Análise de Variância; Erros não independentes; Experimentos de campo; REML
Em experimentos de campo, a análise estatística é frequentemente desafiada pela heterogeneidade espacial, onde a dependência entre as unidades experimentais representa um aspecto crítico que, se não adequadamente modelado, pode comprometer a confiabilidade das inferências. Métodos tradicionais mostram-se limitados diante da complexidade dos dados agrícolas com estrutura espacial. Nesse contexto, esta qualificação de mestrado propõe o desenvolvimento e a integração computacional da estrutura de covariância espacial AR(1) × AR(1) ao pacote spANOVA do software R. O modelo AR(1) × AR(1) será empregado por sua capacidade de modelar eficientemente a autocorrelação residual bidimensional em arranjos regulares, visando uma representação mais realista da estrutura dos dados. O objetivo central é expandir as funcionalidades do spANOVA, permitindo que pesquisadores especifiquem este modelo em suas análises para modelos mistos. A metodologia delineada inclui o desenvolvimento computacional e a validação da função AR(1) × AR(1), sua integração ao pacote, e a avaliação de desempenho por meio de simulações e aplicações a dados reais, utilizando a Máxima Verossimilhança Restrita (REML) para estimação de parâmetros, com vistas ao aprimoramento da análise de dados agrícolas com dependência espacial.