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.
3 Eigene Untersuchungen<br />
Tabelle 14:<br />
Bezeichnung der verschiedenen getesteten Modellvarianten<br />
Modellbezeichnung<br />
Regression<br />
(fixed/random)<br />
Modellierung der<br />
Laktationskurve<br />
Unterlegte<br />
Kovarianzstruktur<br />
FR AS VC fixed regression ALI <strong>und</strong> SCHAEFFER Variance Components<br />
FR AS AR(1) fixed regression ALI <strong>und</strong> SCHAEFFER Autoregression 1<br />
FR AS SP(EXP) fixed regression ALI <strong>und</strong> SCHAEFFER Spatial exponential<br />
FR AS TOEP(3) fixed regression ALI <strong>und</strong> SCHAEFFER Töplitz(3)<br />
FR AS TOEP(4) fixed regression ALI <strong>und</strong> SCHAEFFER Töplitz(4)<br />
RR P2 VC random regression Polynom 2. Grades Variance Components<br />
RR P2 AR(1) random regression Polynom 2. Grades Autoregression 1<br />
RR P2 SP(EXP) random regression Polynom 2. Grades Spatial exponential<br />
RR P2 TOEP(3) random regression Polynom 2. Grades Töplitz(3)<br />
RR P2 TOEP(4) random regression Polynom 2. Grades Töplitz(4)<br />
RR AS VC random regression ALI <strong>und</strong> SCHAEFFER Variance Components<br />
RR AS AR(1) random regression ALI <strong>und</strong> SCHAEFFER Autoregression 1<br />
RR AS SP(EXP) random regression ALI <strong>und</strong> SCHAEFFER Spatial exponential<br />
RR AS TOEP(3) random regression ALI <strong>und</strong> SCHAEFFER Töplitz(3)<br />
RR AS TOEP(4) random regression ALI <strong>und</strong> SCHAEFFER Töplitz(4)<br />
Da die autoregressive Struktur 1. Ordnung (AR(1)) sowie die beiden Varianten Töplitz(3) <strong>und</strong><br />
Töplitz(4) vollständige Datenverläufe des jeweiligen Merkmals benötigen, wurden fehlende<br />
Werte zwischen erster <strong>und</strong> letzter Beobachtung mit Hilfe von zwei verschiedenen Methoden<br />
ersetzt <strong>und</strong> der LRT der 15 Modellvarianten an beiden geschlossen Datenverläufen<br />
durchgeführt.<br />
Bei der ersten Methode wurden nach dem Moving Average Verfahren gleitende Mittelwerte<br />
zum Auffüllen von Datenlücken genutzt. Betrug die Datenlücke nur einen Wert, wurde hier<br />
der Mittelwert der vorhergehenden drei <strong>und</strong> nachfolgenden drei Beobachtungen eingefügt.<br />
Bei größeren Datenlücken wurden diese bis zur Hälfte mit dem Mittelwert der drei<br />
Beobachtungen vor Lückenbeginn aufgefüllt. Für die restlichen fehlenden Werte wurde der<br />
Mittelwert der drei nachfolgenden Beobachtungen nach Lückenende eingesetzt.<br />
Bei der zweiten Methode wurden <strong>für</strong> die fehlenden Werte unter Verwendung des Modells II<br />
mit den Regressionskoeffizienten nach ALI <strong>und</strong> SCHAEFFER (1987) tierindividuell die<br />
Schätzwerte aus der Summe der fixen Effekte <strong>und</strong> dem BLUP-Wert des zufälligen Effekts<br />
eingesetzt.<br />
Damit genügend Vorinformationen zum Abschätzen der tierspezifischen Laktationskurve<br />
bereitstehen <strong>und</strong> die Testergebnisse beider Methoden miteinander vergleichbar sind, wurden<br />
nur die Daten von Tieren berücksichtigt, die im jeweiligen Merkmal mehr als<br />
69