web測定日模型及隨機模型的概念是什么

本文小編為大家詳細介紹“web測定日模型及隨機模型的概念是什么”，內容詳細，步驟清晰，細節處理妥當，希望這篇“web測定日模型及隨機模型的概念是什么”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

1. 概念區分

1.1 測定日模型(Test-day-model)與隨機回歸模型(Random-regression-model)的區別

• 測定日模型主要是分析奶牛在不同測定日產奶性狀的模型

• 隨機回歸模型, 主要是分析一個個體有多個觀測值的數據, 即縱向數據(longitudinal data)或者稱為面板數據(panel data)

• 測定日模型是隨機模型的一種類型

1.2 動物育種中, 有哪些數據可以用隨機回歸模型進行分析

• 不同時間點測量的個體的體重, 體長等

• 不同時間點測量的產奶量, 飼料消耗, 脂肪成分變化, 產蛋量等

• 不同胎次的產仔數等

2. 縱向數據的分析方法

2.1 縱向數據模型特點

考慮個體的不同觀測值間的聯系, 而且每個個體由于個體的特異性, 關系不同. 這些模型將不同個體的差異作為隨機因子加入回歸模型中, 以反映個體對其重復測量的影響.

2.2 縱向數據分析常用模型

• 隨機效應模型

• 方差分量模型

• 多層模型

• 多水平模型

• 兩步模型

• 隨機效應混合模型

• 隨機回歸模型

• 分層線性模型

3. 隨機回歸模型的優勢

3.1 隨機回歸模型與重復力模型的區別

• 動物育種中, 像產蛋量, 羊毛性狀, 豬的產仔數等由于有重復測量的數據, 可以計算重復力.

• 表型 = 均值 + 加性效應 + 重復力效應 + 殘差

• 之所以能剖分出重復力效應, 主要原因是其有重復觀測數據, 就像二因素方差分析中, 只有交互不同水平有重復觀測值, 才能分析交互作用的顯著性.

3.2 隨機回歸模型與多性狀模型區別

• 多性狀模型, 主要是性狀間不獨立, 這時可以使用多性狀模型, 估算性狀間的方差協方差組分, 計算遺傳相關, 用于育種中的間接選擇. 比如豬50天, 100天, 150天的體重, 三者之間是有關聯性的, 運用多性狀模型, 可以估算出三個性狀間的遺傳相關, 達到提前選擇的目的.

• 當性狀比較多時, 比如10性狀, 需要估算45個參數. 像奶牛不同測定日(5~305天)的性狀, 高達上百個, 需要估算更多的參數, 無法實現, 因此不能使用多性狀模型進行分析.

3.3 測定日回歸模型的分析優勢

• 1, 可以分析多個性狀的情況, 比如100天, 300天產奶量

• 2, 利用Legendre多項式, 不同階數的比較, 選擇最優模型, 結果可以轉化為常規多性狀模型的形式, 包括各性狀遺傳相關和表型相關, 各性狀遺傳力, 重復力等

• 3, 相對于多性狀模型, 模型更容易收斂, 結果也更準確

3.4 隨機回歸模型到動物模型的復雜度

4. 測定日模型的分析思路

4.1 測定日回歸模型的操作方法1: 書寫模型

4.2 測定日回歸模型的操作方法2: 參數估算

4.3 測定日回歸模型的操作方法3: 結果展示

5. 文獻解析: 使用測定日模型評估荷斯坦奶牛的遺傳參數

5.1 文獻題目

5.2 數據

數據的基本信息
數據根據測定日DIM分成10個月，主要用于殘差異質性定義。

5.3 模型書寫

5.4 固定因子顯著性以及BLUE值

5.5 篩選最優模型評定，加性是4階，永久環境效應是3階

5.6 方差組分隨時間變化曲線

5.7 遺傳力和重復力隨時間變化曲線

5.9 不同測定日遺傳相關和表型相關

讀到這里，這篇“web測定日模型及隨機模型的概念是什么”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。