Hauke Hüttmann, 2007 - Institut für Tierzucht und Tierhaltung ...

3 Eigene Untersuchungen
Aufgrund der geringen Abweichung der Akaike und Bayesian Informationskriterien zu den
Log-Likelihood-Werten (-2logL) wurden diese nicht berücksichtigt. Bei den 4 abgebildeten
Modellvarianten handelt es sich jeweils um die einfachsten und komplexesten Varianten mit
der besten Datenanpassung der Fixed und Random Regression Modelle.
Bei allen untersuchten Merkmalen zeigte sich anhand der geringen Log-Likelihood-Werte,
dass die Anpassung an den Datensatz bei der komplexesten Modellvariante RR AS TOEP(4)
am besten ist. Die vier dargestellten Modellvarianten unterscheiden sich bei allen Merkmalen
signifikant mit einer Irrtumswahrscheinlichkeit von α = 0,01 voneinander.
Aus den Differenzen der Log-Likelihood-Werte der verschiedenen Modelle zur jeweils
komplexesten Variante (RR AS TOEP(4)) kann der Einfluss abgelesen werden, den die
Random Regression Komponente oder die unterstellte Kovarianzstruktur der wiederholten
Messungen bzw. deren Kombination auf die Datenanpassung haben. Mit Ausnahme des
Merkmals energiekorrigierte Milchmenge zeigte sich bei den übrigen Merkmalen eine
stärkere Verbesserung der Datenanpassung durch die Integration der Random Regression
Komponente im Vergleich zur Wahl einer bestimmten Kovarianzstruktur.
Mit Ausnahme des Merkmals Futteraufnahme konvergierten bei den anderen Merkmalen die
Fixed Regression Modelle mit den unterlegten Kovarianzstrukturen Töplitz(3) und Töplitz(4)
nicht. Bei den Random Regression Modellen wurde jedoch deutlich, dass diese beiden
Kovarianzstrukturen die Daten besser erklären als die Kovarianzstrukturen VC, AR(1) und
SP(EXP). Die Ergebnisse der Varianten mit den Kovarianzstrukturen AR(1) und SP(EXP)
sind meist identisch, da sich die Varianz-Kovarianzmatrizen bei den beiden Kovarianzstrukturen
erst ab der fünften Dezimalstelle unterscheiden.
Nachstehend sind die Varianz-Kovarianzmatrizen der Resteffekte (R) für die Merkmale
Gesamtfutteraufnahme und energiekorrigierte Milchmenge aufgeführt, die entsprechenden
Matrizen für das Lebendgewicht und die Energiebilanz sind in der Anlage hinterlegt. Die
Matrizen resultieren aus den Random Regression Modellen mit Modellierung der
Laktationskurve nach ALI und SCHAEFFER (1987) in Kombination mit der jeweils
unterlegten Kovarianzstruktur.
Beim Merkmal Gesamtfutteraufnahme wurden bei allen getesteten Kovarianzmustern geringe
Korrelationen zwischen den aufeinander folgenden Beobachtungen geschätzt. Während
jedoch bei den Kovarianzmustern AR(1) und SP(EXP) die Beziehungen zwischen
Beobachtungen mit wachsendem Abstand sehr stark abnehmen, werden bei den
Kovarianzmustern nach Töplitz deutlich höhere Korrelationen zwischen Beobachtungen mit
mehrtägigem Abstand zueinander gefunden.
72