荷斯坦奶牛外貌性状的主成分分析

随机选取荷斯坦奶牛180头,其中1-3胎各60头,进行奶牛外貌性状体高(x1)、胸宽(x2)、体深(x3)、尻角度(x4)、尻宽(x5)、后肢侧视(x6)、蹄角度(x7)的主成分分析。结果显示,主成分F1~F6的贡献率分别为30.68%、15.67%、14.24%、12.11%、11.18%和9.50%,累计贡献率达93.46%;F1的信息量表达式为F1=0.510 9x1+0.294 6x2+0.448 8x3-0.195 4x4+0.524 3x5-0.012 5x6+0.370 9x7,余类推;F1可视为体躯容积因子,F3、F4可视为耐用因子。主成分(外貌性状的线性组合)可在尽量保持遗传信息的基础上简化复杂的外貌性状间的相关关系。     

AA肉鸡屠宰性状主成分评估模型的建立

为建立AA肉鸡屠宰性状的主成分评估模型,选取120只1日龄AA肉鸡,公母各半,饲喂基础日粮,常规饲养。42日龄时随机抽取40只,公母各半,测定活重(x_1)、屠宰重(x_2)、半净膛重(x_3)、全净膛重(x_4)、胸肌重(x_5)、腿肌重(x_6)、腹脂重(x_7)等屠宰性状,建立入选主成分的评估模型。结果显示:主成分F1、F2、F3的贡献率分别为60.57%、19.91%、15.24%,累计贡献率为95.73%,为入选主成分。F1、F2、F3的信息量表达式分别为F1=0.450 7x_1+0.474 3x_2+0.415 0x_3+0.404 4x_4-0.106 3x_5+0.314 4x_6+0.354 9x_7,F2=-0.165 4x_1-0.138 1x_2+0.317 1x_3+0.422 8x_4+0.792 6x_5-0.212 3x_6-0.032 6x_7,F3=0.209 1x_1+0.127 3x_2-0.300 2x_3-0.103 3x_4+0.092 8x_5-0.651 2x_6+0.637 7x_7。建立入选主成分评估模型为Y=0.269 3x_1+0.279 2x_2+0.268 7x_3+0.313 4x_4+0.109 7x_5+0.048 9x_6+0.305 6x_7。     

荷斯坦奶牛隐性乳房炎与乳用特征的相关性分析

随机抽取荷斯坦奶牛 472头 (1～ 11胎 )进行奶牛隐性乳房炎的检测 ,乳用特征性状 (楞角性、尻宽、尻角度、后肢侧视、蹄角度 )的线性评定 ,以及隐性乳房炎与乳用特征的相关性分析。结果表明 :奶牛隐性乳房炎的乳区阳性率与楞角性、尻宽、尻角度、后肢侧视、蹄角度的相关系数分别为 0 1171、0 10 3 0、0 0 681、0 0 180、-0 12 65 ,其中与楞角性、尻宽分别达到显著水平 (P <0 0 5 )的正相关 ,与蹄角度达极显著 (P <0 0 1)的负相关。奶牛阳性率与楞角性、尻宽、尻角度、后肢侧视、蹄角度的相关系数分别为 0 0 967、0 0 5 61、0 0 2 82、0 0 12 7和 -0 0 670 ,其中除与楞角性为显著水平 (P <0 0 5 )的正相关 (0 0 967)外 ,其余均不显著 (P >0 0 5 )。     

主成分模型评估奶牛乳房性状的探讨

为了建立丰成分模型评估奶牛乳房性状,笔者在安徽蚌埠蚂蚁山奶牛场随机抽取荷斯坦奶牛220头,测定前房附着(x_1)、后房高度(x_2)、后房宽度(x_3)、悬韧带(x_4)、乳房深度(x_5)和乳头长度(x_6)等乳房性状,建立乳房性状入选主成分的评估模型。结果表明,主成分F_1~F_5的累计贡献率达到88.07%,为入选主成分。F_1~F_5的表达式分别为F_1=-0.2828x_1+0.5326x_2+0.3483x_3+0.2849x_4-0.5663x_5+0.3365x_6,F_2=0.4696x_1+0.2665x_2-0.1489x_3+0.6043x_4+0.4404x_5+0.3565x_6,F_3=-0.3407x广0.1619x_2+0.4787x_3+0.5421x_4+0.2863x_5-0.5028x_6,F_4=0.4979x_1-0.3613x_2+0.7239x_3-0.4561x_4-0.0658x_5+0.2624x_6,F_5=0.5133x_1+0.5305x_2+0.1029x_3-0.1292x_4-0.1390x_50.6391x_6。建立入选主成分评估模型为Y=0.1482x_1+0.1782x_2+0.2955x_3+0.2471x_4-0.0256x_5+0.0001x_6。     

淮南地区荷斯坦奶牛乳用特征的线性评定

随机选择安徽淮南乳品公司的荷斯坦奶牛493头(1～11胎)进行奶牛乳用特征性状即楞角性、尻宽、尻角度、后肢侧视、蹄角度的线性评定。结果表明:淮南地区荷斯坦奶牛乳用特征性状的表现中等偏好,楞角性、尻宽、尻角度、后肢侧视、蹄角度的评定等级分别是佳、优、中、中、良;优秀率是20%,中等率为40%。同时,楞角性、尻宽、蹄角度的线性评分随胎次变化而变化的幅度很小,且未表现出一定的规律;而后肢侧视、尻角度的线性评分在1～5胎内随胎次的升高而有明显的升高,并且前者的变异幅度大于后者。     

肉杂鸡屠宰性状的主成分分析

为了对肉杂鸡屠宰性状的主成分进行分析,笔者选择200只1日龄肉杂鸡(科宝1500♂×海赛克斯♀),公母各半,饲喂基础日粮,常规饲养;42日龄随机抽取50只,公母各半,进行屠宰性状活重(x_1)、屠宰重(x_2)、半净膛重(x_3)、全净膛重(x_4)、胸肌重(x_5)、腿肌重(x_6)、腹脂重(x_7)的主成分分析。结果表明,主成分F_1、F_2的贡献率分别为79.29%和13.48%;二者的累计贡献率达到92.78%。F_1的信息量表达式为F_1=O.4131x_1+0.4165x_2+0.4179x_3+0.4110x_4+0.3999x_5+0.3658x_6+0.1367x_7,可视为重量因子;F_2的信息量表达式为F_2=0.0448x_1-0.0014x_2-0.0465x_3-0.0280x_4-0.1259x_5-0.1897x_6+0.9712x_7,可视为腹脂因子。     

奶牛外貌性状对305d产奶量的多元回归分析

为了进行奶牛外貌性状对305 d产奶量的多元回归分析,试验选择荷斯坦奶牛180头,其中1~3胎各60头,测定其体高(X_1)、胸宽(X_2)、体深(X_3)、尻角度(X_4)、尻宽(X_5)、后肢侧视(X_6)、蹄角度(X_7)外貌性状,对奶牛305 d产奶量进行多元回归分析。结果表明:尻宽、蹄角度、体深与305 d产奶量的相关系数分别为0.306 5,0.260 7,0.246 8;多元回归方程为Y=2761.00-19.33X_1+12.30X_2+41.46X_3-17.66X_4+55.61X_5+3.51X_6+43.25X_7,达极显著水平(P0.01),但自变量X_1、X_2、X_3、X_4、X_6的偏回归系数未达到显著水平(P0.05);最优回归方程Y=2635.83+39.55X_3+46.26X_5+41.43X_7,回归方程及自变量的偏回归系数均达显著水平(P0.05)。说明奶牛外貌性状对305 d产奶量的最优回归方程的建立能够为提高奶牛生产性能提供思路。     

AA肉鸡生产性能评定模型的建立

为了对AA肉鸡的生产性能进行评定,试验采用主成分分析法对16栋鸡舍中374 442只AA肉鸡的生产性能进行了统计分析,测定了入栏数(x_1)、死淘数(x_2)、存栏数(x_3)、成活率(x_4)、累计总耗料量(x_5)、累计只耗料量(x_6)、体重(x_7)、平均周增重(x_8)和饲料转化比(x_9)等9个指标,建立了生产性能综合评定模型。结果表明:9个变量间存在不同程度的相关性,提取的3个主成分综合了原变量94.473 4%的信息,主成分y_1、y_2、y_3的贡献率分别为50.299 7%、30.004 5%、14.169 2%,其信息表达式分别为y_1=-0.236 5x_1-0.436 4x_2+0.386 2x_3+0.435 3x_4+0.122 8x_5+0.103 7x_6+0.408 2x_7+0.408 2x_8-0.236 2x_9;y_2=0.187 6x_1-0.063 7x_2+0.126 7x_3+0.066 5x_4+0.580 5x_5+0.568 5x_6-0.085 5x_7-0.085 5x_8+0.515 3x_9;y_3=-0.546 9x_1+0.280 4x_2-0.469 7x_3-0.287 5x_4+0.125 2x_5+0.243 9x_6+0.343 3x_7+0.343 3x_8+0.090 2x_9。建立的生产性能综合评定模型为I=-0.148 4x_1-0.210 5x_2+0.175 4x_3+0.209 8x_4+0.268 5x_5+0.272 3x_6+0.241 7x_7+0.241 7x_8+0.051 4x_9。说明所建模型综合了9个指标的绝大部分信息,可用于AA肉鸡生产性能的综合评定。     

AA肉鸡屠宰性状主成分坐标图的分析

选取120只1日龄AA肉鸡,公母各半,饲喂基础日粮,常规饲养。42日龄随机抽取40只,公母各半,进行活重(x1)、屠宰重(x2)、半净膛重(x3)、全净膛重(x4)、胸肌重(x5)、腿肌重(x6)、腹脂重(x7)的主成分坐标图的分析。结果表明:1)主成分F1、F2、F3的贡献率分别为60.57%、19.91%、15.24%,累计贡献率为95.73%,为入选主成分。2)F1、F2、F3的信息量表达式分别为F1=0.450 7x1+0.4743x2+0.415 0x3+0.404 4x4-0.106 3x5+0.314 4x6+0.354 9x7,F2=-0.165 4x1-0.138 1x2+0.317 1x3+0.422 8x4+0.792 6x5-0.212 3x6-0.032 6x7,F3=0.209 1x1+0.127 3x2-0.300 2x3-0.103 3x4+0.092 8x5-0.651 2x6+0.637 7x7;F1、F2、F3分别称为屠宰因子、胸肌因子、瘦肉因子。3)在F1和F2、F1和F3、F2和F3构成的平面坐标中,x3和x4都是距离最近,可视为同类性状。     

荷斯坦奶牛不同胎次外貌性状间的相关性分析

笔者在安徽淮南益益乳品公司第一奶牛场牛群中,随机抽取荷斯坦奶牛165头,其中1胎~3胎各55头,进行不同胎次奶牛外貌性状体高(x1)、胸宽(x2)、体深(x3)、尻角度(x4)、尻宽(x5)、后肢侧视(x6)、蹄角度(x7)间的相关分析。结果表明,第1胎次,体高、体深与其他性状的相关系数均为正值;第2胎次,尻角度与其他性状的相关系数均为负值;其余各性状间在各胎次相关性质有正有负。就各性状的相关性而言,在胎次间未表现出较明显的变化趋势,时正时负。就各性状的相关程度而言,总体表现出相关系数绝对值随胎次升高而降低的趋势,即相关的密切程度减小。     

某新建牛场奶牛肢蹄损伤情况的调查分析

对某新建牛场肢蹄病牛进行临床检查和资料统计分析,结果表明患肢蹄病与年龄、胎次有密切关系:4-6岁牛的发病率明显高于4岁以下牛(P相似文献   

运用主成分分析和聚类分析确定AA肉鸡生产力的评价指标

为了对规模化肉鸡饲养场AA肉鸡的生产力进行综合评价,试验以滑县某肉鸡场124 789只AA肉鸡为材料,按鸡舍和周龄对其生产性能进行调查测定,测定项目有存栏数(x_1)、成活率(x_2)、周耗料量(x_3)、累计只耗料量(x_4)、只日耗料量(x_5)、体重(x_6)、周增重(x_7)、周效率(x_8)、累计效率(x_9)等9项指标,采用主成分分析和聚类分析法确定了生产力综合评价中的重要指标,建立了AA肉鸡生产力综合评价模型。结果显示:9个指标间均存在着极显著的相关性(P0.01);提取的3个主成分Y_1、Y_2、Y_3方差贡献率分别为92.25%、4.71%、1.84%,累计贡献率为98.79%;9项指标可聚为4类,其中存栏数(x_1)、周耗料量(x_3)、体重(x_6)、周效率(x_8)是影响生产力水平的重要指标。此研究结果可作为AA肉鸡场生产管理的科学依据。     

AA肉鸡生产指标间的相关性分析

为了研究AA肉鸡生产指标间的相关关系,试验采用相关和回归分析的方法,对河南省滑县某养鸡场16.59万只AA肉鸡的周龄(x_1)、全群存栏数(x_2)、全群成活率(x_3)、全群周耗料量(x_4)、全群累计耗料量(x_5)、全群只耗料量(x_6)、全群只累计耗料量(x_7)、全群周末体重(x_8)、全群周增重(x_9)、全群周效率(x_(10))和全群累计效率(x_(11))等生产指标进行了相关系数计算和回归分析。结果表明:全群存栏数(x_2)和全群成活率(x_3)之间呈极显著正相关(P0.01),二者与其他各指标间呈负相关关系,其余各生产指标间均呈正相关关系。生产指标间的回归方程为:x_8=59.536-3.698×10~(-3)x_4+0.098 x_5-15.125 x_7(R~2=0.999 9),x_9=-66.988+134.224 x_1+0.053 x_4-8.408 x_6(R~2=0.995 9),x_(10)=1.217+1.543×10~(-3)x_6+1.507×10~(-3)x_7-2.757×10~(-3)x_8(R~2=0.979 8),x_(11)=-19.009+0.041 x_1+0.199 x_3+2.499×10~(-6)x_5(R~2=0.996 4)。说明这些生产指标间存在不同程度的相关关系,某些生产指标间存在显著的回归关系。     

基于主成分分析法建立鸭肉质的评估模型

对金定鸭、樱桃谷鸭、苏牧麻鸭和番鸭的失水率(X1)、剪切力(X2)、pH值(X3)、肉色(X4)、粗脂肪((X5)、多不饱和脂肪酸(PUFA,X6)、必需脂肪酸/(EFA,X7)、肌原纤维直径(X8)等8个肉质指标进行了测定,运用主成分分析对肉品质指标进行分析,并建立了主成分综合评价模型(y=-0.301zx1+0.367zx2-0.033zx3-0.223zx4-0.342zx5+0.250zx6+0.249zx7+0.267zx8).结果表明,选取前2个特征值作为2个主成分(累计贡献率达到85.15％),基本上反映了原所有肉质指标包含的全部信息;番鸭主成分综合得分最高,其次分别为金定鸭、苏牧麻鸭,樱桃谷鸭表现较低,结果与预期完全吻合.     

教师评价最优多元回归方程的建立及分析

笔者以安徽科技学院动科院教师为研究对象,选择2018年-2019学年度第2学期43位任课教师的学生评价(x_1)、同行评价(x_2)、领导评价(x_3)、教学管理部门评价(x_4)、教研教改加分(x_5)5项指标,建立了教师评价(y)的最优多元回归方程y=9.2+0.6x1+0.1x_2+0.15x_3+x_5,为量化、科学、合理的教师评价提供了思路。     

约束组合性状

在动植物的选择中,除了选择指数外,目前已经提出了组合性状的概念,刘来福(1979)提出了遗传方差最大主成分性状,刘垂玗(1982)提出了表型方差最大主成分性状,杨德和戴君惕提出了典范性状。在选择指数中,我们构造一个指数,而这里则把性状X=(x_1,x_2,…x_m)′线性组合成一个新的综合性状F=a_1x_1+a_2x_2+…+a_mx_m=a′X,并赋于它特有的功能,如遗传方差最大、表型方差最大或遗传进展(遗传力)最大等。这就使我们对于多个数量性状的研     

马鹿茸茸重与茸尺关系的研究

本文采用多元线性回归的方法对连续7年的马鹿茸茸重与茸尺间的关系进行了研究。结果表明,影响左侧茸重(y)的主要茸尺因子是主干长(x_1)、主干围(x_2),眉枝长(x_3)、眉枝围(x_4)和冰枝长(x_5).由这些因子所建起的多元线性回归模型为:y=-54.758+0.327x;+2.695x_2+0.316x_3+1.857x_4+0.293x_5,以上每项茸尺与茸重的相关程度t检验均达极显著(P<0.01)。该模型的总体相关系数r=0.885,F检验为极显著(p<0.01);影响右侧y的主要茸尺因子为x_1、x_2、x_4、x_5。所建模型为:y=-66,880+0.673x_1+3.006x_2+1.773x_4+0.275x_5以上每项x与y的相关程度t检验均达极显著(P<0.01)。总体相关r=0.859,F检验极显著(P<0.01)。通过检验可知,模型的精度较高,所得理论值与实测值相近,可用于生产实际中对活体茸重的估测。在养鹿的科研和生产中,常会遇到这样的情况:需要在鹿茸生长的某一特定时刻知道鹿茸的重量,而当时又非收茸期,不能锯下称量,因此影响了科研和生产工作的圆满完成。针对这种情况,我们对主要产茸鹿种马鹿的茸重与茸尺各测量因子之间的关系进行了全面的多元回归分析,得出了通过对茸尺有关因子进行测量,借助回归模型来比较精确估测活体鹿茸重量的方法。     

白萨福克羊体重与体尺指标的相关及回归分析

采用SPSS 17.0对白萨福克羊的体重与体尺指标进行相关性分析、通径分析、逐步回归分析,并对其相关系数进行分解,得出了体重与体尺指标之间的最优回归方程。结果表明:体高(x_1)和管围(x_4)均对白萨福克羊体重影响不显著(P0.05),其相关系数分别为0.382和0.525;胸围(x_3)和体斜长(x_2)对白萨福克羊的体重影响极显著(P0.01),其相关系数分别为0.822和0.519;体高(x_1)、体斜长(x_2)和管围(x_4)主要是通过胸围(x_3)对体重产生间接作用,胸围(x_3)主要是通过体斜长(x_2)和管围(x_4)对体重产生间接作用;白萨福克羊体重与体尺指标之间的最优回归方程为y=-105.123+1.217x_3+0.619x_2,标准化后的方程为y=0.738x_3+0.186x_2(R~2=0.704,P0.01)。     

宁夏地区荷斯坦奶牛头胎产奶量的通径分析与多元线性回归分析

为了从奶牛的初期性状中找到影响头胎305 d产奶量的主要因素,保证早期选种的准确性,加速奶牛育种工作,预测奶牛305 d产奶量,对宁夏地区2004—2013年9年之间出生的10 527头中国荷斯坦奶牛的94 743条测定日记录进行分析,并对头胎初产日龄(x_1),日产奶(x_2),乳脂率(x_3),蛋白率(x_4),体细胞评分(x_5),乳糖率(x_6),高峰奶(x_7),高峰日(x_8)和头胎305 d产奶量(y)进行通径分析。通过逐步回归的方法将x6剔除出回归方程。结果显示:宁夏地区奶牛305 d产奶量的回归方程为,y=-1 392.56+0.17x_1+87.87x_2-75.09x_3+245.14x_4-35.95x_5+175.10x_7+5.99x_8;各自变量对回归方程估测可靠度R~2总贡献分析,x_7对R~2的总贡献率为0.52,居各自变量之首。回归方程的建立为准确预测奶牛营养需要、实施奶牛的精细化饲养提供了依据。     

林周河谷高寒草甸和灌丛草场可饲用天然牧草时空变化特征

为研究西藏"一江两河"流域高山草甸和灌丛草场的时空变化特征,在牧草发青季(2017年7月份)、丰草季(2017年9月份)和枯草季(2018年3月份),对不同海拔梯度林周河谷南山阴坡和北山阳坡草地进行调查分析。结果表明:(1)林周河谷南山阴坡低海拔处以白草为优势种,海拔升高100 m左右时出现灌丛植被类型;山坡中段为草甸草场,主要以高山嵩草和苔草为主。总盖度最高月份为7—9月,随海拔升高,盖度相应增加,不同季节同一海拔高度总盖度间均差异不显著(P>0.05),而不同海拔高度、同一季节中总盖度差异极显著(P<0.01)。(2)季节显著影响牧草含水率(P<0.01),可饲用牧草含水率7—9月份最高,10月份后随牧草枯萎而下降,进入冬季降至0%;同一季节不同海拔梯度中,低海拔和中段海拔可饲用牧草中含水率较高。(3)不同季节可饲用牧草的产草量间差异极显著(P<0.01),单位面积总可饲用牧草产草量10月末最高,夏秋季最低;随海拔高度升高,可饲用牧草的产草量显著增高(P<0.05)。(4)经三维响应曲线拟合,总盖度y、海拔梯度x_1、月份x_2之间的关系为:y=a_1+a_2×x_2~2+a_3×x_1+a_4×x_2(a_1,a_2,a_3,a_4分别为-657.137 4、-0.882 8、0.167 1、12.507 0);含水率y、海拔梯度x1、月份x2的关系为:y=a_1+a_2×x_2~2+a_3×x_1+a_4×x_2(a_1,a_2,a_3,a_4分别为-146.147 1、-3.883 9、-0.010 0、62.100 6);产草量y、海拔梯度x1、月份x2的关系为:y=a_1+a_2×x_2~2+a_3×x_1+a_4×x_2(a_1,a_2,a_3,a_4分别为-131.065 5、2.977 2、0.069 0、-36.511 1)。结论:通过研究,建立了林周河谷南山阴坡主要高山草甸放牧草场的总盖度、含水率与产草量的立体时空变化特征;北山阳坡主要为高山灌丛,非天然放牧场所,作为饲用牧场,研究意义不大。