A realização deste estudo teve como objetivo a estimação de componentes de (co) variância e parâmetros genéticos das características: peso (PES18), perímetro escrotal (PE18), precocidade de acabamento (PREC), musculosidade (MUSC) e altura (ALT), mensuradas aos 18 meses de idade, ganho de peso da desmama ao sobreano (GP345) e idade ao primeiro parto (IPP) de bovinos Nelore, utilizando-se modelos multicaracterísticas. Foram avaliados dados de 107.332 mil bovinos criados entre os anos de 1994 e 2009 em fazendas localizadas nos estados de São Paulo, Mato Grosso do Sul e Goiás, e pertencentes ao Programa de Seleção da raça Nelore da Agropecuária CFM Ltda. Utilizaram-se três diferentes modelos: modelo multicaracterísticas padrão, modelo de componentes principais e de análise de fatores, esses dois últimos contemplando os três primeiros componentes e fatores, os quais foram comparados por critérios de informação de Akaike (AIC) e Bayesiano de Schwarz (BIC). O modelo que utilizou a técnica da análise de fatores contemplando os dois primeiros fatores (MFA₂) apresentou melhor ajuste, seguido do modelo que contemplou os 3 primeiros fatores (MFA₃). Estes possibilitaram estimativas próximas das realizadas pelos modelos multicaracterísticas padrão, às quais se mostraram parecidas com os valores já relatados e estimados no Brasil.

This study was objectified the estimation of (co)variance components and genetics parameters of traits: weight (W18), scrotal circumference (SC18), precocity finishing (PREC), muscularity (MUSC) and height (H), measured at 18 months of age, weight gain from weaning to yearling (WG345) and age at first calving (AFC) from Nellore cattle, using multi trait models, with analysis multi trait standard, analysis of principal components and factor analysis. Were evaluated data from 107,332 bovines, managed between the years of 1994 and 2009 in farms localized on states of São Paulo, Mato Grosso do Sul and Goias, and were participants in Nellore Selection Program from CFM Company Ltda. Was utilized three different models, multi trait model, model of principal components and factor analytic, these two last contemplating the four first principal components and factors analytics and that was compared by information criteria of Akaike (AIC) and Bayesian of Schwarz (BIC). The model that used the factor analysis technique contemplating the first two factors (MFA₂) presented better adjustment, followed by the model that contemplated the first 3 factors (MFA₃). These allowed close estimates to those performed by the standard multi trait models, which were similar to the values already reported and estimated in Brazil.