Метод многофакторного корреляционно-регрессионного анализа

14.04.2015

Прогнозирование продуктивности свиней с использованием генетико-математического моделирования проводится по комплексу признаков, объединяемых в математические модели, имеющие вид уравнения множественной регрессии:

Метод многофакторного корреляционно-регрессионного анализа

Для определения тесноты связи между прогнозируемым признаком и признаками, по которым ведут прогноз, вычисляют коэффициенты частной регрессии:

При этом учитывают не только парные связи между признаками, но и так называемые внутренние связи, проявляющиеся лишь при совместном их изучении, что позволяет уточнить истинный уровень взаимосвязи между признаками в популяции, стаде или линии. Признаки, косвенно дублирующие один другой или находящиеся в функциональной зависимости, в модели не включают.
Составив модели, вычисляют коэффициенты множественной корреляции или детерминации между селекционируемым признаком и признаками, по которым ведут прогноз. По завершении этой операции исключают из моделей признаки, оказывающие наименьшее влияние на изучаемую функцию, и повторяют расчет. Отсев несущественных факторов проводят до тех пор, пока между прогнозируемым признаком и показателями, по которым ведут прогноз, не получат наибольший коэффициент множественной корреляции или детерминации. Так устанавливают приоритетность признаков в прогнозировании показателей продуктивности.
Выявив наиболее оптимальные модели, составляют уравнения множественной регрессии, по которым и выполняют теоретический расчет прогнозируемых продуктивных признаков.
Таким образом, сущность метода заключается в том, что по комплексу показателей, косвенно связанных с каким-то хозяйственно полезным признаком, определяют его величину у животного в молодом возрасте и на основании этой оценки получают предварительные сведения о его племенной ценности.