استفاده از روش تحلیل مولفه‌های اصلی برای پیش بینی صفت وزن دنبه در گوسفندان نژاد لری بختیاری

نویسندگان

1 دانشجوی دوره دکتری پردیس کشاورزی و منابع طبیعی دانشگاه تهران،

2 استاد پردیس کشاورزی و منابع طبیعی دانشگاه تهران،

3 استادیارپردیس کشاورزی و منابع طبیعی دانشگاه تهران،

4 دانشیار دانشگاه آزاد اسلامی، واحد شهرکرد

چکیده

به منظور بررسی ارتباط 11 صفت وزن زنده، طول بدن حیوان، محیط دور بدن، قد حیوان، عرض وسط دنبه، عرض پایین دنبه، عرض بالای دنبه، طول دنبه، طول شکاف دنبه، عمق دنبه و محیط دور دنبه با صفت وزن دنبه از اطلاعات 731 راس گوسفندان لری بختیاری و با هدف از بین بردن مشکل هم‌راستایی چندگانه، از روش‌های تحلیل مولفه‌های اصلی و حداقل مربعات معمولی استفاده گردید. وجود هم‌راستایی چندگانه با استفاده از عامل تورم واریانس (بیشتر از 5 یا 10) در بعضی از متغیرهای مستقل شناسایی شد. نتایج حاصل از این مطالعه نشان داد که مشکل هم‌راستایی چندگانه موجود در اطلاعات مربوط به ارتباط بین وزن دنبه گوسفند لری بختیاری با 11 متغیر مستقل مربوط به این صفت با استفاده از روش تابعیت مولفه‌های اصلی قابل حل می‌باشد. همچنین از کل این 11 متغیر صفات طول شکاف دنبه، عمق دنبه و محیط دور دنبه به ترتیب بالاترین ضریب را در برآورد وزن دنبه و به همین ترتیب صفات محیط دور بدن و طول دنبه به ترتیب کمترین ضریب را در برآورد وزن دنبه به خود اختصاص دادند.

کلیدواژه‌ها


عنوان مقاله [English]

Use Of Principal Components Analysis to Prediction Fat-tail Weight Trait in Lori-Bakhtiari Sheep

نویسندگان [English]

  • mohammadreza bakhtiarizade 1
  • mohammad moradi shahre babak 2
  • hossein moradi 3
  • mahmood vatankhah 4
چکیده [English]

The relationship between live body weight, body length, girth circumference, animal hight, upper, middle as well as lower width of fat-tail, fat-tail length, fat-tail gap length, fat-tail depth and fat-tail circumference along with fat-tail weight were determined using records of 731 Loribakhtiari sheep. Principal Component and Least Square Analyses were applied to solve the collinearity instability. Collinearity problems as portrayed by variance inflation factors above 5 or 10 were evident in some of independent variables. Results showed that the problem of collinearity in relation with fat-tail weight of 11 independent variables could be solved by using Principal Component Analysis method. Fat-tail gap length, fat-tail depth, and fat-tail circumference vs. girth circumference, and fat-tail length respectively represented the highest and the lowest coefficients regarding the estimation of fat-tail weight.

کلیدواژه‌ها [English]

  • Lori-Bakhtiari sheep
  • multicollinearty
  • principal components analysis