测定日模型主要是分析奶牛在不同测定日产奶性状的模型
随机回归模型, 主要是分析一个个体有多个观测值的数据, 即纵向数据(longitudinal data)或者称为面板数据(panel data)
测定日模型是随机模型的一种类型
不同时间点测量的个体的体重, 体长等
不同时间点测量的产奶量, 饲料消耗, 脂肪成分变化, 产蛋量等
不同胎次的产仔数等
考虑个体的不同观测值间的联系, 而且每个个体由于个体的特异性, 关系不同. 这些模型将不同个体的差异作为随机因子加入回归模型中, 以反映个体对其重复测量的影响.
随机效应模型
方差分量模型
多层模型
多水平模型
两步模型
随机效应混合模型
随机回归模型
分层线性模型
动物育种中, 像产蛋量, 羊毛性状, 猪的产仔数等由于有重复测量的数据, 可以计算重复力.
表型 = 均值 + 加性效应 + 重复力效应 + 残差
之所以能剖分出重复力效应, 主要原因是其有重复观测数据, 就像二因素方差分析中, 只有交互不同水平有重复观测值, 才能分析交互作用的显著性.
多性状模型, 主要是性状间不独立, 这时可以使用多性状模型, 估算性状间的方差协方差组分, 计算遗传相关, 用于育种中的间接选择. 比如猪50天, 100天, 150天的体重, 三者之间是有关联性的, 运用多性状模型, 可以估算出三个性状间的遗传相关, 达到提前选择的目的.
当性状比较多时, 比如10性状, 需要估算45个参数. 像奶牛不同测定日(5~305天)的性状, 高达上百个, 需要估算更多的参数, 无法实现, 因此不能使用多性状模型进行分析.
1, 可以分析多个性状的情况, 比如100天, 300天产奶量
2, 利用Legendre多项式, 不同阶数的比较, 选择最优模型, 结果可以转化为常规多性状模型的形式, 包括各性状遗传相关和表型相关, 各性状遗传力, 重复力等
3, 相对于多性状模型, 模型更容易收敛, 结果也更准确
数据的基本信息
数据根据测定日DIM分成10个月,主要用于残差异质性定义。
联系客服