Resumen

En las etapas finales de un programa de hibridación de maíz (Zea mays L.) la evaluación de las cruzas superiores es una práctica común que involucra ensayos de rendimiento en muchos ambientes de prueba. Los objetivos de esta investigación fueron comparar la magnitud de los errores estándar de predicción obtenidos de tres modelos estadísticos lineales mixtos en los que los efectos de localidades y de híbridos fueron considerados aleatorios o fijos, y conocer la magnitud de la variación fenotípica. Se aplicaron los procedimientos Mixed, GLM y Varcomp del SAS, a datos de rendimiento y humedad de grano de 40 híbridos evaluados en 22 ambientes de la Faja Maicera de los Estados Unidos. Los resultados mostraron que con el modelo lineal que considera a las localidades y a los híbridos como efectos aleatorios, en lugar de efectos fijos, los errores estándar de predicción fueron 33% más pequeños, lo que permite detectar diferencias con mayor precisión. Los tres procedimientos del SAS produjeron las mismas estimaciones de los componentes de varianza usando datos balanceados, pero con datos desbalanceados sólo Mixed y Varcomp dieron los mismos resultados; la varianza fenotípica del rendimiento de grano fue 52% más pequeña en las localidades de Iowa, 9% menor en las de Indiana y 54% más grande en las de Illinois, que la obtenida en ambientes de Nebraska, donde se formaron los híbridos.

Palabras clave: Zea mays L.; híbrido de maíz; humedad de grano; rendimiento de grano; componentes de varianza

Abstract

In the final steps of a corn (Zea mays L.) breeding program, the test of the superior crosses is a standard practice involving yield trials in many test environments. The objectives of this research were to compare both the magnitude of the standard error of prediction of three different linear mixed models where location and hybrid effects were considered random or fixed effects and the magnitude of the phenotypic variance. Mixed, GLM, and Varcomp procedures from SAS were applied to grain yield and moisture data obtained from 40 hybrids evaluated at 22 locations within the U.S. Corn Belt. Results showed that when using a linear model which considers both location and hybrid effects as random effects, rather than fixed effects, standard errors of prediction were 33% smaller and differences could be detected with more accuracy. The three SAS procedures computed the same estimates of variance components using balanced data, but with unbalanced data, only Mixed and Varcomp procedures computed the same estimates. Phenotypic variance of grain yield was 52% smaller in Iowa environments, 9% smaller in Indiana environments, and 54% bigger in Illinois locations, compared to Nebraska environments where the hybrids were made.

Key words: Zea mays L.; corn hybrid; grain moisture; grain yield; variance components