Hauke Hüttmann, 2007 - Institut für Tierzucht und Tierhaltung ...
Hauke Hüttmann, 2007 - Institut für Tierzucht und Tierhaltung ...
Hauke Hüttmann, 2007 - Institut für Tierzucht und Tierhaltung ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 Diskussion<br />
Regressionen aufgefüllt. Aufgr<strong>und</strong> der Ergebnisse von DE VRIES et al. (1999) wurden in der<br />
vorliegenden Untersuchung die Modellierung der Kurven über den Laktationsverlauf durch<br />
die Funktion von ALI <strong>und</strong> SCHAEFFER (1987) den von LUCY et al. (1991) <strong>und</strong> HEUER<br />
(2000) benutzten Polynomen 3. Grades vorgezogen. Zu der Anzahl an aufgefüllten Werten<br />
werden in keiner der drei zitierten Untersuchungen Angaben gemacht. In der vorliegenden<br />
Untersuchung liegt die Anzahl aufgefüllter Werte bei den Merkmalen Milchmenge,<br />
Futteraufnahme <strong>und</strong> Lebendgewicht mit 6,8 %, 10,3 % <strong>und</strong> 13,0 % in einem subjektiv<br />
vertretbaren Bereich. Da bei einer fehlenden Tagesmessung eines dieser Merkmale auch kein<br />
Wert <strong>für</strong> die aus diesen Einzelkomponenten geschätzte Energiebilanz berechnet werden kann,<br />
ist die Anzahl aufgefüllter Werte bei der Energiebilanz deutlich höher. Um soviel<br />
Wahrheitsgehalt wie möglich zu konservieren, wurde die Energiebilanz erst aus den<br />
aufgefüllten Datenverläufen der Einzelkomponenten Milchleistung, Futteraufnahme <strong>und</strong><br />
Lebendgewicht geschätzt, wobei mit 24,9 % fast jeder vierte Energiebilanzwert zumindest<br />
teilweise aus der polynomialen Regression resultiert. Im Mittel wurde jeder fehlende<br />
Energiebilanzwert zu 38,6 % über die polynomiale Regression geschätzt, wodurch der hohe<br />
Anteil aufgefüllter Werte beim Merkmal Energiebilanz relativiert wird.<br />
Bei der Analyse der Autokorrelationen in Verbindung mit dem Modelltest zeigte die<br />
Kombination des Random Regression Modells II mit der Kovarianzstruktur Töplitz(4) bei<br />
allen analysierten Merkmalen die beste Anpassung an den Datensatz. Die starke Verbesserung<br />
der Anpassung bei der Wahl eines Random Regression Modells anstelle eines Fixed<br />
Regression Modells wird durch die Ergebnisse von AMMON <strong>und</strong> SPILKE (2004) sowie<br />
MIELENZ et al. (2006) bestätigt. Gleichzeitig wird mit Ausnahme des Merkmals Milchmenge<br />
deutlich, dass die Wahl eines Random Regression Modells einen stärkeren Einfluss auf<br />
die Datenanpassung ausübt als die Berücksichtigung einer speziellen Kovarianzstruktur der<br />
Resteffekte.<br />
Die Analyse der Beziehungen zwischen den Beobachtungen aufeinander folgender Tage<br />
zeigt, dass keine Abhängigkeiten in der Höhe der Futteraufnahmen <strong>und</strong> der Energiebilanzen<br />
an direkt benachbarten Tagen bestehen. Zwischen den Beobachtungen mit zweitägigem<br />
Zeitabstand ergibt sich eine sehr schwache Autokorrelation von r 2 = 0,10 bzw. r 2 = 0,09<br />
zwischen den Resteffekten bei der Modellvariante mit der besten Datenanpassung. Bezüglich<br />
des Merkmals Futteraufnahme bestätigen diese Ergebnisse die Untersuchungen von STAMER<br />
(1995).<br />
106