優(yōu)化隨機(jī)回歸模型的選擇.pdf

1、隨機(jī)回歸模型是在隨機(jī)效應(yīng)項鑲嵌關(guān)于時間的函數(shù)用來分析測定日記錄或者縱向數(shù)據(jù)的混合模型，它在動物育種中已然成為分析個體重復(fù)記錄的一般方法，其廣泛應(yīng)用于產(chǎn)奶性狀、生長性狀、生存性狀、繁殖性狀、基因型和環(huán)境互作的遺傳分析。而且隨機(jī)回歸模型的優(yōu)化也是人們一直在探索的問題，子模型函數(shù)的選擇便是其中的熱點之一。本研究的主要目的是通過不同統(tǒng)計標(biāo)準(zhǔn)和估計參數(shù)行為的比較，篩選出擬合隨機(jī)回歸模型中各種效應(yīng)的最佳子模型。 本文使用的數(shù)據(jù)來源于1998

2、到1999年加拿大10130頭荷斯坦奶牛第一胎次的測定日記錄。我們的優(yōu)化過程：首先將28個子模型分別鑲嵌到隨機(jī)回歸模型中的固定效應(yīng)，固定效應(yīng)包括群測定日獨立于時間的效應(yīng)和描述所有動物平均觀測值表型曲線的函數(shù)。通過擬合度和F統(tǒng)計量的比較，確定5階Legendre多項式為擬合固定效應(yīng)的最佳子模型。 其次，固定效應(yīng)鑲嵌5階Legendre多項式，加性遺傳效應(yīng)和永久環(huán)境效應(yīng)分別鑲嵌3到8階的Legendre多項式?？傆嬘?6個隨機(jī)回歸模

3、型進(jìn)行比較。隨機(jī)回歸模型的方差組分使用Gibbs抽樣的方法進(jìn)行估計。模型的統(tǒng)計標(biāo)準(zhǔn)有總剩余方差、似然函數(shù)對數(shù)值、Akaike信息尺度、貝葉斯信息準(zhǔn)則、貝葉斯因子、模型復(fù)雜性尺度和復(fù)雜性相對下降率。結(jié)果表明在比較不同隨機(jī)回歸模型時，貝葉斯因子，模型復(fù)雜性尺度、復(fù)雜性相對下降率可以更好的顯示模型之間的差異。 通過各種統(tǒng)計指標(biāo)和估計參數(shù)行為的比較，確定固定效應(yīng)和加性遺傳效應(yīng)鑲嵌5階Legendre多項式，永久環(huán)境效應(yīng)鑲嵌7階Legen