پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,764 |
| تعداد مشاهده مقاله | 115,151,262 |
| تعداد دریافت فایل اصل مقاله | 89,910,024 |
کاربرد روش تحلیل مؤلفۀ اصلی برای پیش‌بینی وزن دنبه و وزن لاشه در برههای ماکوئی | ||
| علوم دامی ایران | ||
| مقاله 6، دوره 44، شماره 4، دی 1392، صفحه 347-354 اصل مقاله (168.3 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijas.2013.50378 | ||
| نویسندگان | ||
| مهدی مخبر1؛ حسین مرادی شهربابک* 2؛ امیر حسین خلت آبادی فراهانی3 | ||
| 1دانشجوی دکتری ژنتیک و اصلاح نژاد، گروه مهندسی علوم دامی دانشگاه تهران، کرج، ایران | ||
| 2استادیار گروه مهندسی علوم دامی دانشگاه تهران، کرج، ایران | ||
| 3استادیار گروه مهندسی علوم دامی دانشگاه اراک، اراک، ایران | ||
| چکیده | ||
| هدف از این مطالعه بررسی ارتباط 18 صفت وزن زنده، ارتفاع جدوگاه، محیط دور سینه، محیط دور گردن، طول بدن حیوان، محیط دور حفرۀ بطنی، عرض بالای دنبه، عرض وسط دنبه، عرض پایین دنبه، طول طرف راست دنبه، طول شکاف دنبه، طول طرف چپ دنبه، قطر بالای دنبه، قطر وسط دنبه، قطر پایین دنبه، محیط بالای دنبه، محیط وسط و پایین دنبه با صفات اوزان لاشه با دنبه، لاشه، و دنبه و پیش‌بینی عملکرد این صفات با روش تابعیت خطی چند‌متغیره بر‌حسب تحلیل مؤلفۀ اصلی بود. عامل جنس به‌جز صفات قطر دنبه در ناحیۀ بالا، پایین، و وسط، طول شکاف و طرفراست دنبه و عرض دنبه در ناحیۀ بالا و پایین، معنی‌دار بود و عملکردها اکثراً در نرها بیشتر از ماده‌ها بود. بنابراین میانگین عملکرد صفات به‌همراه انحراف معیار به‌طور جداگانهای برای نرها و ماده‌ها به‌دست آمد. سپس وجود همراستایی چندگانه با بررسی همبستگی بین متغیرهای مستقل، عامل تحمل، و عامل تورم واریانس تأیید شد. به‌منظور از‌بین‌بردن همراستایی چندگانۀ مشاهده‌شده در بین متغیرهای ورودی و تفسیر بهتر نتایج مدل تابعیت از روش تحلیل مؤلفۀ اصلی استفاده شد. نتایج این مطالعه نشان داد که مشکل همراستایی چندگانۀ موجود در بین متغیرهای مستقل صفات مطالعه‌شده با‌استفاده از روش تابعیت مؤلفۀ اصلی حل‌شدنی است. ضریب تبیین برای صفات بررسی‌شده در دامنۀ 973/0 برای صفت وزن لاشه بدون دنبه در برههای نر ماکوئی تا 561/0در صفت لاشه با دنبۀ برههای مادۀ ماکوئی، متغیر بود. | ||
| کلیدواژه‌ها | ||
| برههای ماکوئی؛ تحلیل مؤلفۀ اصلی؛ همراستایی چندگانه | ||
| عنوان مقاله [English] | ||
| Applications of Principal Component Analysis to Prediction of Fat-Tail and Carcass Weight Traits in Makooei Lambs | ||
| نویسندگان [English] | ||
| Mahdi Mokhber1؛ Hosein Moradi Shahr Babak2؛ Amirhosein Khelt Abadi Farahani3 | ||
| 1Postgraduate Student, Genetic and Animal Breeding, Department of Animal Science, Faculty of Agricultural Sciences and Engineering, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran | ||
| 2Assistant Professor, Genetic and Animal Breeding, Department of Animal Science, Faculty of Agricultural Sciences and Engineering, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran | ||
| 3Assistant Professor, Genetic and Animal Breeding, Department of Animal Science, Faculty of Agricultural Science and Engineering, University of Arak, Arak, Iran | ||
| چکیده [English] | ||
| The objective followed in the present study was to survey the relationship between 18 body trait measurements (live weight, height at wither, paunch girth, neck diameter, body length, girth around the body, width of fat tail at above, below and midpoint of fat tail, fat tail length lowers right and left sides, fat tail gap length, fat tail depth at the above, below, and midpoint, and girth around fat tail at the above, mid and down point ) and the traits of fat tail weight and carcass (weight with and without fat tail) in Makooei Sheep and to Predict these traits, performance though multivariate Linear Regression Method Based on Principal Component Analysis. Sex showed significant effects on all the measured traits expect fat tail, depth at above, midpoint and down point, fat tail length towards right side plus gap length, width of fat tail at the above and below point of tail. Means and standard error for each trait were evaluated by sex. Multicollinearity was detected through a survey of the relationship among these traits, variance inflation factor and tolerance value. Principal component analysis was employed to resolve multicollinearity problem among independent variables and for a clearer explanation of the results. R2 range for different regression models varied between 0.973 for carcass weight without tail in male sex and 0.561 for carcass weight with fat tail in female sex of Makooei lambs. | ||
| کلیدواژه‌ها [English] | ||
| Makooei lambs, multicollinearty, principal components analysis | ||
|
آمار تعداد مشاهده مقاله: 2,003 تعداد دریافت فایل اصل مقاله: 1,103 |
||