetida a pressões de pastejo, épocas de diferimento e níveis de adubação. Porto Alegre: 18
UFRGS, 1991. 172p. Tese de Doutorado. 19
MORAES, A.; LESAMA, M.F.; ALVES, S.J. Lavoura-pecuária em sistemas integrados na 20
pequena propriedade. In: ENCONTRO LATINO-AMERICANO SOBRE PLANTIO DIRETO 21
NA PEQUENA PROPRIEDADE, 3, 1998, Pato Branco. Anais... Pato Branco: CEFET – PR, 22
1998. CD-ROOM. 23
MORAES, A.; MOOJEN, E.L.; MARASCHIN, G.E. Comparação de métodos de estimativa de 24
taxa de crescimento em uma pastagem submetida a diferentes pressões de pastejo. In: 25
REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 27., 1990, Campinas. 26
Anais... Campinas: Sociedade Brasileira de Zootecnia, 1990. p.332. 27
MOTT, G.O.; MOORE, J.E. Evaluated forage production. In: HEATH, M.E.; BARNES, R.F.; 28
METCALFE, D.S. (Eds). Forages, The Science of Grassland Agriculture, 4.ed. Ames: Iowa State 29
Unisersity Press, 1985. p.422-429. 30
MOTT, G. O.; LUCAS, H. L. The design, conduct and interpretation of grazing trials on cultivated 31
and improved pastures. In: INTERNATIONAL GRASSLAND CONGRESS, 6, 1952, 32
Pensylvania. Proceedings..., Pensylvania, 1952. p. 1380 – 1385. 33
58
PONTES, L.S.; CARVALHO, P.C.F.; NABINGER, C.; SOARES, A.B. Fluxo de biomassa em 1
pastagem de azevém anual (Lolium multiflorum Lam) manejada em diferentes alturas. Revista 2
Brasileira de Zootecnia, v.33, n.3, p.529-537, 2004 3
QUADROS, F.L.F. Desempenho animal em misturas de espécies de estação fria. 1984. 106f. 4
Dissertação (Mestrado) – Programa de Pós-Graduação em Zootecnia, Faculdade de Agronomia, 5
Universidade Federal do Rio Grande do Sul, Porto Alegre, 1984. 6
SARMENTO, D.O.L. Comportamento ingestivo em pastos de capim-Marandu submetidos a 7
regimes de lotação contínua. Piracicaba: Escola Superior de Agricultura Luiz de Queiróz, 2003. 8
76p. Dissertação (Mestrado em Zootecnia) - Escola Superior de Agricultura Luiz de Queiroz, 9
2003. 10
59
GPA= -13,94x +681,44
R
2
= 0,9280 P<0,0001
GMD= -0,00123x
2
+ 0,063x + 0,397
R
2
= 0,6114 P=0,0078
0,8
0,9
1,0
1,1
1,2
1,3
1,4
0 10 20 30 40 50
Altura real do pasto, cm
GMD, kg/animal
0
100
200
300
400
500
600
700
GPA, kg/ha
1
Figura 1. Ganho de peso diário (GMD) (kg/animal.dia) e ganho de peso vivo por área (GPA) 2
(kg/ha) em 131 dias de pastejo de novilhos de corte em pastos mistos de aveia e azevém 3
manejados em diferentes alturas. Média de cada tratamento é composta por 9 valores (animais 4
teste). Fazenda Espinilho, São Miguel das Missões, 2005. 5
60
CA = -32,37x + 1462,73
R
2
= 0,9386 P<0,0001
OF= 0,441x +0,148
R
2
= 0,7922 P=0,0002
0
10
20
30
0 10 20 30 40 50
Altura real do pasto, cm
OF (% PV)
0
250
500
750
1000
1250
CA, kg PV/ha
1
Figura 2. Carga animal média (CA) (kg peso/ha) e oferta diária de forragem (OF) (% peso), 2
mantidos em pastos mistos de aveia e azevém submetidos a diferentes alturas de manejo. 3
Fazenda Espinilho, São Miguel das Missões, 2005. 4
61
GPA= - 0,136x +727,8
R
2
= 0,9773 P < 0,0001
GMD= - 1,178x
2
+ 0,0007x - 0,167
R
2
= 0,6425 P = 0,0098
0,0
0,5
1,0
1,5
1000 2000 3000 4000 5000
Massa de forragem, Kg MS/ha
GMD (kg/animal/dia)
0
100
200
300
400
500
600
700
GPA (kg/PV/ha)
1
Figura 3. Ganho médio diário (GMD) e ganho de peso vivo por área (GPA) em relação a massa 2
de forragem, mantidas em pastagens de aveia e azevém submetidas a diferentes alturas de 3
manejo. Fazenda Espinilho, São Miguel das Missões, 2005. 4
5
62
Tabela 1. Massa de forragem (MF), oferta de forragem (OF), altura do pasto (ALT), taxa de 1
acúmulo (TAC) e acúmulo total de forragem (ATF) de pastos mistos de aveia e azevém 2
submetidos a intensidades de pastejo. 3
4
Tratamentos
MF OF ALT TAC ATF
10 1710
d
±25 6,6
c
±1,6
12,0
d
±0,4
63,7
±12,2
9210 ±1592
20 2580
c
±17 7,2
c
±2,1
20,8
c
±0,2
58,8
±19,4
7270 ±1195
30 3430
b
±130 13,8
b
±1,3
29,3
b
±1,0
52,0
±4,3 8600 ±558
40 4060
a
±108 19,1
a
±4,4
36,0
a
±1,1
48,8
±10,3
7760 ±1364
a, b, c, d na mesma coluna, diferem entre si (P<0,05). 5
63
Tabela 2. Peso inicial (PI), peso final (PF), escore de condição corporal (ECC), rendimento de 1
carcaça (RC), peso carcaça quente (PCARQ), peso carcaça fria (PCARF), peso dianteiro 2
(PDIAN), peso costela (PCOST), peso traseiro (PTRAS) e espessura de gordura subcutânea 3
(EGS) de bovinos em pastos mistos de aveia e azevém submetidos a intensidades de 4
pastejo. Frigorífico Frigonal, Montenegro, 2005. 5
6
Características Altura do pasto, cm
10 20 30 40
PI (Kg) 195,5 ± 18,1 193,3 ± 11,8 188,9 ± 11,2 189,0 ± 2,5
PF (Kg) 321,3 ± 27,1 355,6 ±20,8 337,0 ±16,1 332,9 ±7,2
ECC (pontos) 4,1 ± 0,1 4,3 ± 0,1 4,1 ± 0,2 4,1 ± 0,1
RC (%) 52 ± 0,0 52 ± 0,0 52 ± 0,0 52 ± 0,0
PCARCQ (Kg) 171,8 ± 16,8 187,4 ± 11,6 179,1 ± 6,8 179,0 ± 5,3
PCARCF (Kg) 167,5 ± 16,3 182,9 ± 11,4 174,7 ± 6,7 174,5 ± 5,1
PTRAS (Kg) 81,0 ± 8,5 89,8 ± 4,0 85,5 ± 3,1 85,0 ± 1,6
PCOST (Kg) 23,2 ± 1,8 24,6 ± 2,1 23,5 ± 1,2 22,8 ± 0,7
PDIAN (Kg) 63,3 ± 6,0 68,4 ± 5,4 65,6 ± 2,5 66,6 ± 3,7
EGS (mm) 3,3 ± 0,5 4,2 ± 0,5 3,1 ± 1,0 2,8 ± 0,0
64
Tabela 3. Porcentagem dos cortes primários em relação a carcaça fria de novilhos superprecoces 1
mantidos em pastos mistos de aveia e azevém manejados sob diferentes alturas. Frigorífico 2
Frigonal, Montenegro, 2005. 3
Altura do pasto, cm aracterísticas
10 20 30 40
Traseiro (%) 48,4 49,2 48,9 48,7
Costela (%) 13,8 13,4 13,5 13,1
Dianteiro (%) 37,8 37,4 37,6 38,2
4
65
CONSIDERAÇÕES FINAIS
Com o trabalho realizado, foi possível visualizar a necessidade de maiores estudos
referentes à dinâmica de pastagens anuais de inverno, principalmente em relação a sua
estrutura à medida que o seu estádio fisiológico avança no decorrer do tempo, assim
como, maiores avaliações para determinar o grau de interferência, devido a presença de
animais, como um dos agentes causadores das variações estruturais do pasto.
É possível predizer a massa de forragem existente no pasto por intermédio de sua
altura média. Quando o pasto é submetido a intensidades de pastejo mais intensas, no
início do período de pastejo, a amplitude de distribuição de freqüências de alturas em
torno da média é pequena, o contrário ocorrendo nas menores intensidades de pastejo.
Esse fenômeno se inverte à medida que o ciclo de utilização da pastagem se desenrola. A
heterogeneidade rapidamente se instala na pastagem a partir da presença do animal em
pastejo, e nenhum dos tipos de distribuição estudados foi capaz de representar as
freqüências de altura observadas.
A capacidade de produção dessas pastagens é excelente, com o desempenho
individual de novilhos de corte favorecido à medida que se aumenta a altura de manejo
até valores próximos a 25 cm. O GPA e CA reduzem linearmente com o aumento da
altura de pastejo, indicando um valor ótimo de manejo da pastagem em torno de 20 cm de
altura e uma massa de forragem em torno de 3000 kg de MS/ha , com valores de GMD e
66
GPA próximos a 1,150 kg de PV/animal e 400 kg de PV/ha, respectivamente. Em relação
as características de carcaça, essas pastagens possuem capacidade de produzir animais
superjovens e dentro dos padrões preconizados pelos frigoríficos (3 a 6 mm) e com
qualidade de carne para o consumidor final.
A terminação de bovinos em pastos mistos de aveia e azevém pode ser feita em
um único ciclo de utilização da pastagem de inverno, liberando as áreas para as lavouras
de verão, o que é muito importante quando se pensa no sistema como um todo,
viabilizando renda para o produtor no inverno e verão.
Como o mês de setembro parece ser o principal momento a partir do qual fortes
mudanças estruturais ocorrem, pode-se sugerir estudos sobre a possibilidade de se
utilizar intensidades de pastejo distintas, maiores e menores, antes e após esse momento,
respectivamente. Com o intuito de se administrar a heterogeneidade do pasto em
condições favoráveis para a produção animal.
67
REFERÊNCIAS BIBLIOGRÁFICAS
ALVES, S. J; MORAES, A. Manejo de Pastagem em Sistema de Integração Lavoura-
Pecuária. In: ENCONTRO DE INTEGRAÇÃO LAVOURA-PECUÁRIA NO SUL DO
BRASIL, 1. Anais... Pato Branco: Imprepel Gráfica e Editora Ltda, 2002. p. 103-107
ANUALPEC. Anuário estatísticos da pecuária brasileira. São Paulo. Ed. Argos
Comunicação, 2006. 370p.
BAYER, C. Dinâmica da matéria orgânica em sistemas de manejo de solos. 1996.
240f. Tese (Doutorado em Ciência do Solo) – Programa de Pós-Graduação em
Agronomia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 1996.
BLASER, R.E. Efecto del animal sobre la pastura. In: PALADINES, O.L. (ed.). Empleo
de animals en las investigaciones sobre pastures. Montevideo: IICA, 1966. p. 1-29.
CARVALHO, P.C.F.; MORAES, A. AGUINAGA, A.A. et al. In: SIMPOSIO DA CARNE
BOVINA: INTEGRACAO LAVOURA PECUARIA, 2. Anais... São Borja: UFRGS, 2004.
p. 6-25.
CARVALHO, P.C.F.; ANGHINONI, I.; MORAES, A. et al. In: CICLO DE PALESTRA EM
PRODUCAO E MANEJO DE BOVINO, X. Anais...CANOAS: ULBRA, 2005. p.9-44.
CASSOL, L. C. Relações solo-planta-animal num sistema de integração lavoura-
pecuária em semeadura direta com calcário na superfície. 2003. 143p. Tese
(Doutorado) – Programa de Pós-Graduação em Ciências do Solo, Faculdade de
Agronomia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2003.
COIMBRA, C. H. Avaliação da compactação de um latossolo Bruno utilizado em
integração lavoura-pecuária. 1998. 84 f. Dissertação (Mestrado em Agronomia –
Ciência do Solo) – Setor de Ciências Agrárias, Universidade Federal do Paraná,
Curitiba, 1998.
CONAB. Terceiro levantamento de avaliação da safra 2004/2005 – Fevereiro de
2005. Disponível em:
http://www.conab.gov.br/download/safra/3levantamentoPlantio.pdf.
Acesso em: 6 de mar. 2005. 14:20.
68
ELTZ, F.L.P.; PEIXOTO, R.T.G.; JASTER, F. Efeitos de sistemas de preparo do solo
nas propriedades fisicas e químicas de um latossolo bruno álico, Revista Brasileira de
Ciência o Solo, Campinas, v. 13,p.259-267, 1989.
FLORES, J.P.C. Atributos se solo e rendimento de soja em um sistema de
integração lavoura-pecuária sob o plantio direto com calcário na superfície. 2004.
84 f. Dissertação (Mestrado em Ciência do Solo) – Faculdade de Agronomia,
Universidade Federal do Rio Grande do Sul, Porto Alegre, 2004.
FREITAS, T. S. Recuperação e Reforma de Pastagens Degradadas. In: ENCONTRO
DE INTEGRACAO LAVOURA-PECUÁRIA NO SUL DO BRASIL, 1. Anais... Pato
Branco: Imprepel Gráfica e Editora Ltda, 2002. p. 327-346.
LOPES, P.R.C., COGO, N.P., LEVIEN, R. Eficácia relativa de tipo e quantidade de
resíduos culturais espalhadas uniformemente sobre o solo na redução de erosão
hídrica. Revista Brasileira de Ciência do Solo, Campinas, v.11,n.1, p.71-75, 1987.
MARASCHIM, G.E. Utilização, manejo e produtividade das pastagens nativas da região
sul do Brasil. In: CICLO DE PALESTRAS EM PRODUCAO E MANEJO DE BOVINOS
DE CORTE, 3, 1998, Porto Alegre. Anais... Porto Alegre: ULBRA, 1998. P.29-39.
MORAES, A., LUSTOSA, S.B.C. Efeito animal sobre as características do solo e a
produção da pastagem. In: Simpósio sobre avaliação de pastagens com animais.
Anais... UEM,pg 129-149, 1997.
MORAES, A,; LESAMA, M.F.; ALVES, S.J. Lavoura-pecuária em sistemas integrados
na pequena propriedade. In: ENCONTRO LATINO AMERICANO SOBRE PLANTIO
DIRETO NA PEQUENA PROPRIEDADE, 3., 1998, Pato Branco. Anais... Pato Branco:
CEFET-PR, 1998.1 CD-ROM.
MORAES, A; PELISSARI, A.; ALVES, S. J. et al. Integração Lavoura-Pecuária no Sul do
Brasil. In: ENCONTRO DE INTEGRACAO LAVOURA-PECUÁRIA NO SUL DO BRASIL,
1. Anais... Pato Branco: Imprepel Gráfica e Editora Ltda, 2002. p. 3-42.
NABINGER, C.; SILVA, J. L. S. Curso de Atualização em Produção Animal a Pasto.
Porto Alegre: BRDE/Universidade Federal do Rio Grande do Sul – Departamento de
Plantas Forrageiras, 2000. 221p.
OLIVEIRA, E. Opções de Forrageiras de Entressafra e Inverno em Sistema de
Integração Lavoura-pecuária. In: ENCONTRO DE INTEGRACAO LAVOURA-
PECUÁRIA NO SUL DO BRASIL, 1. Anais... Pato Branco: Imprepel Gráfica e Editora
Ltda, 2002. p. 327-331.
PANIGATTI, J. L. Las rotaciones agrícolas com pastura em la pampa húmeda de
Argentina. Revista INIA de Investigaciones Agronômicas, Montevidéu, v.1, n.2,
p.215-225, 1992.
PELISSARI, A.; MORAES, A.; FILHO, A. B. et al. Manejo de Plantas Daninhas em
Sistemas de Integração Lavoura-Pecuária. In: ENCONTRO DE INTEGRACAO
LAVOURA-PECUÁRIA NO SUL DO BRASIL, 1. Anais… Pato Branco: Imprepel Gráfica
e Editora Ltda, 2002. p. 109-130.
69
TAYLOR. H.M.; BRAR, G.S. Effect of soil compaction on root development. Soil &
Tillage Research, Amsterdan,v.19, n.1, p.111-119, 1991.
70
APÊNDICES
71
Apêndice 1. Relação entre a altura pretendida dos tratamentos e a altura real
observada na pastagem de aveia + azevém, ao longo do período
experimental. Fazenda Espinilho, 2005.
Altura pretendida (cm) Repetição Altura real (cm)
I 12,1
II 12,4
III 11,7
10
Média 12,1
I 20,7
II 21,2
III 20,7
20
Média 20,9
I 28,2
II 29,8
III 30,0
30
Média 29,3
I 36,5
II 34,8
III 36,9
40
Média 36,0
72
Apêndice 2. Massa de forragem de pastagem de aveia + azevém manejada em
diferentes alturas de pastejo. Fazenda Espinilho 2005.
Data da avaliação Altura
(cm)
Rep.
03/07 05/08 08/09 29/09 29/10 13/11
I 879,8
1644,7
1156,7
1226,1
3154,8
3760,7
II 857,8
1641,5
1025,9
1196,0
3428,4
3973,1
III 879,4
1806,5
1576,0
1207,8
2394,1
3100,5
10
Média 872,3
1697,6
1252,9
1209,9
2992,4
3611,5
I 842,8
2075,7
2356,1
2751,9
4146,8
4288,6
II 891,4
2056,0
2630,5
2678,7
4147,6
4032,1
III 853,8
2052,8
2831,3
2725,8
3803,9
4151,8
20
Média 862,6
2061,5
2606,0
2718,8
4032,7
4157,5
I 902,8
2596,1
3810,0
4356,2
3927,7
4243,7
II 910,8
2566,9
4764,1
4528,8
3712,7
4509,9
III 882,8
2642,4
5386,5
4195,4
3586,4
3983,5
30
Média 898,8
2601,8
4653,5
4360,1
3742,3
4245,7
I 941,3
2768,0
5912,0
5880,8
4422,0
4580,2
II 944,3
2855,3
5387,7
5389,1
4218,4
4574,2
III 1020,3
3075,0
5917,8
5038,7
4360,1
4242,2
40
Média 968,7
2899,4
5739,2
5436,2
4333,5
4465,5
73
Apêndice 3. Massa de forragem de pastagem de aveia e azevém manejada
sob diferentes alturas, ao longo do período experimental. Valores
obtidos através de equação lineares.
Média ponderada Altura
(cm)
Rep.
03/07 a
05/08
05/08 a
08/09
08/09 a
29/09
29/09 a
29/10
29/10 a
13/11
I 1262,2 1400,7 1191,3 2190,4 3457,7
II 1249,6 1333,7 1110,9 2312,2 3700,7
III 1342,9 1691,2 1391,8 1800,9 2747,3
10
Média 1284,9 1475,2 1231,3 2101,2 3301,9
I 1459,2 2215,8 2553,9 3449,3 4217,6
II 1473,7 2343,2 2654,5 3413,1 4089,8
III 1453,3 2442,1 2778,5 3264,8 3977,8
20
Média 1462,1 2333,7 2662,3 3375,7 4095,1
I 1749,4 3203,0 4083,1 4141,9 4085,7
II 1738,8 3665,4 4646,4 4120,7 4111,3
III 1762,5 4014,4 4790,9 3890,9 3784,9
30
Média 1750,2 3627,6 4506,8 4051,2 3994,0
I 1854,6 4340,0 5896,4 5151,4 4501,1
II 1899,8 4121,4 5388,4 4803,8 4396,3
III 2047,6 4496,4 5478,3 4699,4 4301,2
40
Média 1934,0 4319,3 5587,7 4884,9 4399,5
74
Apêndice 4. Taxa de acúmulo de matéria seca de pastagem de aveia + azevém
manejada sob diferentes alturas de pastejo. Fazenda Espinilho,
2005.
Média ponderada Altura
(cm)
Rep.
03/07 a
05/08
05/08 a
08/09
08/09 a
29/09
29/09 a
29/10
29/10 a
13/11
I 70,3 79,4 83,2 46,7 78,5
II 94,5 19,0 39,4 103,6 121,0
III 46,1 -3,7 4,8 101,8 145,6
10
Média 70,3 31,6 42,5 84,0 115,0
I 62,7 63,9 73,7 60,0 -46,2
II 44,7 24,8 -24,1 - 12,3
III 42,1 -21,8 40,0 97,3 -29,2
20
Média 49,8 22,3 29,9 78,7 -21,0
I 60,9 88,6 103,5 11,6 -96,4
II 80,7 73,8 98,4 -42,7 -54,4
III 75,0 77,7 137,8 11,1 -136,4
30
Média 72,2 80,0 113,2 -6,7 -95,7
I 74,6 125,1 26,0 -10,2 81,0
II 86,9 61,6 21,6 -29,3 12,3
III 76,4 58,7 95,9 -7,6 -51,3
40
Média 79,3 81,8 47,8 -15,7 14,0
75
Apêndice 5. Produção de matéria seca por período e total em uma pastagem
de aveia e azevém manejada sob diferentes alturas, ao longo do
período experimental. Fazenda Espinilho, 2005.
Período de avaliação
Resíduo
inicial
03/07 a
05/08
05/08 a
08/09
08/09 a
29/09
29/09 a
29/10
29/10 a
13/11
Total
Altura
(cm)
Rep.
kg MS ha
-1
dia
-1
I 879,7 70,3 79,4 83,2 46,7 78,5 10050
II 857,7 94,5 19,0 39,4 103,6 121,0 10211
III 879,4 46,1 -3,7 4,8 101,8 145,6 7377
10
Média 872,2 70,3 31,6 42,5 84,0 115,0 9212,7
I 842,8 62,7 63,9 73,7 60,0 -46,2 8428
II 891,4 44,7 24,8 -24,1 - 12,3 7337
III 853,8 42,1 -21,8 40,0 97,3 -29,2 6041
20
Média 862,7 49,8 22,3 29,9 78,7 -21,0 7268,7
I 902,8 60,9 88,6 103,5 11,6 -96,4 8422
II 910,8 80,7 73,8 98,4 -42,7 -54,4 8155
III 882,8 75,0 77,7 137,8 11,1 -136,4 9227
30
Média 898,8 72,2 80,0 113,2 -6,7 -95,7 8601,3
I 941,3 74,6 125,1 26,0 -10,2 81,0 9207
II 944,3 86,9 61,6 21,6 -29,3 12,3 6498
III 1020,3 76,4 58,7 95,9 -7,6 -51,3 7570
40
Média
968,6 79,3
81,8 47,8 -15,7 14,0 7758,3
76
Apêndice 6. Carga animal média na pastagem de aveia e azevém, nas
repetições, manejada sob diferentes alturas. Fazenda Espinilho,
2005.
Altura (cm) Repetição
Carga animal
kg de PV ha
-1
dia
-1
I 988
II 1090
III 1173
10
Média 1084
I 675
II 864
III 836
20
Média 792
I 425
II 497
III 510
30
Média 477
I 292
II 286
III 366
40
Média 315
77
Apêndice 7. Ganho médio diário de bovinos em pastagem de aveia e azevém,
nas repetições, manejada nas diferentes alturas. Fazenda
Espinilho, 2005.
Altura (cm) Repetição
Ganho médio diário
kg animal
-1
dia
-1
I 0,996
II 0,868
III 1,018
10
Média 0,961
I 1,308
II 1,239
III 1,170
20
Média 1,239
I 1,092
II 1,178
III 1,122
30
Média 1,131
I 1,055
II 1,135
III 1,106
40
Média 1,099
78
Apêndice 8. Produção animal por área em pastagem de aveia e azevém, nas
repetições, manejada sob diferentes alturas de pastejo. Fazenda
Espinilho, 2005.
Altura (cm) Repetição
Ganho por área
kg de PV ha
-1
I 501
II 572
III 471
10
Média 515
I 385
II 395
III 376
20
Média 385
I 263
II 270
III 330
30
Média 288
I 141
II 165
III 196
40
Média 167
79
Apêndice 9. Oferta total de forragem em pastagem de aveia e azevém, nas
repetições, manejada sob diferentes alturas de pastejo. Fazenda
Espinilho, 2005.
Altura (cm) Repetição
Oferta total de
forragem
kg MS/100 kg PV
I 7,8
II 7,2
III 4,8
10
Média 6,6
I 9,5
II 6,5
III 5,5
20
Média 7,2
I 15,1
II 12,5
III 13,8
30
Média 13,8
I 24,1
II 17,3
III 15,8
40
Média 19,1
80
Apêndice 10. Eficiência média de utilização da pastagem de aveia e azevém,
nas repetições manejada sob diferentes alturas. Fazenda
Espinilho, 2005.
Altura (cm) Repetição
Eficiência de utilização da
pastagem
kg de MS/kg de PV
I 20,1
II 17,9
III 15,7
10
Média 17,9
I 21,9
II 18,6
III 16,1
20
Média 18,9
I 32,0
II 30,2
III 28,0
30
Média 30,1
I 65,3
II 39,4
III 38,6
40
Média 47,8
81
Apêndice 11. Peso de abate e escore de condição corporal de bovinos,
submetidos a diferentes alturas de pastejo em pastagem de
aveia e azevém com 14 meses de idade. Fazenda Espinilho,
2005.
Altura (cm) Repetição
Peso ao abate
kg de PV/animal
Escore de
condição corporal
I 345 4,1
II 292 4,1
III 328 4,3
10
Média 322 4,1
I 376 4,3
II 356 4,3
III 335 4,2
20
Média 356 4,3
I 319 4,0
II 350 4,1
III 342 4,3
30
Média 337 4,1
I 325 4,2
II 338 4,2
III 336 4,0
40
Média 333 4,1
82
Apêndice 12. Peso de carcaça quente (PCQ), peso de carcaça fria (PCF), Peso
dianteiro (PD), Peso traseiro (PT), Peso costela (PC) e Grau de
acabamento (GA) de bovinos abatidos com 14 meses de idade e
submetidos a uma pastagem de aveia e azevém manejada em
diferentes alturas de pastejo. Frigonal, Montenegro – RS, 2005.
Altura
(cm)
Repetição
PCQ
kg/carcaça
PCF
kg/carcaça
PD
kg/carcaça
PT
kg/carcaça
PC
kg/carcaça
GA
I 183,1 178,6 66,9 87,2 24,6 3,7
II 152,5 148,8 56,4 71,3 21,1 3,7
III 180,0 175,3 66,8 84,6 23,9 2,8
10
Média 171,9 167,6 63,4 81,0 23,2 3,3
I 197,8 193,2 72,9 93,9 26,4 4,5
II 189,4 184,8 70,0 89,7 25,1 3,7
III 175,0 170,7 62,5 85,8 22,4 4,5
20
Média 187,4 182,9 68,5 89,8 24,6 4,2
I 171,8 167,4 63,0 82,2 22,3 2
II 185,2 180,7 67,9 88,2 24,6 3,7
III 180,3 176,0 66,0 86,3 23,7 3,7
30
Média 179,1 174,7 65,6 85,5 23,5 3,1
I 178,9 174,5 68,1 84,3 22,1 2,8
II 173,8 169,4 62,5 83,9 23,0 2,8
III 184,5 179,6 69,4 86,8 23,4 2,8
40
Média 179,1 174,5 66,7 85,0 22,8 2,8
83
Apêndice 13. Croqui da Área Experimental. Fazenda Espinilho. Tupanciretã,
RS
P1. 3,53 ha
P2. 1,06 ha
P3. 1,97 ha
P4. 1,56 ha
P5. 2,07 ha
P6. 3,00 ha
P7. 1,33 ha
P8. 0,85 ha
P9. 1,36 ha
P10. 0,91 ha
P11. 1,64 ha
P12. 2,22 ha
Área Total: 21,5
h
a
Porteira
Bosque
Eucalipto
1
2
3
4
5
6
7
8
9
10
11
12
N
Sem Pastejo 1
LEGENDA
Sem Pastejo 2
Estância
84
Apêndice 14. Carcaças de novilhos de corte, abatidos com 14 meses de idade,
submetidos a um pasto de aveia e azevém, manejados em
diferentes alturas (10, 20, 30 e 40 cm). Frigorífico Frigonal,
2005.
85
Apêndice 15. Normas para publicação na Revista Pesquisa Agropecuária
Brasileira
INSTRUÇÕES AOS AUTORES
Submissão
Os originais submetidos à publicação devem ser enviados por via
seguintes dados: nome, formação profissional, grau acadêmico e endereço
institucional e eletrônico dos autores; indicação do autor-correspondente;
declaração da não submissão do trabalho à publicação em outro periódico.
Cada autor deve enviar mensagem expressando sua concordância com a
submissão do artigo.
Originais — O texto deve ser digitado no programa Word, em espaço
duplo, fonte Times New Roman, corpo 12.
Número de páginas — O artigo científico deve ter, no máximo, 20
páginas; as notas científicas, 8; e as novas cultivares, 8, incluindo-se as
tabelas e as figuras.
Ilustrações — O número de ilustrações (tabelas e figuras) deve ser
limitado, sempre que possível, a no máximo seis no artigo científico, a
dois em notas científicas, e a quatro em novas cultivares.
Número de referências bibliográficas — Devem ser, no máximo, 25 no
artigo científico, e 15 em notas científicas e novas cultivares.
Primeira página — Deve conter título do artigo, nome(s) dos autor(es),
endereços institucionais e eletrônicos, resumo e termos para indexação.
Apresentação do artigo científico
A ordenação do artigo deve ser feita da seguinte forma:
Artigos em português — Título, autoria, endereços institucionais e
eletrônicos, Resumo, Termos para indexação, título em inglês, Abstract,
Index terms, Introdução, Material e Métodos, Resultados e Discussão,
Conclusões, Agradecimentos, Referências.
Artigos em inglês — Título, autoria, endereços institucionais e
eletrônicos, Abstract, Index terms, título em português, Resumo, Termos
para indexação, Introduction, Material and Methods, Results and
Discussion, Conclusions, Acknowledgements, References.
Artigos em espanhol — Título, autoria, endereços institucionais e
eletrônicos, Resumen, Términos para indexación; título em inglês,
Abstract, Index terms, Introducción, Material y Métodos, Resultados y
Discusión, Conclusiones, Agradecimientos, Referencias.
Título
• Deve ser grafado em letras minúsculas, exceto a letra inicial, e em
negrito.
• Deve ter, no máximo, 15 palavras, incluindo-se os artigos, as
preposições e as conjunções.
86
• Deve ser claro e conciso, e representar o conteúdo e o objetivo do
trabalho.
• Não deve conter nome científico, exceto o de espécie pouco conhecida;
neste caso, apresentar somente o nome binário (gênero e espécie),
grafado em itálico.
• Não deve conter subtítulo, abreviações, fórmulas e símbolos.
Nomes dos autores
• Grafar os nomes dos autores com letra inicial maiúscula, por extenso,
separados por vírgula; os dois últimos são separados pela conjunção
"e", "y" ou "and", no caso de artigo em português, espanhol ou inglês,
respectivamente.
• O último sobrenome de cada autor deve ser seguido de um número em
algarismo arábico entre parênteses, em forma de expoente,
correspondente à respectiva chamada para nota de endereços.
Notas de endereços
São apresentadas abaixo dos nomes dos autores, devem conter o nome
e o endereço postal completos da instituição, redigidos no idioma
correspondente ao país, e o endereço eletrônico do(s) autor(es). Devem
ser agrupadas pelo endereço da instituição. O endereço eletrônico de
autores da mesma instituição devem ser separados por vírgula.
Resumo
• A palavra Resumo deve ser grafada em letras minúsculas, exceto a letra
inicial, na margem esquerda, e separada do texto por travessão.
• Deve ser conciso, com frases curtas, completas, e que apresentem
conexão entre si. Deve ser inteligível por si próprio.
• Deve conter, resumidamente, o problema, o objetivo, o material e os
métodos empregados na pesquisa, os resultados e a conclusão.
• O objetivo deve ser claro e conciso, e estar separado da descrição dos
Materiais e Métodos.
• Não deve apresentar citações bibliográficas.
• Não deve conter abreviaturas.
• Deve ser redigido com o verbo no passado, na terceira pessoa. O final
do texto deve conter a principal conclusão, com o verbo no presente do
indicativo.
• Deve conter, no máximo, 200 palavras, incluindo-se os números, as
preposições, as conjunções e os artigos.
Termos para indexação
• A expressão Termos para indexação deve ser grafada em letras
minúsculas, exceto a letra inicial, e seguida de dois-pontos.
87
• Devem ser separados por vírgula e iniciados com letra minúscula,
inclusive o primeiro termo.
• Devem conter, no mínimo, três e, no máximo, seis termos, considerando
que um termo pode possuir duas ou mais palavras.
• Não devem conter palavras que estejam no título.
• Devem conter o nome científico (só o nome binário) da espécie
estudada.
Introdução
• A palavra Introdução deve ser centralizada na página e grafada com
letras minúsculas, exceto a inicial, e em negrito.
• Deve fornecer, com clareza, a justificativa para a realização do trabalho,
situando a importância do problema científico a ser solucionado, e
apresentando sua relação com outros trabalhos publicados sobre o
assunto.
• Citar trabalhos dos últimos 10 anos, principalmente de periódicos; se
necessário, citar trabalhos clássicos diretamente relacionados ao tema.
• O último parágrafo da introdução deve expressar o objetivo, de forma
clara e concisa.
• Deve ocupar, no máximo, duas páginas.
Material e Métodos
• A expressão Material e Métodos deve ser centralizada na página e
grafada com letras minúsculas, exceto a inicial, e em negrito.
• Apresentar a descrição do local, a data e o delineamento do
experimento, e indicar os tratamentos, o número de repetições e o
tamanho da unidade experimental.
• Apresentar a descrição dos tratamentos e variáveis em texto corrido e
separados por ponto-e-vírgula.
• Na designação dos tratamentos e das variáveis, evitar, o quanto
possível, as abreviações ou as siglas; quando necessário, dar o
significado delas.
• Descrever os materiais e os métodos de modo que outro pesquisador
possa repetir o experimento.
• Os métodos devem estar intimamente relacionados com o objetivo do
trabalho.
• Evitar detalhes supérfluos e extensas descrições de técnicas de uso
corrente.
• Fórmulas, expressões ou equações matemáticas devem ser iniciadas à
margem esquerda da página e apresentar tamanho padronizado da
fonte.
88
• Fazer referências à análise estatística utilizada e informar a respeito das
transformações dos dados.
• Evitar os subtítulos sempre que possível; quando necessário, grafá-los
em letras minúsculas, com a inicial maiúscula, e em negrito, na margem
esquerda da página.
Resultados e Discussão
• A expressão Resultados e Discussão deve ser centralizada na página e
grafada, em negrito; o termo Resultados e o termo Discussão devem ser
grafados em caixa alta e baixa e a conjunção “e”, em caixa baixa.
• Todos os dados apresentados devem ser discutidos a partir da citação
de cada tabela ou figura.
• Tabelas e figuras são citadas seqüencialmente, em ordem numérica.
• O texto não deve reapresentar os dados das tabelas e das figuras, mas
discuti-los, isto é, compará-los com os resultados apresentados por
outros autores.
• Evitar abreviar os tratamentos e as variáveis.
• Tabelas e figuras devem ser citadas no texto da seguinte forma: Tabela
ou Figura, seguidas de espaço e do número correspondente.
• Se houver subtítulos, devem ser localizados na margem esquerda da
página, grafados em negrito, com letra inicial maiúscula.
• Não discutir dados não apresentados e não citar trabalhos não
publicados, resumos de congressos, comunicação pessoal e trabalho
no prelo.
• Evitar auto-citação, por questões éticas e para melhor validação do
trabalho.
• Não fazer especulações ou afirmações que não possam ser sustentadas
pelos dados obtidos no próprio trabalho ou por outros trabalhos citados.
• As chamadas às tabelas ou às figuras devem ser feitas no final da
primeira oração do texto em questão; se as demais sentenças do
parágrafo referirem-se à mesma tabela ou figura, não é necessária uma
nova chamada.
• Não apresentar dados simultaneamente em tabelas e em figuras.
• Restringir a discussão aos dados obtidos, e relacionar os novos achados
com os conhecimentos anteriormente obtidos.
• Ocupar quatro páginas, no máximo.
Conclusões
• A palavra Conclusões deve ser centralizada na página e grafada com
letras minúsculas, exceto a inicial, e em negrito.
89
• Usar frases curtas, sem comentários adicionais, elaboradas com base
no objetivo do trabalho.
• Não podem consistir no resumo dos resultados; devem apresentar as
novas descobertas da pesquisa.
• Devem ser no máximo três, numeradas, utilizando-se o verbo no
presente do indicativo.
Agradecimentos
• A palavra Agradecimentos deve ser centralizada na página e grafada
com letras minúsculas, exceto a inicial, e em negrito.
• Devem ser breves e diretos, iniciando-se com "ao, aos, à ou às"
(pessoas ou instituições).
Referências
• A palavra Referências deve ser centralizada e grafada com letras
minúsculas, exceto a inicial, e em negrito.
• Devem conter fontes atuais (dos últimos 10 anos), principalmente de
artigos de periódicos.
• Podem conter, excepcionalmente, trabalhos clássicos mais antigos,
diretamente relacionados com o tema do estudo.
• Devem ser normalizadas de acordo com a NBR 6023, da ABNT
• Devem ser apresentadas em ordem alfabética dos nomes dos autores,
separados por ponto-e-vírgula, sem numeração.
• Devem referenciar todos os autores de cada obra.
• Devem conter os títulos das obras e dos periódicos grafados em negrito.
• Devem conter somente a obra consultada, no caso de citação de
citação.
• Todas as referências devem registrar uma data de publicação, mesmo
que aproximada.
• Não são aceitas referências de resumos, documentos no prelo ou
qualquer outra fonte cujos dados não tenham sido publicados.
• Devem ser 25, no máximo.
• Exemplos:
• Eventos (considerados em parte)
ALBUQUERQUE, F.C.; DUARTE, M.L.R.; NUNES, A.M.L.; STEIN, R.L.B.;
OLIVEIRA, R.P. Comportamento de germoplasma de pimenta-do-reino em
áreas de ocorrência de fusariose no Estado do Pará. In: SEMINÁRIO
INTERNACIONAL SOBRE PIMENTA E CUPUAÇU, 1., 1996, Belém. Anais.
Belém: Embrapa-CPATU/JICA, 1997. p. 269-276. (Embrapa-CPATU.
Documentos, 89).
90
• Artigos de periódicos
BAK, P.; TANG, C.; WIESENFELD, K. Self-organized criticality. Physical
Review A, v.38, p.364-374, 1988.
• Capítulos de livros
DIAS-FILHO, M.B. Pastagens cultivadas na Amazônia oriental brasileira:
processos e causas de degradação e estratégias de recuperação. In: DIAS,
L.E.; MELLO, J.W.V. (Ed.). Recuperação de áreas degradadas. Viçosa: UFV;
Sociedade Brasileira de Recuperação de Áreas Degradadas, 1998. p.135-147.
• Livros
FERREIRA, M.E.; GRATTAPAGLIA, D. Introdução ao uso de marcadores
moleculares em análise genética. 3.ed. Brasília: Embrapa-Cenargen, 1998.
220p.
• Teses e dissertações
MACHADO, C.A.E. Padrões isoenzimáticos de superóxido dismutase de
alguns genótipos de pessegueiro Prunus persica (L.) Batsch. 1984. 36p.
Dissertação (Mestrado) - Universidade Federal de Pelotas, Pelotas.
Citações
Redação das citações dentro de parênteses:
• Citação com um autor: sobrenome grafado com a primeira letra
maiúscula, seguido de vírgula, e data.
• Citação com dois autores: sobrenomes grafados com a primeira letra
maiúscula, separados pelo "e" comercial (&) seguidos de vírgula, e data.
• Citação com mais de dois autores: sobrenome do primeiro autor grafado
com a primeira letra maiúscula, seguido da expressão et al., em fonte
normal, vírgula e data.
• Citação de mais de uma obra: devem obedecer à ordem cronológica e
em seguida à ordem alfabética dos autores, e devem ser separadas por
ponto-e-vírgula.
• Citação de mais de uma obra dos mesmos autores: não repetir os
nomes dos autores; as datas das obras são separadas por vírgula.
• Citação de citação: sobrenome do autor e data do documento original, seguido da
expressão "citado por" e da citação da obra consultada.
Redação das citações fora de parênteses:
• Citações com os nomes dos autores incluídos na sentença: seguem as
orientações anteriores, com as datas entre parênteses; são separadas
por vírgula.
Tabelas
• Devem ser citadas no texto em ordem seqüencial numérica, com a inicial
maiúscula, seguidas do número correspondente. As citações de tabela
podem vir entre parênteses ou integrar o texto.
91
• As tabelas devem ser numeradas seqüencialmente, com algarismo
arábico, e apresentadas em folhas separadas, no final do texto, após as
referências.
• Devem ser auto-explicativas, sem necessidade de recorrer ao texto para
sua compreensão.
• Elementos essenciais: título, cabeçalho, corpo (colunas e linhas) e
coluna indicadora dos tratamentos ou das variáveis.
• Elementos complementares: notas de rodapé e fonte bibliográfica.
• O título, com ponto no final, deve ser precedido da palavra Tabela, em
negrito, numerada consecutivamente com algarismo arábico, na ordem
de sua ocorrência no texto.
• O título deve ser claro, conciso, mas completo; deve incluir o nome
(vulgar ou científico) da espécie e das variáveis dependentes.
• No cabeçalho, os nomes das variáveis que representam o conteúdo de
cada coluna devem ser grafados por extenso; se isso não for possível,
explicar o significado das abreviaturas no título ou nas notas de rodapé
da tabela.
• Apresentar as unidades de medida de todas as variáveis, utilizando o
Sistema Internacional de Unidades. Nas colunas de dados, alinhar os
valores numéricos pelo último algarismo; quando for de número decimal,
pela vírgula (trabalhos em português e espanhol) ou pelo ponto
(trabalhos em inglês), usando o recurso de tabulação decimal; alinhar a
coluna indicadora pela esquerda.
• No corpo da tabela, nenhuma célula (cruzamento de linha com coluna)
deve ficar vazia. A inexistência de dado numérico deve ser representada
por: - (hífen) quando o fenômeno não ocorre; ... (três pontos) quando o
dado é desconhecido, não implicando que o fenômeno exista ou não; 0
(zero) quando o fenômeno existe, porém sua expressão é menor que 1
na última casa decimal adotada.
• Usar fios horizontais para separar o título do cabeçalho, e o cabeçalho do corpo;
usá-los ainda na base da tabela, para separar o conteúdo dos elementos
complementares. Fios horizontais adicionais podem ser usados dentro do
cabeçalho e do corpo; não usar fios verticais.
• Montar as tabelas em arquivo Word, usando os recursos do menu
Tabela; não fazer espaçamento utilizando a barra de espaço do teclado,
mas a tecla de tabulação ou os recursos do menu Tabela.
Notas de rodapé das tabelas
• Notas de fonte: indicam a origem dos dados que constam da tabela; as
fontes devem constar das referências.
• Notas de chamada: são informações de caráter específico sobre partes
da tabela, para conceituar dados. São indicadas em algarismo arábico,
na forma de expoente, entre parênteses, à direita da palavra ou do
número, no título, no cabeçalho, no corpo ou na coluna indicadora. São
92
apresentadas de forma contínua, sem mudança de linha, separadas por
ponto. Para indicação de significância, serão utilizadas, no corpo da
tabela, na forma de expoente, à direita do dado, as chamadas
ns
(Não-
significativo); * e ** (Significativo a 5% e a 1% de probabilidade,
respectivamente).
Figuras
• São consideradas figuras: gráficos, desenhos, mapas e fotografias,
usados para ilustrar o texto.
• Só devem acompanhar o texto quando absolutamente necessárias à
documentação dos fatos descritos.
• A citação das figuras no texto deve ser em ordem seqüencial numérica,
podendo ser entre parênteses ou integrada ao texto; a palavra Figura
deve ser escrita com inicial maiúscula, seguida do número arábico.
• O título da figura, sem negrito, deve ser precedido da palavra Figura, do
número em algarismo arábico e do ponto, em negrito.
• A figura deve ser auto-explicativa, para não haver necessidade de
recorrer ao texto.
• Nos gráficos, as designações das variáveis dos eixos X e Y devem ter
iniciais maiúsculas, seguidas das unidades, dentro de parênteses.
• Figuras não originais devem conter, após o título, a fonte de onde foram
extraídas; as fontes devem ser referenciadas. O crédito para o autor de
fotos é obrigatório, como também é obrigatório o crédito para o autor de
desenhos e gráficos que tenham exigido ação criativa em sua
elaboração.
• Padronizar as unidades e o tamanho das letras em todas as figuras.
• Os pontos das curvas devem ser representados por símbolos simples,
mas contrastantes, como círculo, quadrado, triângulo e losango (cheios
ou vazios).
• Os números que representam as grandezas e respectivas marcas
devem ficar fora do quadrante.
• As curvas devem ser identificadas na própria figura, evitando o excesso
de informações que comprometam o entendimento do gráfico.
• As figuras não podem possuir dados constantes de tabelas.
• Devem ser elaboradas de forma a apresentar qualidade necessária à
boa reprodução gráfica e medir 8,5 cm ou 17,5 cm de largura.
• Devem ser gravadas em disquete, no programa Word ou Excel para
possibilitar a edição em possíveis correções.
• Figuras criadas em outros programas devem ser inseridas em arquivo
Word, usando-se o recurso "Copiar e Colar", devendo ser usada a fonte
Symbol.
93
• A legenda (chave das convenções adotadas) deve ser incluída na área
da figura, no título ou entre o título e a figura.
• Usar fios com, no mínimo, 3/4 ponto de espessura.
• No caso de histogramas, utilizar preferencialmente barras brancas,
pretas e com hachuras de fios verticais, horizontais ou diagonais, de 3/4
ponto de espessura.
• Não usar negrito nas figuras.
• Evitar usar cores nas figuras; as fotografias, porém, devem ser coloridas.
• As figuras, na forma de fotografias, imagens ou desenhos, com 8,5 cm
ou 17,5 cm de largura, devem ser escaneadas com 300 dpi e gravadas
em arquivos TIF, separados do arquivo do texto.
OUTRAS INFORMAÇÕES
• Todos os manuscritos são revisados por, no mínimo, dois especialistas.
• O editor e a assessoria científica reservam-se o direito de solicitar
modificações nos artigos e de decidir sobre a sua publicação.
• São de exclusiva responsabilidade dos autores as opiniões e conceitos
emitidos nos trabalhos.
• Os trabalhos aceitos não poderão ser reproduzidos, mesmo parcialmente,
sem o consentimento expresso do editor da PAB.
• Contatos com a secretaria da Revista podem ser feitos por telefone (61)
448-4231 e (61) 273-9616), fax: (61) 340-5483 ou e-mail:
94
Apêndice 16. Análises estatísticas
lemar Tupa 16:13 Saturday, February 24, 2001 1
Obs trat rep pi pf pcq pcf pdi ptra pcost cc altr gmd mf
of
1 10 1 214.2 344.7 183.1 178.6 66.9 87.2 24.6 4.1 12.1 0.996 1717
7.8
2 10 2 178.0 . . . . . . 4.1 12.4 0.868 1736
7.2
3 10 3 194.3 327.7 180.0 175.3 66.8 84.6 23.9 4.3 11.7 1.068 1685
4.8
4 20 1 205.0 376.3 197.8 193.2 72.9 93.9 26.4 4.3 20.7 1.308 2561
9.5
5 20 2 193.7 356.0 189.4 184.8 70.0 89.7 25.1 4.3 21.2 1.239 2592
6.5
6 20 3 181.3 334.7 175.0 170.7 62.5 85.8 22.4 4.2 20.7 1.170 2588
5.5
7 30 1 176.0 319.0 171.8 167.4 63.0 82.2 22.3 4.0 28.2 1.092 3281
15.1
8 30 2 195.7 350.0 185.2 180.7 67.9 88.2 24.6 4.1 29.8 1.178 3486
12.5
9 30 3 195.0 342.0 180.3 176.0 66.0 86.3 23.7 4.3 30.0 1.122 3521
13.8
10 40 1 186.5 324.7 178.9 174.5 68.1 84.3 22.1 4.2 36.5 1.055 4165
24.1
11 40 2 189.0 337.7 173.8 169.4 62.5 83.9 23.0 4.2 34.8 1.135 3948
17.3
12 40 3 191.5 336.3 184.5 179.6 69.4 86.8 23.4 4.0 36.9 1.106 4064
15.8
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 2
The GLM Procedure
Class Level Information
Class Levels Values
trat 4 10 20 30 40
rep 3 1 2 3
Number of observations 12
Dependent Variables With Equivalent
Missing Value Patterns
Pattern Obs Dependent Variables
1 12 pi cc altr gmd mf of
2 11 pf pcq pcf pdi ptra pcost
NOTE: Variables in each group are consistent with respect to the presence or absence of
missing
values.
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 3
The GLM Procedure
Dependent Variable: pi
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 295.563349 49.260558 0.25 0.9414
Error 5 1001.933318 200.386664
Corrected Total 11 1297.496667
R-Square Coeff Var Root MSE pi Mean
0.227795 7.384992 14.15580 191.6833
Source DF Type III SS Mean Square F Value Pr >
trat 3 132.1377523 44.0459174 0.22 0.8788
altr 1 110.7916823 110.7916823 0.55 0.4906
rep 2 129.9576039 64.9788020 0.32 0.7372
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 4
The GLM Procedure
Dependent Variable: cc
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 0.04093918 0.00682320 0.34 0.8917
Error 5 0.10156082 0.02031216
Corrected Total 11 0.14250000
R-Square Coeff Var Root MSE cc Mean
0.287293 3.413671 0.142521 4.175000
Source DF Type III SS Mean Square F Value Pr > F
trat 3 0.02815949 0.00938650 0.46 0.7210
altr 1 0.00010585 0.00010585 0.01 0.9453
95
rep 2 0.00499352 0.00249676 0.12 0.8869
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 5
The GLM Procedure
Dependent Variable: altr
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 979.5766667 163.2627778 Infty <.0001
Error 5 0.0000000 0.0000000
Corrected Total 11 979.5766667
R-Square Coeff Var Root MSE altr Mean
1.000000 0 0 24.58333
Source DF Type III SS Mean Square F Value Pr > F
trat 3 0.00000000 0.00000000 . .
altr 1 4.43500000 4.43500000 Infty <.0001
rep 2 0.00000000 0.00000000 . .
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 6
The GLM Procedure
Dependent Variable: gmd
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 0.10582481 0.01763747 2.47 0.1697
Error 5 0.03567811 0.00713562
Corrected Total 11 0.14150292
R-Square Coeff Var Root MSE gmd Mean
0.747863 7.600445 0.084473 1.111417
Source DF Type III SS Mean Square F Value Pr > F
trat 3 0.09391716 0.03130572 4.39 0.0726
altr 1 0.00118272 0.00118272 0.17 0.7008
rep 2 0.00051037 0.00025518 0.04 0.9651
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 7
The GLM Procedure
Dependent Variable: mf
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 9427473.600 1571245.600 593.95 <.0001
Error 5 13227.067 2645.413
Corrected Total 11 9440700.667
R-Square Coeff Var Root MSE mf Mean
0.998599 1.746274 51.43358 2945.333
Source DF Type III SS Mean Square F Value Pr > F
trat 3 1542.74371 514.24790 0.19 0.8960
altr 1 43484.26663 43484.26663 16.44 0.0098
rep 2 239.48259 119.74129 0.05 0.9561
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 8
The GLM Procedure
Dependent Variable: of
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 357.0130606 59.5021768 19.97 0.0024
Error 5 14.8961061 2.9792212
Corrected Total 11 371.9091667
R-Square Coeff Var Root MSE of Mean
0.959947 14.80522 1.726042 11.65833
Source DF Type III SS Mean Square F Value Pr > F
trat 3 32.52870097 10.84290032 3.64 0.0991
altr 1 3.19056057 3.19056057 1.07 0.3482
rep 2 41.31029234 20.65514617 6.93 0.0362
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24,
2001 9
The GLM Procedure
Tukey's Studentized Range (HSD) Test for pi
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 200.3867
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 42.65
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 195.50 3 10
A
A 193.33 3 20
96
A
A 189.00 3 40
A
A 188.90 3 30
**********************************************************************
********************************************************************************************************************************************
**********************************************************************
lemar Tupa 16:23 Saturday, February 24,
2001 10
The GLM Procedure
Tukey's Studentized Range (HSD) Test for pf
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 553.2525
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 70.867
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 355.67 3 20
A
A 337.00 3 30
A
A 332.90 3 40
A
A 321.37 3 10
****************************************************************************************
lemar Tupa 16:23 Saturday, February 24, 2001 11
The GLM Procedure
Tukey's Studentized Range (HSD) Test for pcq
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 159.7828
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 38.085
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 187.40 3 20
A
A 179.10 3 30
A
A 179.07 3 40
A
A 171.87 3 10
****************************************************************************************
lemar Tupa 16:23 Saturday, February 24, 2001 12
The GLM Procedure
Tukey's Studentized Range (HSD) Test for pcf
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 151.5439
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 37.09
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 182.90 3 20
A
A 174.70 3 30
A
A 174.50 3 40
A
A 167.57 3 10
****************************************************************************************
lemar Tupa 16:23 Saturday, February 24, 2001 13
The GLM Procedure
Tukey's Studentized Range (HSD) Test for pdi
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 23.65189
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 14.653
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 68.467 3 20
97
A
A 66.667 3 40
A
A 65.633 3 30
A
A 63.367 3 10
****************************************************************************************
lemar Tupa 16:23 Saturday, February 24, 2001 14
The GLM Procedure
Tukey's Studentized Range (HSD) Test for ptra
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 34.01518
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 17.572
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 89.800 3 20
A
A 85.567 3 30
A
A 85.000 3 40
A
A 81.033 3 10
****************************************************************************************
lemar Tupa 16:23 Saturday, February 24, 2001 15
The GLM Procedure
Tukey's Studentized Range (HSD) Test for pcost
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 3.509161
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 5.644
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 24.633 3 20
A
A 23.533 3 30
A
A 23.200 3 10
A
A 22.833 3 40
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 16
The GLM Procedure
Tukey's Studentized Range (HSD) Test for cc
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 0.020312
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 0.4294
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 4.2667 3 20
A
A 4.1667 3 10
A
A 4.1333 3 40
A
A 4.1333 3 30
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 17
The GLM Procedure
Tukey's Studentized Range (HSD) Test for altr
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 0
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 0
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
98
A 36.07 3 40
B 29.33 3 30
C 20.87 3 20
D 12.07 3 10
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 18
The GLM Procedure
Tukey's Studentized Range (HSD) Test for gmd
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 0.007136
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 0.2545
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 1.23900 3 20
A
B A 1.13067 3 30
B A
B A 1.09867 3 40
B
B 0.97733 3 10
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 19
The GLM Procedure
Tukey's Studentized Range (HSD) Test for mf
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 2645.413
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 154.96
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 4059.00 3 40
B 3429.33 3 30
C 2580.33 3 20
D 1712.67 3 10
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 20
The GLM Procedure
Tukey's Studentized Range (HSD) Test for of
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 2.979221
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 5.2004
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 19.067 3 40
B 13.800 3 30
C 7.167 3 20
C
C 6.600 3 10
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 21
The GLM Procedure
Dependent Variable: pf
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 1486.832963 247.805494 0.92 0.5599
Error 4 1078.868855 269.717214
Corrected Total 10 2565.701818
R-Square Coeff Var Root MSE pf Mean
0.579503 4.818590 16.42307 340.8273
Source DF Type III SS Mean Square F Value Pr > F
trat 3 973.6569418 324.5523139 1.20 0.4157
altr 1 314.5089224 314.5089224 1.17 0.3410
rep 2 400.1084570 200.0542285 0.74 0.5321
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 22
The GLM Procedure
Dependent Variable: pcq
Sum of
Source DF Squares Mean Square F Value Pr > F
99
Model 6 347.8608872 57.9768145 1.10 0.4849
Error 4 210.5791128 52.6447782
Corrected Total 10 558.4400000
R-Square Coeff Var Root MSE pcq Mean
0.622915 3.991019 7.255672 181.8000
Source DF Type III SS Mean Square F Value Pr > F
trat 3 287.8911367 95.9637122 1.82 0.2829
altr 1 187.9536650 187.9536650 3.57 0.1318
rep 2 79.3630572 39.6815286 0.75 0.5275
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 23
The GLM Procedure
Dependent Variable: pcf
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 343.6672120 57.2778687 1.14 0.4716
Error 4 201.4418789 50.3604697
Corrected Total 10 545.1090909
R-Square Coeff Var Root MSE pcf Mean
0.630456 4.002750 7.096511 177.2909
Source DF Type III SS Mean Square F Value Pr > F
trat 3 283.3121342 94.4373781 1.88 0.2747
altr 1 183.3218711 183.3218711 3.64 0.1291
rep 2 79.7850869 39.8925434 0.79 0.5131
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 24
The GLM Procedure
Dependent Variable: pdi
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 68.0976787 11.3496131 1.11 0.4821
Error 4 40.9514122 10.2378530
Corrected Total 10 109.0490909
R-Square Coeff Var Root MSE pdi Mean
0.624468 4.782107 3.199665 66.90909
Source DF Type III SS Mean Square F Value Pr > F
trat 3 62.34967660 20.78322553 2.03 0.2522
altr 1 50.88136559 50.88136559 4.97 0.0897
rep 2 18.24023311 9.12011656 0.89 0.4786
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 25
The GLM Procedure
Dependent Variable: ptra
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 68.9934424 11.4989071 1.37 0.3962
Error 4 33.5283758 8.3820939
Corrected Total 10 102.5218182
R-Square Coeff Var Root MSE ptra Mean
0.672964 3.342117 2.895185 86.62727
Source DF Type III SS Mean Square F Value Pr > F
trat 3 55.69534292 18.56511431 2.21 0.2288
altr 1 23.28981866 23.28981866 2.78 0.1709
rep 2 10.63936401 5.31968200 0.63 0.5763
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 26
The GLM Procedure
Dependent Variable: pcost
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 9.85387579 1.64231263 0.84 0.5950
Error 4 7.78794239 1.94698560
Corrected Total 10 17.64181818
R-Square Coeff Var Root MSE pcost Mean
0.558552 5.869517 1.395344 23.77273
Source DF Type III SS Mean Square F Value Pr > F
trat 3 3.84176837 1.28058946 0.66 0.6194
altr 1 2.41205761 2.41205761 1.24 0.3281
rep 2 3.20366492 1.60183246 0.82 0.5020
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 27
The REG Procedure
Model: MODEL1
Dependent Variable: pi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 255.88167 255.88167 2.75 0.1316
Error 9 837.36015 93.04002
Corrected Total 10 1093.24182
Root MSE 9.64573 R-Square 0.2341
Dependent Mean 192.92727 Adj R-Sq 0.1490
Coeff Var 4.99967
100
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 207.29922 9.14122 22.68 <.0001
altr 1 -0.55942 0.33733 -1.66 0.1316
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 28
The REG Procedure
Model: MODEL1
Dependent Variable: pf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 149.09063 149.09063 0.56 0.4752
Error 9 2416.61119 268.51235
Corrected Total 10 2565.70182
Root MSE 16.38635 R-Square 0.0581
Dependent Mean 340.82727 Adj R-Sq -0.0465
Coeff Var 4.80782
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 351.79764 15.52929 22.65 <.0001
altr 1 -0.42701 0.57306 -0.75 0.4752
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 29
The REG Procedure
Model: MODEL1
Dependent Variable: pcq
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 32.92239 32.92239 0.56 0.4719
Error 9 525.51761 58.39085
Corrected Total 10 558.44000
Root MSE 7.64139 R-Square 0.0590
Dependent Mean 181.80000 Adj R-Sq -0.0456
Coeff Var 4.20318
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 186.95515 7.24172 25.82 <.0001
altr 1 -0.20066 0.26723 -0.75 0.4719
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 30
The REG Procedure
Model: MODEL1
Dependent Variable: pcf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 32.37524 32.37524 0.57 0.4702
Error 9 512.73385 56.97043
Corrected Total 10 545.10909
Root MSE 7.54788 R-Square 0.0594
Dependent Mean 177.29091 Adj R-Sq -0.0451
Coeff Var 4.25734
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 182.40305 7.15310 25.50 <.0001
altr 1 -0.19899 0.26396 -0.75 0.4702
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 31
The REG Procedure
Model: MODEL1
Dependent Variable: pdi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1.03916 1.03916 0.09 0.7752
Error 9 108.00993 12.00110
Corrected Total 10 109.04909
Root MSE 3.46426 R-Square 0.0095
Dependent Mean 66.90909 Adj R-Sq -0.1005
Coeff Var 5.17756
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 67.82497 3.28307 20.66 <.0001
altr 1 -0.03565 0.12115 -0.29 0.7752
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 32
101
The REG Procedure
Model: MODEL1
Dependent Variable: ptra
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 7.73120 7.73120 0.73 0.4138
Error 9 94.79062 10.53229
Corrected Total 10 102.52182
Root MSE 3.24535 R-Square 0.0754
Dependent Mean 86.62727 Adj R-Sq -0.0273
Coeff Var 3.74634
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 89.12543 3.07561 28.98 <.0001
altr 1 -0.09724 0.11350 -0.86 0.4138
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 33
The REG Procedure
Model: MODEL1
Dependent Variable: pcost
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 3.72021 3.72021 2.41 0.1554
Error 9 13.92161 1.54685
Corrected Total 10 17.64182
Root MSE 1.24372 R-Square 0.2109
Dependent Mean 23.77273 Adj R-Sq 0.1232
Coeff Var 5.23172
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 25.50565 1.17867 21.64 <.0001
altr 1 -0.06745 0.04350 -1.55 0.1554
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 34
The REG Procedure
Model: MODEL1
Dependent Variable: cc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01685 0.01685 1.27 0.2891
Error 9 0.11951 0.01328
Corrected Total 10 0.13636
Root MSE 0.11524 R-Square 0.1236
Dependent Mean 4.18182 Adj R-Sq 0.0262
Coeff Var 2.75564
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 4.29845 0.10921 39.36 <.0001
altr 1 -0.00454 0.00403 -1.13 0.2891
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 35
The REG Procedure
Model: MODEL2
Dependent Variable: pi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 329.66470 164.83235 1.73 0.2380
Error 8 763.57711 95.44714
Corrected Total 10 1093.24182
Root MSE 9.76971 R-Square 0.3015
Dependent Mean 192.92727 Adj R-Sq 0.1269
Coeff Var 5.06393
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 228.37649 25.69856 8.89 <.0001
altr 1 -2.53185 2.26927 -1.12 0.2969
altr2 1 0.04030 0.04584 0.88 0.4049
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 36
The REG Procedure
Model: MODEL2
Dependent Variable: pf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
102
Model 2 564.30911 282.15456 1.13 0.3703
Error 8 2001.39271 250.17409
Corrected Total 10 2565.70182
Root MSE 15.81689 R-Square 0.2199
Dependent Mean 340.82727 Adj R-Sq 0.0249
Coeff Var 4.64074
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 301.79712 41.60528 7.25 <.0001
altr 1 4.25209 3.67388 1.16 0.2805
altr2 1 -0.09561 0.07421 -1.29 0.2337
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 37
The REG Procedure
Model: MODEL2
Dependent Variable: pcq
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 47.98193 23.99096 0.38 0.6981
Error 8 510.45807 63.80726
Corrected Total 10 558.44000
Root MSE 7.98794 R-Square 0.0859
Dependent Mean 181.80000 Adj R-Sq -0.1426
Coeff Var 4.39381
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 177.43285 21.01176 8.44 <.0001
altr 1 0.69045 1.85541 0.37 0.7195
altr2 1 -0.01821 0.03748 -0.49 0.6401
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 38
The REG Procedure
Model: MODEL2
Dependent Variable: pcf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 49.45894 24.72947 0.40 0.6835
Error 8 495.65015 61.95627
Corrected Total 10 545.10909
Root MSE 7.87123 R-Square 0.0907
Dependent Mean 177.29091 Adj R-Sq -0.1366
Coeff Var 4.43973
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 172.26096 20.70475 8.32 <.0001
altr 1 0.75012 1.82830 0.41 0.6924
altr2 1 -0.01939 0.03693 -0.53 0.6137
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 39
The REG Procedure
Model: MODEL2
Dependent Variable: pdi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 1.14413 0.57207 0.04 0.9587
Error 8 107.90496 13.48812
Corrected Total 10 109.04909
Root MSE 3.67262 R-Square 0.0105
Dependent Mean 66.90909 Adj R-Sq -0.2369
Coeff Var 5.48897
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 68.61997 9.66058 7.10 0.0001
altr 1 -0.11005 0.85306 -0.13 0.9005
altr2 1 0.00152 0.01723 0.09 0.9319
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 40
The REG Procedure
Model: MODEL2
Dependent Variable: ptra
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 19.99930 9.99965 0.97 0.4198
Error 8 82.52252 10.31532
Corrected Total 10 102.52182
103
Root MSE 3.21175 R-Square 0.1951
Dependent Mean 86.62727 Adj R-Sq -0.0062
Coeff Var 3.70755
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 80.53084 8.44829 9.53 <.0001
altr 1 0.70705 0.74601 0.95 0.3710
altr2 1 -0.01643 0.01507 -1.09 0.3072
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 41
The REG Procedure
Model: MODEL2
Dependent Variable: pcost
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 4.61791 2.30896 1.42 0.2970
Error 8 13.02391 1.62799
Corrected Total 10 17.64182
Root MSE 1.27593 R-Square 0.2618
Dependent Mean 23.77273 Adj R-Sq 0.0772
Coeff Var 5.36719
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 23.18076 3.35624 6.91 0.0001
altr 1 0.15011 0.29637 0.51 0.6262
altr2 1 -0.00445 0.00599 -0.74 0.4790
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 42
The REG Procedure
Model: MODEL2
Dependent Variable: cc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.02167 0.01084 0.76 0.5004
Error 8 0.11469 0.01434
Corrected Total 10 0.13636
Root MSE 0.11973 R-Square 0.1589
Dependent Mean 4.18182 Adj R-Sq -0.0513
Coeff Var 2.86320
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 4.12801 0.31495 13.11 <.0001
altr 1 0.01141 0.02781 0.41 0.6924
altr2 1 -0.00032589 0.00056179 -0.58 0.5778
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 51
The REG Procedure
Model: MODEL1
Dependent Variable: pi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 257.90409 257.90409 2.78 0.1299
Error 9 835.33773 92.81530
Corrected Total 10 1093.24182
Root MSE 9.63407 R-Square 0.2359
Dependent Mean 192.92727 Adj R-Sq 0.1510
Coeff Var 4.99363
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 210.44491 10.90294 19.30 <.0001
mf 1 -0.00573 0.00344 -1.67 0.1299
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 52
The REG Procedure
Model: MODEL1
Dependent Variable: pf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 152.41479 152.41479 0.57 0.4702
Error 9 2413.28703 268.14300
Corrected Total 10 2565.70182
Root MSE 16.37507 R-Square 0.0594
Dependent Mean 340.82727 Adj R-Sq -0.0451
Coeff Var 4.80451
Parameter Estimates
104
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 354.29393 18.53178 19.12 <.0001
mf 1 -0.00441 0.00585 -0.75 0.4702
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 53
The REG Procedure
Model: MODEL1
Dependent Variable: pcq
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 35.34861 35.34861 0.61 0.4555
Error 9 523.09139 58.12127
Corrected Total 10 558.44000
Root MSE 7.62373 R-Square 0.0633
Dependent Mean 181.80000 Adj R-Sq -0.0408
Coeff Var 4.19347
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 188.28534 8.62783 21.82 <.0001
mf 1 -0.00212 0.00272 -0.78 0.4555
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 54
The REG Procedure
Model: MODEL1
Dependent Variable: pcf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 34.55152 34.55152 0.61 0.4552
Error 9 510.55757 56.72862
Corrected Total 10 545.10909
Root MSE 7.53184 R-Square 0.0634
Dependent Mean 177.29091 Adj R-Sq -0.0407
Coeff Var 4.24829
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 183.70271 8.52383 21.55 <.0001
mf 1 -0.00210 0.00269 -0.78 0.4552
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 55
The REG Procedure
Model: MODEL1
Dependent Variable: pdi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1.26640 1.26640 0.11 0.7525
Error 9 107.78269 11.97585
Corrected Total 10 109.04909
Root MSE 3.46061 R-Square 0.0116
Dependent Mean 66.90909 Adj R-Sq -0.0982
Coeff Var 5.17211
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 68.13662 3.91640 17.40 <.0001
mf 1 -0.00040177 0.00124 -0.33 0.7525
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 56
The REG Procedure
Model: MODEL1
Dependent Variable: ptra
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 8.03119 8.03119 0.76 0.4045
Error 9 94.49063 10.49896
Corrected Total 10 102.52182
Root MSE 3.24021 R-Square 0.0783
Dependent Mean 86.62727 Adj R-Sq -0.0241
Coeff Var 3.74040
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 89.71854 3.66697 24.47 <.0001
mf 1 -0.00101 0.00116 -0.87 0.4045
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 57
The REG Procedure
10
5
Model: MODEL1
Dependent Variable: pcost
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 3.83569 3.83569 2.50 0.1483
Error 9 13.80613 1.53401
Corrected Total 10 17.64182
Root MSE 1.23855 R-Square 0.2174
Dependent Mean 23.77273 Adj R-Sq 0.1305
Coeff Var 5.20998
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 25.90906 1.40168 18.48 <.0001
mf 1 -0.00069923 0.00044219 -1.58 0.1483
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 58
The REG Procedure
Model: MODEL1
Dependent Variable: cc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01494 0.01494 1.11 0.3201
Error 9 0.12142 0.01349
Corrected Total 10 0.13636
Root MSE 0.11615 R-Square 0.1096
Dependent Mean 4.18182 Adj R-Sq 0.0106
Coeff Var 2.77758
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 4.31514 0.13145 32.83 <.0001
mf 1 -0.00004364 0.00004147 -1.05 0.3201
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 59
The REG Procedure
Model: MODEL2
Dependent Variable: pi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 332.72596 166.36298 1.75 0.2342
Error 8 760.51586 95.06448
Corrected Total 10 1093.24182
Root MSE 9.75010 R-Square 0.3043
Dependent Mean 192.92727 Adj R-Sq 0.1304
Coeff Var 5.05377
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 244.14102 39.55207 6.17 0.0003
mf 1 -0.03089 0.02857 -1.08 0.3111
mf2 1 0.00000430 0.00000484 0.89 0.4009
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 60
The REG Procedure
Model: MODEL2
Dependent Variable: pf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 588.17525 294.08763 1.19 0.3529
Error 8 1977.52657 247.19082
Corrected Total 10 2565.70182
Root MSE 15.72230 R-Square 0.2292
Dependent Mean 340.82727 Adj R-Sq 0.0366
Coeff Var 4.61298
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 272.97542 63.77878 4.28 0.0027
mf 1 0.05630 0.04607 1.22 0.2564
mf2 1 -0.00001037 0.00000781 -1.33 0.2209
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 61
The REG Procedure
Model: MODEL2
Dependent Variable: pcq
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
106
Model 2 53.73461 26.86731 0.43 0.6672
Error 8 504.70539 63.08817
Corrected Total 10 558.44000
Root MSE 7.94281 R-Square 0.0962
Dependent Mean 181.80000 Adj R-Sq -0.1297
Coeff Var 4.36898
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 171.58177 32.22063 5.33 0.0007
mf 1 0.01035 0.02327 0.44 0.6684
mf2 1 -0.00000213 0.00000394 -0.54 0.6040
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 62
The REG Procedure
Model: MODEL2
Dependent Variable: pcf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 54.74334 27.37167 0.45 0.6549
Error 8 490.36575 61.29572
Corrected Total 10 545.10909
Root MSE 7.82916 R-Square 0.1004
Dependent Mean 177.29091 Adj R-Sq -0.1245
Coeff Var 4.41600
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 166.19807 31.75961 5.23 0.0008
mf 1 0.01097 0.02294 0.48 0.6453
mf2 1 -0.00000223 0.00000389 -0.57 0.5818
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 63
The REG Procedure
Model: MODEL2
Dependent Variable: pdi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 1.30917 0.65458 0.05 0.9528
Error 8 107.73992 13.46749
Corrected Total 10 109.04909
Root MSE 3.66981 R-Square 0.0120
Dependent Mean 66.90909 Adj R-Sq -0.2350
Coeff Var 5.48477
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 68.94217 14.88687 4.63 0.0017
mf 1 -0.00100 0.01075 -0.09 0.9280
mf2 1 1.026888E-7 0.00000182 0.06 0.9564
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 64
The REG Procedure
Model: MODEL2
Dependent Variable: ptra
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 21.57966 10.78983 1.07 0.3885
Error 8 80.94216 10.11777
Corrected Total 10 102.52182
Root MSE 3.18084 R-Square 0.2105
Dependent Mean 86.62727 Adj R-Sq 0.0131
Coeff Var 3.67187
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 75.37981 12.90335 5.84 0.0004
mf 1 0.00969 0.00932 1.04 0.3287
mf2 1 -0.00000183 0.00000158 -1.16 0.2806
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 65
The REG Procedure
Model: MODEL2
Dependent Variable: pcost
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 4.86168 2.43084 1.52 0.2754
Error 8 12.78014 1.59752
Corrected Total 10 17.64182
107
Root MSE 1.26393 R-Square 0.2756
Dependent Mean 23.77273 Adj R-Sq 0.0945
Coeff Var 5.31672
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 21.96325 5.12723 4.28 0.0027
mf 1 0.00225 0.00370 0.61 0.5609
mf2 1 -5.03E-7 6.276532E-7 -0.80 0.4460
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 66
The REG Procedure
Model: MODEL2
Dependent Variable: cc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.01743 0.00871 0.59 0.5788
Error 8 0.11894 0.01487
Corrected Total 10 0.13636
Root MSE 0.12193 R-Square 0.1278
Dependent Mean 4.18182 Adj R-Sq -0.0903
Coeff Var 2.91575
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 4.12090 0.49462 8.33 <.0001
mf 1 0.00010137 0.00035726 0.28 0.7838
mf2 1 -2.47619E-8 6.054979E-8 -0.41 0.6933
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 75
The REG Procedure
Model: MODEL1
Dependent Variable: pi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 125.25909 125.25909 1.16 0.3086
Error 9 967.98273 107.55364
Corrected Total 10 1093.24182
Root MSE 10.37081 R-Square 0.1146
Dependent Mean 192.92727 Adj R-Sq 0.0162
Coeff Var 5.37550
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 200.14182 7.38038 27.12 <.0001
of 1 -0.59804 0.55416 -1.08 0.3086
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 76
The REG Procedure
Model: MODEL1
Dependent Variable: pf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 337.76556 337.76556 1.36 0.2728
Error 9 2227.93625 247.54847
Corrected Total 10 2565.70182
Root MSE 15.73367 R-Square 0.1316
Dependent Mean 340.82727 Adj R-Sq 0.0352
Coeff Var 4.61632
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 352.67437 11.19686 31.50 <.0001
of 1 -0.98205 0.84073 -1.17 0.2728
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 77
The REG Procedure
Model: MODEL1
Dependent Variable: pcq
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 47.75852 47.75852 0.84 0.3828
Error 9 510.68148 56.74239
Corrected Total 10 558.44000
Root MSE 7.53275 R-Square 0.0855
Dependent Mean 181.80000 Adj R-Sq -0.0161
Coeff Var 4.14343
Parameter Estimates
Parameter Standard
108
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 186.25482 5.36068 34.74 <.0001
of 1 -0.36928 0.40251 -0.92 0.3828
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 78
The REG Procedure
Model: MODEL1
Dependent Variable: pcf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 46.41190 46.41190 0.84 0.3840
Error 9 498.69720 55.41080
Corrected Total 10 545.10909
Root MSE 7.44384 R-Square 0.0851
Dependent Mean 177.29091 Adj R-Sq -0.0165
Coeff Var 4.19866
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 181.68247 5.29741 34.30 <.0001
of 1 -0.36403 0.39776 -0.92 0.3840
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 79
The REG Procedure
Model: MODEL1
Dependent Variable: pdi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.66372 0.66372 0.06 0.8196
Error 9 108.38537 12.04282
Corrected Total 10 109.04909
Root MSE 3.47028 R-Square 0.0061
Dependent Mean 66.90909 Adj R-Sq -0.1043
Coeff Var 5.18655
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 67.43426 2.46962 27.31 <.0001
of 1 -0.04353 0.18543 -0.23 0.8196
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 80
The REG Procedure
Model: MODEL1
Dependent Variable: ptra
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 15.21553 15.21553 1.57 0.2420
Error 9 87.30628 9.70070
Corrected Total 10 102.52182
Root MSE 3.11459 R-Square 0.1484
Dependent Mean 86.62727 Adj R-Sq 0.0538
Coeff Var 3.59540
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 89.14175 2.21650 40.22 <.0001
of 1 -0.20843 0.16643 -1.25 0.2420
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 81
The REG Procedure
Model: MODEL1
Dependent Variable: pcost
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 4.42592 4.42592 3.01 0.1166
Error 9 13.21590 1.46843
Corrected Total 10 17.64182
Root MSE 1.21179 R-Square 0.2509
Dependent Mean 23.77273 Adj R-Sq 0.1676
Coeff Var 5.09739
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 25.12887 0.86237 29.14 <.0001
of 1 -0.11242 0.06475 -1.74 0.1166
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 82
The REG Procedure
Model: MODEL1
109
Dependent Variable: cc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01560 0.01560 1.16 0.3090
Error 9 0.12077 0.01342
Corrected Total 10 0.13636
Root MSE 0.11584 R-Square 0.1144
Dependent Mean 4.18182 Adj R-Sq 0.0160
Coeff Var 2.77003
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 4.26233 0.08244 51.70 <.0001
of 1 -0.00667 0.00619 -1.08 0.3090
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 83
The REG Procedure
Model: MODEL2
Dependent Variable: pi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 145.24796 72.62398 0.61 0.5654
Error 8 947.99386 118.49923
Corrected Total 10 1093.24182
Root MSE 10.88574 R-Square 0.1329
Dependent Mean 192.92727 Adj R-Sq -0.0839
Coeff Var 5.64240
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 194.44295 15.89170 12.24 <.0001
of 1 0.43474 2.58101 0.17 0.8704
of2 1 -0.03811 0.09280 -0.41 0.6921
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 84
The REG Procedure
Model: MODEL2
Dependent Variable: pf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 584.64661 292.32330 1.18 0.3554
Error 8 1981.05521 247.63190
Corrected Total 10 2565.70182
Root MSE 15.73632 R-Square 0.2279
Dependent Mean 340.82727 Adj R-Sq 0.0348
Coeff Var 4.61710
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 332.64633 22.97291 14.48 <.0001
of 1 2.64753 3.73109 0.71 0.4981
of2 1 -0.13395 0.13415 -1.00 0.3473
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 85
The REG Procedure
Model: MODEL2
Dependent Variable: pcq
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 56.04210 28.02105 0.45 0.6551
Error 8 502.39790 62.79974
Corrected Total 10 558.44000
Root MSE 7.92463 R-Square 0.1004
Dependent Mean 181.80000 Adj R-Sq -0.1246
Coeff Var 4.35898
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 182.58619 11.56889 15.78 <.0001
of 1 0.29557 1.87893 0.16 0.8789
of2 1 -0.02454 0.06756 -0.36 0.7259
***************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 86
The REG Procedure
Model: MODEL2
Dependent Variable: pcf
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
110
Model 2 54.44173 27.22086 0.44 0.6565
Error 8 490.66736 61.33342
Corrected Total 10 545.10909
Root MSE 7.83157 R-Square 0.0999
Dependent Mean 177.29091 Adj R-Sq -0.1252
Coeff Var 4.41735
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 178.07047 11.43303 15.58 <.0001
of 1 0.29055 1.85687 0.16 0.8795
of2 1 -0.02416 0.06676 -0.36 0.7268
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 87
The REG Procedure
Model: MODEL2
Dependent Variable: pdi
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.73946 0.36973 0.03 0.9732
Error 8 108.30963 13.53870
Corrected Total 10 109.04909
Root MSE 3.67950 R-Square 0.0068
Dependent Mean 66.90909 Adj R-Sq -0.2415
Coeff Var 5.49925
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 67.78505 5.37157 12.62 <.0001
of 1 -0.10711 0.87241 -0.12 0.9053
of2 1 0.00235 0.03137 0.07 0.9422
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 88
The REG Procedure
Model: MODEL2
Dependent Variable: ptra
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 18.84540 9.42270 0.90 0.4438
Error 8 83.67642 10.45955
Corrected Total 10 102.52182
Root MSE 3.23412 R-Square 0.1838
Dependent Mean 86.62727 Adj R-Sq -0.0202
Coeff Var 3.73338
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 86.71324 4.72138 18.37 <.0001
of 1 0.23167 0.76681 0.30 0.7703
of2 1 -0.01624 0.02757 -0.59 0.5720
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 89
The REG Procedure
Model: MODEL2
Dependent Variable: pcost
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 5.94250 2.97125 2.03 0.1934
Error 8 11.69931 1.46241
Corrected Total 10 17.64182
Root MSE 1.20930 R-Square 0.3368
Dependent Mean 23.77273 Adj R-Sq 0.1711
Coeff Var 5.08694
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 23.55913 1.76542 13.34 <.0001
of 1 0.17206 0.28673 0.60 0.5651
of2 1 -0.01050 0.01031 -1.02 0.3383
****************************************************************************************
lemar Tupa 16:13 Saturday, February 24, 2001 90
The REG Procedure
Model: MODEL2
Dependent Variable: cc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.03459 0.01730 1.36 0.3102
Error 8 0.10177 0.01272
Corrected Total 10 0.13636
111
Root MSE 0.11279 R-Square 0.2537
Dependent Mean 4.18182 Adj R-Sq 0.0671
Coeff Var 2.69713
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 4.43800 0.16466 26.95 <.0001
of 1 -0.03851 0.02674 -1.44 0.1878
of2 1 0.00117 0.00096150 1.22 0.2565
**********************************************************************
********************************************************************************************************************************************
**********************************************************************
lemar Tupa 15:26 Saturday, February 24, 2001 1
Obs trat rep altr tac
1 10 1 12.1 70.0
2 10 2 12.4 71.4
3 10 3 11.7 49.6
4 20 1 20.7 57.9
5 20 2 21.2 .
6 20 3 20.7 39.6
7 30 1 28.2 57.4
8 30 2 29.8 55.3
9 30 3 30.0 63.7
10 40 1 36.5 63.1
11 40 2 34.8 42.8
12 40 3 36.9 50.0
****************************************************************************************
lemar Tupa 15:26 Saturday, February 24, 2001 2
The GLM Procedure
Class Level Information
Class Levels Values
trat 4 10 20 30 40
rep 3 1 2 3
Number of observations 12
NOTE: Due to missing values, only 11 observations can be used in this analysis.
****************************************************************************************
lemar Tupa 15:26 Saturday, February 24, 2001 3
The GLM Procedure
Dependent Variable: tac
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 917.512503 152.918751 4.09 0.0969
Error 4 149.472951 37.368238
Corrected Total 10 1066.985455
R-Square Coeff Var Root MSE tac Mean
0.859911 10.83159 6.112957 56.43636
Source DF Type III SS Mean Square F Value Pr > F
trat 3 567.7826479 189.2608826 5.06 0.0755
rep 2 421.7880580 210.8940290 5.64 0.0685
altr 1 294.8752434 294.8752434 7.89 0.0484
****************************************************************************************
lemar Tupa 15:26 Saturday, February 24, 2001 4
The GLM Procedure
Tukey's Studentized Range (HSD) Test for tac
NOTE: This test controls the Type I experimentwise error rate.
Alpha 0.05
Error Degrees of Freedom 4
Error Mean Square 37.36824
Critical Value of Studentized Range 5.75706
Comparisons significant at the 0.05 level are indicated by ***.
Difference
trat Between Simultaneous 95%
Comparison Means Confidence Limits
10 - 30 4.867 -15.452 25.185
10 - 40 11.700 -8.618 32.018
10 - 20 14.917 -7.800 37.633
30 - 10 -4.867 -25.185 15.452
30 - 40 6.833 -13.485 27.152
30 - 20 10.050 -12.667 32.767
40 - 10 -11.700 -32.018 8.618
40 - 30 -6.833 -27.152 13.485
40 - 20 3.217 -19.500 25.933
20 - 10 -14.917 -37.633 7.800
20 - 30 -10.050 -32.767 12.667
20 - 40 -3.217 -25.933 19.500
****************************************************************************************
lemar Tupa 15:26 Saturday, February 24, 2001 5
The REG Procedure
Model: MODEL1
Dependent Variable: tac
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 96.90883 96.90883 0.90 0.3678
Error 9 970.07662 107.78629
112
Corrected Total 10 1066.98545
Root MSE 10.38202 R-Square 0.0908
Dependent Mean 56.43636 Adj R-Sq -0.0102
Coeff Var 18.39597
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 64.31569 8.87982 7.24 <.0001
altr 1 -0.31655 0.33385 -0.95 0.3678
****************************************************************************************
lemar Tupa 15:26 Saturday, February 24, 2001 6
The REG Procedure
Model: MODEL2
Dependent Variable: tac
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 135.37570 67.68785 0.58 0.5812
Error 8 931.60975 116.45122
Corrected Total 10 1066.98545
Root MSE 10.79126 R-Square 0.1269
Dependent Mean 56.43636 Adj R-Sq -0.0914
Coeff Var 19.12111
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 78.71241 26.69546 2.95 0.0185
altr 1 -1.74381 2.50744 -0.70 0.5065
altr2 1 0.02987 0.05196 0.57 0.5813
**********************************************************************
********************************************************************************************************************************************
**********************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 1
Obs per trat rep rfc altr
1 1 10 1 0.95 6.2
2 1 10 2 1.17 6.8
3 1 10 3 0.88 9.9
4 1 20 1 1.26 13.6
5 1 20 2 0.96 17.2
6 1 20 3 1.25 16.5
7 1 30 1 0.93 19.6
8 1 30 2 0.89 26.8
9 1 30 3 1.08 25.1
10 1 40 1 0.70 32.5
11 1 40 2 0.72 35.2
12 1 40 3 0.80 31.1
13 2 10 1 0.75 3.9
14 2 10 2 1.09 5.2
15 2 10 3 0.84 6.1
16 2 20 1 0.71 12.3
17 2 20 2 0.87 15.9
18 2 20 3 1.26 17.4
19 2 30 1 0.73 22.4
20 2 30 2 0.74 35.1
21 2 30 3 1.04 36.2
22 2 40 1 0.56 47.0
23 2 40 2 0.61 45.2
24 2 40 3 0.64 38.5
25 3 10 1 0.69 6.9
26 3 10 2 0.89 7.7
27 3 10 3 0.76 8.1
28 3 20 1 0.66 22.4
29 3 20 2 0.89 22.6
30 3 20 3 1.14 22.1
31 3 30 1 0.74 40.5
32 3 30 2 0.80 47.7
33 3 30 3 1.16 40.1
34 3 40 1 0.60 43.0
35 3 40 2 0.66 44.8
36 3 40 3 0.72 40.7
37 4 10 1 0.41 34.8
38 4 10 2 0.58 18.7
39 4 10 3 0.65 11.7
40 4 20 1 0.65 40.1
41 4 20 2 1.15 27.2
42 4 20 3 1.42 33.0
43 4 30 1 0.92 36.0
44 4 30 2 1.07 37.9
45 4 30 3 . 33.6
46 4 40 1 0.76 29.3
47 4 40 2 0.86 33.7
48 4 40 3 0.98 30.9
49 5 10 1 0.07 26.0
50 5 10 2 0.04 27.2
51 5 10 3 0.18 13.8
113
52 5 20 1 0.04 33.6
53 5 20 2 0.04 23.8
54 5 20 3 0.03 29.8
55 5 30 1 0.05 29.3
56 5 30 2 0.04 34.5
57 5 30 3 0.09 23.4
58 5 40 1 0.02 30.0
59 5 40 2 0.04 35.1
60 5 40 3 0.02 23.4
****************************************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 3
The GLM Procedure
Class Level Information
Class Levels Values
trat 4 10 20 30 40
rep 3 1 2 3
per 5 1 2 3 4 5
altr 53 3.9 5.2 6.1 6.2 6.8 6.9 7.7 8.1 9.9 11.7 12.3 13.6 13.8 15.9 16.5
17.2 17.4
18.7 19.6 22.1 22.4 22.6 23.4 23.8 25.1 26 26.8 27.2 29.3 29.8 30
30.9 31.1
32.5 33 33.6 33.7 34.5 34.8 35.1 35.2 36 36.2 37.9 38.5 40.1 40.5
40.7 43
44.8 45.2 47 47.7
Number of observations 60
NOTE: Due to missing values, only 59 observations can be used in this analysis.
****************************************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 4
The GLM Procedure
Dependent Variable: rfc
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 27 8.07735429 0.29916127 19.76 <.0001
Error 31 0.46930333 0.01513882
Corrected Total 58 8.54665763
R-Square Coeff Var Root MSE rfc Mean
0.945089 17.59843 0.123040 0.699153
Source DF Type III SS Mean Square F Value Pr > F
trat 3 0.51915381 0.17305127 11.43 <.0001
rep(trat) 8 0.57781333 0.07222667 4.77 0.0007
per 4 6.52784667 1.63196167 107.80 <.0001
trat*per 12 0.60603818 0.05050318 3.34 0.0034
Tests of Hypotheses Using the Type III MS for rep(trat) as an Error Term
Source DF Type III SS Mean Square F Value Pr > F
trat 3 0.51915381 0.17305127 2.40 0.1437
****************************************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 5
The GLM Procedure
Tukey's Studentized Range (HSD) Test for rfc
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 8
Error Mean Square 0.072227
Critical Value of Studentized Range 4.52880
Minimum Significant Difference 0.3171
Harmonic Mean of Cell Sizes 14.73684
NOTE: Cell sizes are not equal.
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 0.82200 15 20
A
A 0.73429 14 30
A
A 0.66333 15 10
A
A 0.57933 15 40
****************************************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 6
The GLM Procedure
Tukey's Studentized Range (HSD) Test for rfc
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 31
Error Mean Square 0.015139
Critical Value of Studentized Range 4.09389
Minimum Significant Difference 0.1467
Harmonic Mean of Cell Sizes 11.78571
NOTE: Cell sizes are not equal.
Means with the same letter are not significantly different.
114
Tukey Grouping Mean N per
A 0.96583 12 1
A
B A 0.85909 11 4
B A
B A 0.82000 12 2
B
B 0.80917 12 3
C 0.05500 12 5
****************************************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 7
The REG Procedure
Model: MODEL1
Dependent Variable: rfc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.32369 0.32369 2.24 0.1397
Error 57 8.22297 0.14426
Corrected Total 58 8.54666
Root MSE 0.37982 R-Square 0.0379
Dependent Mean 0.69915 Adj R-Sq 0.0210
Coeff Var 54.32565
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 0.85953 0.11793 7.29 <.0001
altr 1 -0.00616 0.00411 -1.50 0.1397
****************************************************************************************
lemar Tupa 15:24 Saturday, February 24, 2001 8
The REG Procedure
Model: MODEL2
Dependent Variable: rfc
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.66519 0.33259 2.36 0.1034
Error 56 7.88147 0.14074
Corrected Total 58 8.54666
Root MSE 0.37515 R-Square 0.0778
Dependent Mean 0.69915 Adj R-Sq 0.0449
Coeff Var 53.65840
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1.11217 0.19968 5.57 <.0001
altr 1 -0.03259 0.01745 -1.87 0.0670
altr2 1 0.00052967 0.00034003 1.56 0.1249
**********************************************************************
********************************************************************************************************************************************
**********************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 1
Obs trat rep altr prodto
1 10 1 12.1 10050
2 10 2 12.4 10211
3 10 3 11.7 7377
4 20 1 20.7 8428
5 20 2 21.2 7337
6 20 3 20.7 6041
7 30 1 28.2 8422
8 30 2 29.8 8155
9 30 3 30.0 9227
10 40 1 36.5 9207
11 40 2 34.8 6498
12 40 3 36.9 7570
****************************************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 2
The GLM Procedure
Class Level Information
Class Levels Values
trat 4 10 20 30 40
rep 3 1 2 3
Number of observations 12
****************************************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 3
The GLM Procedure
Dependent Variable: prodto
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 16522859.13 2753809.85 5.53 0.0403
Error 5 2491655.12 498331.02
Corrected Total 11 19014514.25
R-Square Coeff Var Root MSE prodto Mean
0.868960 8.598102 705.9257 8210.250
Source DF Type III SS Mean Square F Value Pr > F
115
trat 3 10964526.06 3654842.02 7.33 0.0280
rep 2 7180890.20 3590445.10 7.20 0.0337
altr 1 5284021.54 5284021.54 10.60 0.0225
****************************************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 4
The GLM Procedure
Tukey's Studentized Range (HSD) Test for prodto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 5
Error Mean Square 498331
Critical Value of Studentized Range 5.21848
Minimum Significant Difference 2126.9
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 9212.7 3 10
A
A 8601.3 3 30
A
A 7758.3 3 40
A
A 7268.7 3 20
****************************************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 5
The REG Procedure
Model: MODEL1
Dependent Variable: prodto
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1151843 1151843 0.64 0.4406
Error 10 17862671 1786267
Corrected Total 11 19014514
Root MSE 1336.51305 R-Square 0.0606
Dependent Mean 8210.25000 Adj R-Sq -0.0334
Coeff Var 16.27859
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 9053.23173 1118.42555 8.09 <.0001
altr 1 -34.29078 42.70257 -0.80 0.4406
****************************************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 6
The REG Procedure
Model: MODEL2
Dependent Variable: prodto
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 2590658 1295329 0.71 0.5173
Error 9 16423857 1824873
Corrected Total 11 19014514
Root MSE 1350.87859 R-Square 0.1362
Dependent Mean 8210.25000 Adj R-Sq -0.0557
Coeff Var 16.45356
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 11735 3225.30065 3.64 0.0054
altr 1 -294.35821 296.05002 -0.99 0.3461
altr2 1 5.41000 6.09272 0.89 0.3977
****************************************************************************************
lemar Tupa 14:20 Saturday, February 24, 2001 8
The REG Procedure
Model: MODEL1
Dependent Variable: prodto
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1151843 1151843 0.64 0.4406
Error 10 17862671 1786267
Corrected Total 11 19014514
Root MSE 1336.51305 R-Square 0.0606
Dependent Mean 8210.25000 Adj R-Sq -0.0334
Coeff Var 16.27859
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 9053.23173 1118.42555 8.09 <.0001
altr 1 -34.29078 42.70257 -0.80 0.4406
****************************************************************************************
116
lemar Tupa 14:20 Saturday, February 24, 2001 9
The REG Procedure
Model: MODEL1
Dependent Variable: prodto
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs prodto Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 10050 8638 658.0423 1412 1163.3 1.214 | |** |
0.236
2 10211 8628 647.7080 1583 1169.1 1.354 | |** |
0.281
3 7377 8652 671.9540 -1275 1155.3 -1.104 | **| |
0.206
4 8428 8343 419.9460 84.5875 1268.8 0.0667 | | |
0.000
5 7337 8326 411.9820 -989.2671 1271.4 -0.778 | *| |
0.032
6 6041 8343 419.9460 -2302 1268.8 -1.815 | ***| |
0.180
7 8422 8086 415.5810 335.7683 1270.3 0.264 | | |
0.004
8 8155 8031 445.5108 123.6336 1260.1 0.0981 | | |
0.001
9 9227 8025 449.8420 1202 1258.5 0.955 | |* |
0.058
10 9207 7802 638.5974 1405 1174.1 1.197 | |** |
0.212
11 6498 7860 582.4036 -1362 1202.9 -1.132 | **| |
0.150
12 7570 7788 652.2902 -217.9019 1166.5 -0.187 | | |
0.005
Sum of Residuals 0
Sum of Squared Residuals 17862671
Predicted Residual SS (PRESS) 26615253
**********************************************************************
********************************************************************************************************************************************
**********************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 1
Obs trat rep carga gpa mf of altr gmd
1 10 1 988 501 1717 7.8 12.1 0.996
2 10 2 1090 572 1736 7.2 12.4 0.868
3 10 3 1173 471 1685 4.8 11.7 1.018
4 20 1 675 385 2561 9.5 20.7 1.308
5 20 2 864 395 2592 6.5 21.2 1.239
6 20 3 836 376 2588 5.5 20.7 1.170
7 30 1 425 263 3281 15.1 28.2 1.092
8 30 2 497 270 3486 12.5 29.8 1.178
9 30 3 510 330 3521 13.8 30.0 1.122
10 40 1 292 141 4165 24.1 36.5 1.055
11 40 2 286 165 3948 17.3 34.8 1.135
12 40 3 366 196 4064 15.8 36.9 1.106
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 2
The GLM Procedure
Class Level Information
Class Levels Values
trat 4 10 20 30 40
rep 3 1 2 3
Number of observations 12
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 3
The GLM Procedure
Dependent Variable: carga
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 1081493.167 216298.633 104.27 <.0001
Error 6 12446.500 2074.417
Corrected Total 11 1093939.667
R-Square Coeff Var Root MSE carga Mean
0.988622 6.830157 45.54576 666.8333
Source DF Type I SS Mean Square F Value Pr > F
trat 3 1047795.000 349265.000 168.37 <.0001
rep 2 33698.167 16849.083 8.12 0.0196
Source DF Type III SS Mean Square F Value Pr > F
trat 3 1047795.000 349265.000 168.37 <.0001
rep 2 33698.167 16849.083 8.12 0.0196
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 4
The GLM Procedure
Dependent Variable: gpa
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 197019.0833 39403.8167 29.17 0.0004
117
Error 6 8105.1667 1350.8611
Corrected Total 11 205124.2500
R-Square Coeff Var Root MSE gpa Mean
0.960487 10.84991 36.75406 338.7500
Source DF Type I SS Mean Square F Value Pr > F
trat 3 195329.5833 65109.8611 48.20 0.0001
rep 2 1689.5000 844.7500 0.63 0.5667
Source DF Type III SS Mean Square F Value Pr > F
trat 3 195329.5833 65109.8611 48.20 0.0001
rep 2 1689.5000 844.7500 0.63 0.5667
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 5
The GLM Procedure
Dependent Variable: mf
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 9383989.333 1876797.867 198.56 <.0001
Error 6 56711.333 9451.889
Corrected Total 11 9440700.667
R-Square Coeff Var Root MSE mf Mean
0.993993 3.300843 97.22083 2945.333
Source DF Type I SS Mean Square F Value Pr > F
trat 3 9381604.667 3127201.556 330.85 <.0001
rep 2 2384.667 1192.333 0.13 0.8838
Source DF Type III SS Mean Square F Value Pr > F
trat 3 9381604.667 3127201.556 330.85 <.0001
rep 2 2384.667 1192.333 0.13 0.8838
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 6
The GLM Procedure
Dependent Variable: of
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 353.8225000 70.7645000 23.48 0.0007
Error 6 18.0866667 3.0144444
Corrected Total 11 371.9091667
R-Square Coeff Var Root MSE of Mean
0.951368 14.89249 1.736216 11.65833
Source DF Type I SS Mean Square F Value Pr > F
trat 3 315.6958333 105.2319444 34.91 0.0003
rep 2 38.1266667 19.0633333 6.32 0.0333
Source DF Type III SS Mean Square F Value Pr > F
trat 3 315.6958333 105.2319444 34.91 0.0003
rep 2 38.1266667 19.0633333 6.32 0.0333
***************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 7
The GLM Procedure
Dependent Variable: altr
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 975.1416667 195.0283333 263.85 <.0001
Error 6 4.4350000 0.7391667
Corrected Total 11 979.5766667
R-Square Coeff Var Root MSE altr Mean
0.995473 3.497280 0.859748 24.58333
Source DF Type I SS Mean Square F Value Pr > F
trat 3 974.7300000 324.9100000 439.56 <.0001
rep 2 0.4116667 0.2058333 0.28 0.7662
Source DF Type III SS Mean Square F Value Pr > F
trat 3 974.7300000 324.9100000 439.56 <.0001
rep 2 0.4116667 0.2058333 0.28 0.7662
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 8
The GLM Procedure
Dependent Variable: gmd
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 5 0.11858375 0.02371675 4.82 0.0409
Error 6 0.02955250 0.00492542
Corrected Total 11 0.14813625
R-Square Coeff Var Root MSE gmd Mean
0.800505 6.338344 0.070181 1.107250
Source DF Type I SS Mean Square F Value Pr > F
trat 3 0.11840025 0.03946675 8.01 0.0161
rep 2 0.00018350 0.00009175 0.02 0.9816
Source DF Type III SS Mean Square F Value Pr > F
trat 3 0.11840025 0.03946675 8.01 0.0161
rep 2 0.00018350 0.00009175 0.02 0.9816
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 9
The GLM Procedure
Tukey's Studentized Range (HSD) Test for carga
118
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 2074.417
Critical Value of Studentized Range 4.89559
Minimum Significant Difference 128.73
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 1083.67 3 10
B 791.67 3 20
C 477.33 3 30
D 314.67 3 40
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 10
The GLM Procedure
Tukey's Studentized Range (HSD) Test for gpa
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 1350.861
Critical Value of Studentized Range 4.89559
Minimum Significant Difference 103.88
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 514.67 3 10
B 385.33 3 20
B
B 287.67 3 30
C 167.33 3 40
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 11
The GLM Procedure
Tukey's Studentized Range (HSD) Test for mf
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 9451.889
Critical Value of Studentized Range 4.89559
Minimum Significant Difference 274.79
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 4059.00 3 40
B 3429.33 3 30
C 2580.33 3 20
D 1712.67 3 10
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 12
The GLM Procedure
Tukey's Studentized Range (HSD) Test for of
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 3.014444
Critical Value of Studentized Range 4.89559
Minimum Significant Difference 4.9074
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 19.067 3 40
B 13.800 3 30
C 7.167 3 20
C
C 6.600 3 10
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 13
The GLM Procedure
Tukey's Studentized Range (HSD) Test for altr
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 0.739167
Critical Value of Studentized Range 4.89559
Minimum Significant Difference 2.4301
Means with the same letter are not significantly different.
119
Tukey Grouping Mean N trat
A 36.0667 3 40
B 29.3333 3 30
C 20.8667 3 20
D 12.0667 3 10
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 14
The GLM Procedure
Tukey's Studentized Range (HSD) Test for gmd
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 0.004925
Critical Value of Studentized Range 4.89559
Minimum Significant Difference 0.1984
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 1.23900 3 20
A
B A 1.13067 3 30
B A
B A 1.09867 3 40
B
B 0.96067 3 10
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 15
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1026788 1026788 152.91 <.0001
Error 10 67151 6715.12573
Corrected Total 11 1093940
Root MSE 81.94587 R-Square 0.9386
Dependent Mean 666.83333 Adj R-Sq 0.9325
Coeff Var 12.28881
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1462.73980 68.57423 21.33 <.0001
altr 1 -32.37586 2.61823 -12.37 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 16
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 190359 190359 128.92 <.0001
Error 10 14765 1476.51683
Corrected Total 11 205124
Root MSE 38.42547 R-Square 0.9280
Dependent Mean 338.75000 Adj R-Sq 0.9208
Coeff Var 11.34331
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 681.44546 32.15534 21.19 <.0001
altr 1 -13.94015 1.22772 -11.35 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 17
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01653 0.01653 1.26 0.2886
Error 10 0.13161 0.01316
Corrected Total 11 0.14814
Root MSE 0.11472 R-Square 0.1116
Dependent Mean 1.10725 Adj R-Sq 0.0227
Coeff Var 10.36086
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1.00627 0.09600 10.48 <.0001
altr 1 0.00411 0.00367 1.12 0.2886
120
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 18
The REG Procedure
Model: MODEL2
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 1032044 516022 75.03 <.0001
Error 9 61896 6877.29554
Corrected Total 11 1093940
Root MSE 82.92946 R-Square 0.9434
Dependent Mean 666.83333 Adj R-Sq 0.9308
Coeff Var 12.43631
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1624.84723 197.99888 8.21 <.0001
altr 1 -48.09376 18.17430 -2.65 0.0266
altr2 1 0.32697 0.37403 0.87 0.4047
***************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 19
The REG Procedure
Model: MODEL2
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 190456 95228 58.43 <.0001
Error 9 14668 1629.78735
Corrected Total 11 205124
Root MSE 40.37062 R-Square 0.9285
Dependent Mean 338.75000 Adj R-Sq 0.9126
Coeff Var 11.91753
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 659.41307 96.38720 6.84 <.0001
altr 1 -11.80390 8.84737 -1.33 0.2149
altr2 1 -0.04444 0.18208 -0.24 0.8127
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 20
The REG Procedure
Model: MODEL2
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.09056 0.04528 7.08 0.0142
Error 9 0.05757 0.00640
Corrected Total 11 0.14814
Root MSE 0.07998 R-Square 0.6114
Dependent Mean 1.10725 Adj R-Sq 0.5250
Coeff Var 7.22332
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 0.39783 0.19096 2.08 0.0669
altr 1 0.06310 0.01753 3.60 0.0057
altr2 1 -0.00123 0.00036073 -3.40 0.0078
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 24
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1026788 1026788 152.91 <.0001
Error 10 67151 6715.12573
Corrected Total 11 1093940
Root MSE 81.94587 R-Square 0.9386
Dependent Mean 666.83333 Adj R-Sq 0.9325
Coeff Var 12.28881
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1462.73980 68.57423 21.33 <.0001
altr 1 -32.37586 2.61823 -12.37 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 25
The REG Procedure
Model: MODEL1
121
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 190359 190359 128.92 <.0001
Error 10 14765 1476.51683
Corrected Total 11 205124
Root MSE 38.42547 R-Square 0.9280
Dependent Mean 338.75000 Adj R-Sq 0.9208
Coeff Var 11.34331
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 681.44546 32.15534 21.19 <.0001
altr 1 -13.94015 1.22772 -11.35 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 26
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01653 0.01653 1.26 0.2886
Error 10 0.13161 0.01316
Corrected Total 11 0.14814
Root MSE 0.11472 R-Square 0.1116
Dependent Mean 1.10725 Adj R-Sq 0.0227
Coeff Var 10.36086
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1.00627 0.09600 10.48 <.0001
altr 1 0.00411 0.00367 1.12 0.2886
***************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 27
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs carga Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 988.0000 1071 40.3467 -82.9919 71.325 -1.164 | **| |
0.217
2 1090 1061 39.7130 28.7208 71.680 0.401 | | |
0.025
3 1173 1084 41.1996 89.0577 70.836 1.257 | |** |
0.267
4 675.0000 792.5596 25.7482 -117.5596 77.796 -1.511 | ***| |
0.125
5 864.0000 776.3716 25.2599 87.6284 77.956 1.124 | |** |
0.066
6 836.0000 792.5596 25.7482 43.4404 77.796 0.558 | |* |
0.017
7 425.0000 549.7407 25.4806 -124.7407 77.884 -1.602 | ***| |
0.137
8 497.0000 497.9393 27.3157 -0.9393 77.259 -0.0122 | | |
0.000
9 510.0000 491.4641 27.5812 18.5359 77.165 0.240 | | |
0.004
10 292.0000 281.0210 39.1544 10.9790 71.986 0.153 | | |
0.003
11 286.0000 336.0600 35.7090 -50.0600 73.756 -0.679 | *| |
0.054
12 366.0000 268.0707 39.9940 97.9293 71.523 1.369 | |** |
0.293
Sum of Residuals 0
Sum of Squared Residuals 67151
Predicted Residual SS (PRESS) 96381
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 28
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs gpa Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 501.0000 512.7696 18.9191 -11.7696 33.445 -0.352 | | |
0.020
122
2 572.0000 508.5875 18.6220 63.4125 33.612 1.887 | |*** |
0.546
3 471.0000 518.3457 19.3190 -47.3457 33.216 -1.425 | **| |
0.344
4 385.0000 392.8843 12.0737 -7.8843 36.479 -0.216 | | |
0.003
5 395.0000 385.9142 11.8447 9.0858 36.554 0.249 | | |
0.003
6 376.0000 392.8843 12.0737 -16.8843 36.479 -0.463 | | |
0.012
7 263.0000 288.3331 11.9482 -25.3331 36.521 -0.694 | *| |
0.026
8 270.0000 266.0289 12.8087 3.9711 36.228 0.110 | | |
0.001
9 330.0000 263.2408 12.9332 66.7592 36.184 1.845 | |*** |
0.217
10 141.0000 172.6298 18.3600 -31.6298 33.755 -0.937 | *| |
0.130
11 165.0000 196.3281 16.7444 -31.3281 34.585 -0.906 | *| |
0.096
12 196.0000 167.0538 18.7537 28.9462 33.538 0.863 | |* |
0.116
Sum of Residuals 0
Sum of Squared Residuals 14765
Predicted Residual SS (PRESS) 22747
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 29
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs gmd Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 0.9960 1.0560 0.0565 -0.0600 0.0999 -0.601 | *| |
0.058
2 0.8680 1.0572 0.0556 -0.1892 0.100 -1.885 | ***| |
0.546
3 1.0180 1.0543 0.0577 -0.0363 0.0992 -0.366 | | |
0.023
4 1.3080 1.0913 0.0360 0.2167 0.109 1.990 | |*** |
0.217
5 1.2390 1.0934 0.0354 0.1456 0.109 1.335 | |** |
0.094
6 1.1700 1.0913 0.0360 0.0787 0.109 0.723 | |* |
0.029
7 1.0920 1.1221 0.0357 -0.0301 0.109 -0.276 | | |
0.004
8 1.1780 1.1287 0.0382 0.0493 0.108 0.456 | | |
0.013
9 1.1220 1.1295 0.0386 -0.007500 0.108 -0.0694 | | |
0.000
10 1.0550 1.1562 0.0548 -0.1012 0.101 -1.004 | **| |
0.149
11 1.1350 1.1492 0.0500 -0.0142 0.103 -0.138 | | |
0.002
12 1.1060 1.1578 0.0560 -0.0518 0.100 -0.518 | *| |
0.042
Sum of Residuals 0
Sum of Squared Residuals 0.13161
Predicted Residual SS (PRESS) 0.18751
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 30
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 875336 875336 40.04 <.0001
Error 10 218603 21860
Corrected Total 11 1093940
Root MSE 147.85237 R-Square 0.8002
Dependent Mean 666.83333 Adj R-Sq 0.7802
Coeff Var 22.17231
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1232.42829 99.04897 12.44 <.0001
of 1 -48.51422 7.66672 -6.33 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 31
123
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 153734 153734 29.92 0.0003
Error 10 51390 5139.00774
Corrected Total 11 205124
Root MSE 71.68687 R-Square 0.7495
Dependent Mean 338.75000 Adj R-Sq 0.7244
Coeff Var 21.16218
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 575.77996 48.02433 11.99 <.0001
of 1 -20.33138 3.71725 -5.47 0.0003
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 32
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.00005939 0.00005939 0.00 0.9507
Error 10 0.14808 0.01481
Corrected Total 11 0.14814
Root MSE 0.12169 R-Square 0.0004
Dependent Mean 1.10725 Adj R-Sq -0.0996
Coeff Var 10.99001
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1.10259 0.08152 13.53 <.0001
of 1 0.00039963 0.00631 0.06 0.9507
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 33
The REG Procedure
Model: MODEL2
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 972204 486102 35.94 <.0001
Error 9 121735 13526
Corrected Total 11 1093940
Root MSE 116.30195 R-Square 0.8887
Dependent Mean 666.83333 Adj R-Sq 0.8640
Coeff Var 17.44093
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1624.95974 166.08874 9.78 <.0001
of 1 -120.12271 27.42965 -4.38 0.0018
of2 1 2.64997 0.99023 2.68 0.0254
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 34
The REG Procedure
Model: MODEL2
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 155434 77717 14.08 0.0017
Error 9 49690 5521.16517
Corrected Total 11 205124
Root MSE 74.30454 R-Square 0.7578
Dependent Mean 338.75000 Adj R-Sq 0.7039
Coeff Var 21.93492
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 627.77436 106.11299 5.92 0.0002
of 1 -29.81658 17.52462 -1.70 0.1231
of2 1 0.35101 0.63265 0.55 0.5925
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24,
2001 35
The REG Procedure
Model: MODEL2
Dependent Variable: gmd
Analysis of Variance
124
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.00986 0.00493 0.32 0.7334
Error 9 0.13827 0.01536
Corrected Total 11 0.14814
Root MSE 0.12395 R-Square 0.0666
Dependent Mean 1.10725 Adj R-Sq -0.1408
Coeff Var 11.19444
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 0.97772 0.17701 5.52 0.0004
of 1 0.02318 0.02923 0.79 0.4482
of2 1 -0.00084303 0.00106 -0.80 0.4450
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 39
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 875336 875336 40.04 <.0001
Error 10 218603 21860
Corrected Total 11 1093940
Root MSE 147.85237 R-Square 0.8002
Dependent Mean 666.83333 Adj R-Sq 0.7802
Coeff Var 22.17231
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1232.42829 99.04897 12.44 <.0001
of 1 -48.51422 7.66672 -6.33 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 40
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 153734 153734 29.92 0.0003
Error 10 51390 5139.00774
Corrected Total 11 205124
Root MSE 71.68687 R-Square 0.7495
Dependent Mean 338.75000 Adj R-Sq 0.7244
Coeff Var 21.16218
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 575.77996 48.02433 11.99 <.0001
of 1 -20.33138 3.71725 -5.47 0.0003
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 41
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.00005939 0.00005939 0.00 0.9507
Error 10 0.14808 0.01481
Corrected Total 11 0.14814
Root MSE 0.12169 R-Square 0.0004
Dependent Mean 1.10725 Adj R-Sq -0.0996
Coeff Var 10.99001
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1.10259 0.08152 13.53 <.0001
of 1 0.00039963 0.00631 0.06 0.9507
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 42
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs carga Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 988.0000 854.0174 51.9299 133.9826 138.4 0.968 | |* |
0.066
125
2 1090 883.1259 54.6811 206.8741 137.4 1.506 | |*** |
0.180
3 1173 999.5600 67.7233 173.4400 131.4 1.320 | |** |
0.231
4 675.0000 771.5432 45.7767 -96.5432 140.6 -0.687 | *| |
0.025
5 864.0000 917.0859 58.1868 -53.0859 135.9 -0.391 | | |
0.014
6 836.0000 965.6001 63.6465 -129.6001 133.5 -0.971 | *| |
0.107
7 425.0000 499.8636 50.1790 -74.8636 139.1 -0.538 | *| |
0.019
8 497.0000 626.0005 43.1663 -129.0005 141.4 -0.912 | *| |
0.039
9 510.0000 562.9320 45.7307 -52.9320 140.6 -0.376 | | |
0.007
10 292.0000 63.2356 104.5004 228.7644 104.6 2.187 | |**** |
2.388
11 286.0000 393.1323 60.7661 -107.1323 134.8 -0.795 | *| |
0.064
12 366.0000 465.9036 53.1973 -99.9036 138.0 -0.724 | *| |
0.039
Sum of Residuals 0
Sum of Squared Residuals 218603
Predicted Residual SS (PRESS) 438838
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 43
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs gpa Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 501.0000 417.1952 25.1784 83.8048 67.120 1.249 | |** |
0.110
2 572.0000 429.3941 26.5124 142.6059 66.604 2.141 | |**** |
0.363
3 471.0000 478.1894 32.8360 -7.1894 63.724 -0.113 | | |
0.002
4 385.0000 382.6319 22.1950 2.3681 68.164 0.0347 | | |
0.000
5 395.0000 443.6260 28.2121 -48.6260 65.902 -0.738 | *| |
0.050
6 376.0000 463.9574 30.8593 -87.9574 64.705 -1.359 | **| |
0.210
7 263.0000 268.7762 24.3295 -5.7762 67.432 -0.0857 | | |
0.000
8 270.0000 321.6378 20.9294 -51.6378 68.564 -0.753 | *| |
0.026
9 330.0000 295.2070 22.1727 34.7930 68.172 0.510 | |* |
0.014
10 141.0000 85.7938 50.6675 55.2062 50.713 1.089 | |** |
0.591
11 165.0000 224.0472 29.4627 -59.0472 65.353 -0.904 | *| |
0.083
12 196.0000 254.5442 25.7929 -58.5442 66.886 -0.875 | *| |
0.057
Sum of Residuals 0
Sum of Squared Residuals 51390
Predicted Residual SS (PRESS) 77936
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 44
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs gmd Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 0.9960 1.1057 0.0427 -0.1097 0.114 -0.963 | *| |
0.065
2 0.8680 1.1055 0.0450 -0.2375 0.113 -2.100 | ****| |
0.350
3 1.0180 1.1045 0.0557 -0.0865 0.108 -0.800 | *| |
0.085
4 1.3080 1.1064 0.0377 0.2016 0.116 1.742 | |*** |
0.161
5 1.2390 1.1052 0.0479 0.1338 0.112 1.196 | |** |
0.131
126
6 1.1700 1.1048 0.0524 0.0652 0.110 0.594 | |* |
0.040
7 1.0920 1.1086 0.0413 -0.0166 0.114 -0.145 | | |
0.001
8 1.1780 1.1076 0.0355 0.0704 0.116 0.605 | |* |
0.017
9 1.1220 1.1081 0.0376 0.0139 0.116 0.120 | | |
0.001
10 1.0550 1.1122 0.0860 -0.0572 0.0861 -0.665 | *| |
0.221
11 1.1350 1.1095 0.0500 0.0255 0.111 0.230 | | |
0.005
12 1.1060 1.1089 0.0438 -0.002905 0.114 -0.0256 | | |
0.000
Sum of Residuals 0
Sum of Squared Residuals 0.14808
Predicted Residual SS (PRESS) 0.20507
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 45
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1028650 1028650 157.55 <.0001
Error 10 65290 6528.95136
Corrected Total 11 1093940
Root MSE 80.80193 R-Square 0.9403
Dependent Mean 666.83333 Adj R-Sq 0.9343
Coeff Var 12.11726
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1639.05699 80.89180 20.26 <.0001
mf 1 -0.33009 0.02630 -12.55 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 46
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 190692 190692 132.13 <.0001
Error 10 14432 1443.19513
Corrected Total 11 205124
Root MSE 37.98941 R-Square 0.9296
Dependent Mean 338.75000 Adj R-Sq 0.9226
Coeff Var 11.21459
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 757.34970 38.03166 19.91 <.0001
mf 1 -0.14212 0.01236 -11.49 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 47
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01667 0.01667 1.27 0.2865
Error 10 0.13147 0.01315
Corrected Total 11 0.14814
Root MSE 0.11466 R-Square 0.1125
Dependent Mean 1.10725 Adj R-Sq 0.0238
Coeff Var 10.35542
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 0.98350 0.11479 8.57 <.0001
mf 1 0.00004202 0.00003732 1.13 0.2865
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 48
The REG Procedure
Model: MODEL2
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 1032225 516113 75.27 <.0001
127
Error 9 61715 6857.17787
Corrected Total 11 1093940
Root MSE 82.80808 R-Square 0.9436
Dependent Mean 666.83333 Adj R-Sq 0.9310
Coeff Var 12.41811
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1853.09685 307.81201 6.02 0.0002
mf 1 -0.49412 0.22878 -2.16 0.0591
mf2 1 0.00002844 0.00003939 0.72 0.4886
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 49
The REG Procedure
Model: MODEL2
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 190889 95444 60.34 <.0001
Error 9 14235 1581.69774
Corrected Total 11 205124
Root MSE 39.77056 R-Square 0.9306
Dependent Mean 338.75000 Adj R-Sq 0.9152
Coeff Var 11.74039
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 707.14634 147.83409 4.78 0.0010
mf 1 -0.10365 0.10987 -0.94 0.3701
mf2 1 -0.00000667 0.00001892 -0.35 0.7325
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 50
The REG Procedure
Model: MODEL2
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.09387 0.04694 7.78 0.0109
Error 9 0.05426 0.00603
Corrected Total 11 0.14814
Root MSE 0.07765 R-Square 0.6337
Dependent Mean 1.10725 Adj R-Sq 0.5523
Coeff Var 7.01273
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 -0.01119 0.28863 -0.04 0.9699
mf 1 0.00080432 0.00021452 3.75 0.0046
mf2 1 -1.32169E-7 3.693483E-8 -3.58 0.0059
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 54
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 1028650 1028650 157.55 <.0001
Error 10 65290 6528.95136
Corrected Total 11 1093940
Root MSE 80.80193 R-Square 0.9403
Dependent Mean 666.83333 Adj R-Sq 0.9343
Coeff Var 12.11726
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 1639.05699 80.89180 20.26 <.0001
mf 1 -0.33009 0.02630 -12.55 <.0001
***************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 55
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 190692 190692 132.13 <.0001
Error 10 14432 1443.19513
Corrected Total 11 205124
Root MSE 37.98941 R-Square 0.9296
Dependent Mean 338.75000 Adj R-Sq 0.9226
128
Coeff Var 11.21459
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 757.34970 38.03166 19.91 <.0001
mf 1 -0.14212 0.01236 -11.49 <.0001
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 56
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 0.01667 0.01667 1.27 0.2865
Error 10 0.13147 0.01315
Corrected Total 11 0.14814
Root MSE 0.11466 R-Square 0.1125
Dependent Mean 1.10725 Adj R-Sq 0.0238
Coeff Var 10.35542
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 0.98350 0.11479 8.57 <.0001
mf 1 0.00004202 0.00003732 1.13 0.2865
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 57
The REG Procedure
Model: MODEL1
Dependent Variable: carga
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs carga Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 988.0000 1072 39.8438 -84.2933 70.295 -1.199 | **| |
0.231
2 1090 1066 39.4398 23.9784 70.523 0.340 | | |
0.018
3 1173 1083 40.5291 90.1438 69.902 1.290 | |** |
0.280
4 675.0000 793.6977 25.4211 -118.6977 76.699 -1.548 | ***| |
0.132
5 864.0000 783.4650 25.1081 80.5350 76.802 1.049 | |** |
0.059
6 836.0000 784.7853 25.1473 51.2147 76.789 0.667 | |* |
0.024
7 425.0000 556.0333 24.9399 -131.0333 76.857 -1.705 | ***| |
0.153
8 497.0000 488.3649 27.3174 8.6351 76.044 0.114 | | |
0.001
9 510.0000 476.8118 27.8076 33.1882 75.866 0.437 | | |
0.013
10 292.0000 264.2342 39.6593 27.7658 70.400 0.394 | | |
0.025
11 286.0000 335.8636 35.2044 -49.8636 72.730 -0.686 | *| |
0.055
12 366.0000 297.5732 37.5437 68.4268 71.550 0.956 | |* |
0.126
Sum of Residuals 0
Sum of Squared Residuals 65290
Predicted Residual SS (PRESS) 91649
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 58
The REG Procedure
Model: MODEL1
Dependent Variable: gpa
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs gpa Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 501.0000 513.3245 18.7328 -12.3245 33.050 -0.373 | | |
0.022
2 572.0000 510.6241 18.5428 61.3759 33.157 1.851 | |*** |
0.536
3 471.0000 517.8724 19.0549 -46.8724 32.865 -1.426 | **| |
0.342
4 385.0000 393.3726 11.9519 -8.3726 36.060 -0.232 | | |
0.003
5 395.0000 388.9668 11.8047 6.0332 36.109 0.167 | | |
0.001
129
6 376.0000 389.5353 11.8231 -13.5353 36.103 -0.375 | | |
0.008
7 263.0000 291.0440 11.7256 -28.0440 36.135 -0.776 | *| |
0.032
8 270.0000 261.9088 12.8434 8.0912 35.753 0.226 | | |
0.003
9 330.0000 256.9345 13.0739 73.0655 35.669 2.048 | |**** |
0.282
10 141.0000 165.4073 18.6460 -24.4073 33.099 -0.737 | *| |
0.086
11 165.0000 196.2480 16.5515 -31.2480 34.194 -0.914 | *| |
0.098
12 196.0000 179.7617 17.6513 16.2383 33.640 0.483 | | |
0.032
Sum of Residuals 0
Sum of Squared Residuals 14432
Predicted Residual SS (PRESS) 21899
****************************************************************************************
lemar Tupa 16:36 Saturday, February 24, 2001 59
The REG Procedure
Model: MODEL1
Dependent Variable: gmd
Output Statistics
Dep Var Predicted Std Error Std Error Student
Cook's
Obs gmd Value Mean Predict Residual Residual Residual -2-1 0 1 2
D
1 0.9960 1.0556 0.0565 -0.0596 0.0998 -0.598 | *| |
0.057
2 0.8680 1.0564 0.0560 -0.1884 0.100 -1.883 | ***| |
0.554
3 1.0180 1.0543 0.0575 -0.0363 0.0992 -0.366 | | |
0.023
4 1.3080 1.0911 0.0361 0.2169 0.109 1.993 | |*** |
0.218
5 1.2390 1.0924 0.0356 0.1466 0.109 1.345 | |** |
0.097
6 1.1700 1.0922 0.0357 0.0778 0.109 0.714 | |* |
0.027
7 1.0920 1.1214 0.0354 -0.0294 0.109 -0.269 | | |
0.004
8 1.1780 1.1300 0.0388 0.0480 0.108 0.445 | | |
0.013
9 1.1220 1.1314 0.0395 -0.009437 0.108 -0.0877 | | |
0.001
10 1.0550 1.1585 0.0563 -0.1035 0.0999 -1.036 | **| |
0.170
11 1.1350 1.1494 0.0500 -0.0144 0.103 -0.139 | | |
0.002
12 1.1060 1.1543 0.0533 -0.0483 0.102 -0.475 | | |
0.031
Sum of Residuals 0
Sum of Squared Residuals 0.13147
Predicted Residual SS (PRESS) 0.18825
**********************************************************************
********************************************************************************************************************************************
**********************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 1
Obs per trat rep alt massa
1 1 10 1 6.1 695
2 1 10 2 7.5 482
3 1 10 3 6.0 288
4 1 10 4 6.3 434
5 1 10 5 6.6 2358
6 1 10 6 4.7 2075
7 1 10 7 9.9 1984
8 1 10 8 6.5 2965
9 1 10 9 6.2 3241
10 1 10 10 9.7 2382
11 1 10 11 12.1 2402
12 1 10 12 15.3 2829
13 1 10 13 5.9 2013
14 1 10 14 6.3 2036
15 1 20 1 9.2 594
16 1 20 2 12.6 1154
17 1 20 3 16.6 929
18 1 20 4 15.5 1116
19 1 20 5 14.2 814
20 1 20 6 17.7 3138
21 1 20 7 15.2 2536
22 1 20 8 19.6 3675
23 1 20 9 18.9 3491
24 1 20 10 14.6 2277
25 1 20 11 23.7 3720
26 1 20 12 16.3 3354
130
27 1 20 13 13.3 2306
28 1 20 14 14.9 2834
29 1 20 15 14.3 3002
30 1 30 1 19.1 1512
31 1 30 2 21.0 1414
32 1 30 3 17.7 1439
33 1 30 4 14.5 835
34 1 30 5 25.5 1760
35 1 30 6 27.4 3534
36 1 30 7 21.5 3184
37 1 30 8 22.3 3710
38 1 30 9 28.5 3448
39 1 30 10 34.1 3876
40 1 30 11 18.7 3250
41 1 30 12 29.9 3511
42 1 30 13 24.2 2717
43 1 30 14 28.7 3463
44 1 30 15 23.9 2177
45 1 40 1 28.0 2404
46 1 40 2 33.2 2190
47 1 40 3 35.7 2411
48 1 40 4 32.3 1906
49 1 40 5 33.2 1880
50 1 40 6 35.6 3358
51 1 40 7 35.1 3421
52 1 40 8 36.4 3935
53 1 40 9 35.5 3771
54 1 40 10 33.4 3450
55 1 40 11 25.8 2163
56 1 40 12 36.8 3009
57 1 40 13 37.1 3435
58 1 40 14 32.8 2765
59 1 40 15 22.9 1729
60 2 10 1 4.3 1160
61 2 10 2 3.5 1200
62 2 10 3 3.8 1440
63 2 10 4 4.2 640
64 2 10 5 3.8 920
65 2 10 6 5.4 800
66 2 10 7 4.2 720
67 2 10 8 4.1 1040
68 2 10 9 5.9 1120
69 2 10 10 6.4 600
70 2 10 11 5.8 1480
71 2 10 12 2.4 880
72 2 10 13 6.7 720
73 2 10 14 5.7 1200
74 2 10 15 9.8 760
75 2 20 1 11.5 3600
76 2 20 2 11.1 3440
77 2 20 3 13.1 2160
78 2 20 4 14.1 2000
79 2 20 5 11.6 1480
80 2 20 6 10.7 1600
81 2 20 7 14.9 2640
82 2 20 8 15.4 2120
83 2 20 9 19.4 2160
84 2 20 10 19.2 2960
85 2 20 11 15.6 1080
86 2 20 12 10.7 1560
87 2 20 13 19.6 1440
88 2 20 14 19.5 1520
89 2 20 15 21.4 2160
90 2 30 1 18.6 3800
91 2 30 2 15.5 2320
92 2 30 3 15.5 2720
93 2 30 4 34.2 3800
94 2 30 5 28.0 3080
95 2 30 6 23.7 4400
96 2 30 7 34.5 5000
97 2 30 8 30.6 4120
98 2 30 9 31.6 4440
99 2 30 10 55.1 7080
100 2 30 11 23.2 3960
101 2 30 12 22.2 2160
102 2 30 13 31.7 4360
103 2 30 14 50.6 7120
104 2 30 15 53.4 7360
105 2 40 1 40.3 5040
106 2 40 2 48.5 5080
107 2 40 3 33.2 4320
108 2 40 4 56.8 6040
109 2 40 5 56.2 7440
131
110 2 40 6 42.3 5640
111 2 40 7 42.3 4840
112 2 40 8 44.7 5920
113 2 40 9 49.2 5200
114 2 40 10 47.5 6680
115 2 40 11 26.1 2200
116 2 40 12 27.6 2880
117 2 40 13 48.5 .
118 2 40 14 45.7 4840
119 2 40 15 44.7 5360
120 3 10 1 11.8 2160
121 3 10 2 6.4 1720
122 3 10 3 5.7 1120
123 3 10 4 5.2 1200
124 3 10 5 5.2 880
125 3 10 6 9.0 280
126 3 10 7 7.3 800
127 3 10 8 6.0 840
128 3 10 9 9.1 720
129 3 10 10 6.9 720
130 3 10 11 5.0 360
131 3 10 12 5.8 440
132 3 10 13 5.2 520
133 3 10 14 11.8 1000
134 3 10 15 12.9 720
135 3 20 1 22.7 .
136 3 20 2 24.1 2240
137 3 20 3 14.2 2560
138 3 20 4 27.2 2520
139 3 20 5 23.6 1560
140 3 20 6 30.7 .
141 3 20 7 13.7 .
142 3 20 8 9.2 .
143 3 20 9 31.6 .
144 3 20 10 27.8 1760
145 3 20 11 13.8 1840
146 3 20 12 13.5 1720
147 3 20 13 19.3 2040
148 3 20 14 28.0 2960
149 3 20 15 36.1 2880
150 3 30 1 44.2 5600
151 3 30 2 32.8 3760
152 3 30 3 32.3 2560
153 3 30 4 39.9 4600
154 3 30 5 53.1 .
155 3 30 6 54.4 7440
156 3 30 7 46.9 6200
157 3 30 8 46.9 .
158 3 30 9 50.0 4600
159 3 30 10 40.3 4280
160 3 30 11 44.5 5880
161 3 30 12 38.3 .
162 3 30 13 31.0 5480
163 3 30 14 43.4 5920
164 3 30 15 43.2 6480
165 3 40 1 41.0 6600
166 3 40 2 44.3 5920
167 3 40 3 41.8 4480
168 3 40 4 49.8 6640
169 3 40 5 38.0 .
170 3 40 6 45.7 5240
171 3 40 7 47.5 6120
172 3 40 8 39.0 5480
173 3 40 9 45.5 6360
174 3 40 10 46.2 7200
175 3 40 11 42.8 5200
176 3 40 12 35.3 6720
177 3 40 13 38.4 6040
178 3 40 14 43.2 6240
179 3 40 15 43.6 .
180 4 10 1 34.6 1920
181 4 10 2 34.0 2040
182 4 10 3 . .
183 4 10 4 37.6 2480
184 4 10 5 32.9 1720
185 4 10 6 19.4 1880
186 4 10 7 6.4 880
187 4 10 8 10.6 840
188 4 10 9 29.6 3440
189 4 10 10 27.6 3280
190 4 10 11 9.0 1120
191 4 10 12 10.0 1480
192 4 10 13 16.6 2000
132
193 4 10 14 13.6 2840
194 4 10 15 9.2 1200
195 4 20 1 38.6 2600
196 4 20 2 39.0 4680
197 4 20 3 39.7 4320
198 4 20 4 40.9 3760
199 4 20 5 42.5 3920
200 4 20 6 . .
201 4 20 7 31.0 3760
202 4 20 8 . .
203 4 20 9 23.2 2600
204 4 20 10 27.4 2440
205 4 20 11 . .
206 4 20 12 29.3 3120
207 4 20 13 37.7 3680
208 4 20 14 33.8 2600
209 4 20 15 31.2 3680
210 4 30 1 33.7 3120
211 4 30 2 33.0 6000
212 4 30 3 37.3 5040
213 4 30 4 36.5 2320
214 4 30 5 39.5 .
215 4 30 6 37.3 3640
216 4 30 7 38.3 4960
217 4 30 8 26.3 5120
218 4 30 9 43.3 5200
219 4 30 10 44.5 4400
220 4 30 11 38.9 4840
221 4 30 12 34.9 .
222 4 30 13 26.3 3600
223 4 30 14 38.9 5000
224 4 30 15 29.2 4680
225 4 40 1 20.7 5120
226 4 40 2 30.7 3520
227 4 40 3 25.3 5280
228 4 40 4 31.3 6280
229 4 40 5 38.3 4400
230 4 40 6 27.5 3120
231 4 40 7 29.0 4840
232 4 40 8 39.1 4360
233 4 40 9 35.7 6520
234 4 40 10 37.4 3280
235 4 40 11 34.2 4400
236 4 40 12 22.0 3960
237 4 40 13 24.6 4600
238 4 40 14 40.2 5680
239 4 40 15 33.3 5840
240 5 10 1 26.7 3120
241 5 10 2 25.8 1600
242 5 10 3 17.5 1640
243 5 10 4 29.9 2440
244 5 10 5 30.1 3440
245 5 10 6 25.0 3000
246 5 10 7 21.3 3240
247 5 10 8 31.2 3640
248 5 10 9 30.7 2320
249 5 10 10 27.6 3640
250 5 10 11 15.8 1520
251 5 10 12 18.0 1200
252 5 10 13 12.7 1160
253 5 10 14 11.2 1160
254 5 10 15 11.3 1480
255 5 20 1 38.5 3560
256 5 20 2 34.2 2960
257 5 20 3 29.7 3080
258 5 20 4 30.3 3560
259 5 20 5 35.4 3400
260 5 20 6 12.8 2640
261 5 20 7 22.8 4400
262 5 20 8 29.0 4680
263 5 20 9 27.5 2280
264 5 20 10 27.1 4240
265 5 20 11 26.7 3600
266 5 20 12 23.5 2680
267 5 20 13 31.3 4240
268 5 20 14 36.3 3160
269 5 20 15 31.2 3480
270 5 30 1 33.7 5280
271 5 30 2 27.3 3040
272 5 30 3 26.6 3760
273 5 30 4 34.7 3760
274 5 30 5 24.3 1840
275 5 30 6 41.4 3680
133
276 5 30 7 31.4 4920
277 5 30 8 24.2 3480
278 5 30 9 36.5 5040
279 5 30 10 39.0 4400
280 5 30 11 17.2 .
281 5 30 12 30.3 5240
282 5 30 13 24.2 4040
283 5 30 14 21.4 .
284 5 30 15 24.0 3960
285 5 40 1 31.5 .
286 5 40 2 29.1 .
287 5 40 3 26.0 .
288 5 40 4 37.7 .
289 5 40 5 25.7 .
290 5 40 6 39.2 6080
291 5 40 7 32.8 3760
292 5 40 8 34.7 3880
293 5 40 9 32.3 5040
294 5 40 10 36.6 4640
295 5 40 11 25.9 4240
296 5 40 12 22.1 3680
297 5 40 13 21.4 .
298 5 40 14 23.5 3920
299 5 40 15 24.1 3680
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 8
The GLM Procedure
Class Level Information
Class Levels Values
trat 4 10 20 30 40
rep 15 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
per 5 1 2 3 4 5
Number of observations 299
Dependent Variables With
Equivalent Missing Value Patterns
Dependent
Pattern Obs Variables
1 295 alt
2 274 massa
NOTE: Variables in each group are consistent with respect to the presence or absence of
missing
values.
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 9
The GLM Procedure
Dependent Variable: alt
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 75 41554.26632 554.05688 14.36 <.0001
Error 219 8450.32738 38.58597
Corrected Total 294 50004.59369
R-Square Coeff Var Root MSE alt Mean
0.831009 23.74619 6.211761 26.15898
Source DF Type III SS Mean Square F Value Pr > F
trat 3 24190.21574 8063.40525 208.97 <.0001
rep(trat) 56 3644.00169 65.07146 1.69 0.0043
per 4 4110.61788 1027.65447 26.63 <.0001
trat*per 12 9377.63414 781.46951 20.25 <.0001
Tests of Hypotheses Using the Type III MS for rep(trat) as an Error Term
Source DF Type III SS Mean Square F Value Pr > F
trat 3 24190.21574 8063.40525 123.92 <.0001
***************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 10
The GLM Procedure
Tukey's Studentized Range (HSD) Test for alt
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 56
Error Mean Square 65.07146
Critical Value of Studentized Range 3.74475
Minimum Significant Difference 3.5181
Harmonic Mean of Cell Sizes 73.72703
NOTE: Cell sizes are not equal.
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 36.019 75 40
A
A 32.543 75 30
B 22.924 72 20
C 12.662 73 10
****************************************************************************************
134
lemar Tupa 21:03 Saturday, February 24, 2001 11
The GLM Procedure
Tukey's Studentized Range (HSD) Test for alt
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 219
Error Mean Square 38.58597
Critical Value of Studentized Range 3.89000
Minimum Significant Difference 3.147
Harmonic Mean of Cell Sizes 58.95789
NOTE: Cell sizes are not equal.
Means with the same letter are not significantly different.
Tukey Grouping Mean N per
A 30.582 56 4
A
A 28.868 60 3
A
A 27.498 60 5
B 23.763 60 2
C 20.280 59 1
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 12
The GLM Procedure
Dependent Variable: massa
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 75 626027202.1 8347029.4 9.71 <.0001
Error 198 170270675.0 859952.9
Corrected Total 273 796297877.1
R-Square Coeff Var Root MSE massa Mean
0.786172 28.92315 927.3365 3206.208
Source DF Type III SS Mean Square F Value Pr > F
trat 3 377788387.6 125929462.5 146.44 <.0001
rep(trat) 56 64960836.4 1160014.9 1.35 0.0704
per 4 59406129.1 14851532.3 17.27 <.0001
trat*per 12 106988674.5 8915722.9 10.37 <.0001
Tests of Hypotheses Using the Type III MS for rep(trat) as an Error Term
Source DF Type III SS Mean Square F Value Pr > F
trat 3 377788387.6 125929462.5 108.56 <.0001
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 13
The GLM Procedure
Tukey's Studentized Range (HSD) Test for massa
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 56
Error Mean Square 1160015
Critical Value of Studentized Range 3.74475
Minimum Significant Difference 487.68
Harmonic Mean of Cell Sizes 68.39781
NOTE: Cell sizes are not equal.
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 4570.7 66 40
A
A 4098.7 68 30
B 2717.3 67 20
C 1589.9 73 10
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 14
The GLM Procedure
Tukey's Studentized Range (HSD) Test for massa
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 198
Error Mean Square 859952.9
Critical Value of Studentized Range 3.89345
Minimum Significant Difference 488.82
Harmonic Mean of Cell Sizes 54.55681
NOTE: Cell sizes are not equal.
Means with the same letter are not significantly different.
Tukey Grouping Mean N per
A 3655.6 54 4
A
B A 3532.0 50 3
B A
B A 3421.5 52 5
135
B
B 3115.3 59 2
C 2420.0 59 1
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 15
The REG Procedure
Model: MODEL1
Dependent Variable: massa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 538890499 538890499 569.44 <.0001
Error 272 257407379 946351
Corrected Total 273 796297877
Root MSE 972.80556 R-Square 0.6767
Dependent Mean 3206.20803 Adj R-Sq 0.6756
Coeff Var 30.34131
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 438.54636 130.02133 3.37 0.0009
alt 1 107.47134 4.50369 23.86 <.0001
****************************************************************************************
lemar Tupa 21:03 Saturday, February 24, 2001 16
The REG Procedure
Model: MODEL2
Dependent Variable: massa
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 542783618 271391809 290.11 <.0001
Error 271 253514259 935477
Corrected Total 273 796297877
Root MSE 967.20058 R-Square 0.6816
Dependent Mean 3206.20803 Adj R-Sq 0.6793
Coeff Var 30.16650
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 771.55456 208.22610 3.71 0.0003
alt 1 73.20277 17.38479 4.21 <.0001
alt2 1 0.65928 0.32318 2.04 0.0423
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
