奶牛乳用特征性状与305天产奶量的多元回归分析

程郁昕，曹亚新

(安徽科技学院 动物科学学院, 安徽 凤阳 233100)



奶牛乳用特征性状与305天产奶量的多元回归分析

程郁昕，曹亚新

(安徽科技学院 动物科学学院, 安徽 凤阳 233100)

目的：进行奶牛乳用特征性状与305天产奶量的多元回归分析。方法：选择淮南益益乳品公司第一奶牛场，随机抽取荷斯坦奶牛180头，其中1～3胎各60头，测定乳用特征性状即楞角性(x1)、尻宽(x2)、尻角度(x3)、后肢侧视(x4)、蹄角度(x5)并评定线性分，进行与305天产奶量(y)的多元回归分析。结果：1)尻宽(x2)和蹄角度(x5)与305天产奶量(y)的相关系数分别为极显著(P< 0.01)的0.3065及0.2607。2)建立多元回归方程y=3686.36 +12.92x1+ 53.84x2- 26.21x3+ 3.56x4+ 45.31x5，达极显著水平(P< 0.01)；但自变量x4、x1、x3的偏回归系数未达显著水平(P> 0.05)。3)建立最优回归方程y = 3357.45 + 56.32x2+ 44.56 x5，回归方程及自变量的偏回归系数均达到极显著水平(P< 0.01)。

荷斯坦奶牛；乳用特征性状；线性分；305天产奶量；相关系数；回归方程

奶牛体型外貌是其生产性能的表征，不同生产性能的奶牛具有与其相适应的体型外貌[1]；体型性状不仅与奶牛健康和使用年限紧密相关，也可以直接或间接地影响其生产性能[2]。奶牛体型线性鉴定是正确评价奶牛经济价值的科学依据[3]，测定奶牛体型性状并进行线性评分，可以鉴定其外貌有无功能性的缺陷、是否符合品种标准，根据外貌估计奶牛的生产性能[4]。奶牛体型线性评定主要按体躯容积、一般外貌、乳用特征、泌乳系统四大特征性状分15个重点性状进行多层次评判，其中的乳用特征包括楞角性、尻宽、尻角度、后肢侧视及蹄角度5个性状[5]。多元回归分析是对具有因果关系的影响因素(多个自变量)和预测对象(一个依变量)所进行的统计分析，其中最为简单、常用、并且具有基础性质的是多元线性回归分析[6]。本试验拟测定奶牛乳用特征性状，采用1～50分制[5]评定线性分，根据线性分进行乳用特征性状(xi)与305天产奶量(y)的多元线性回归分析；筛选出影响产奶量的主要性状，建立估计305天产奶量的“最优”回归方程，为生产管理提供参考。

1 材料与方法

1.1 试验动物

选择安徽淮南益益乳品公司第一奶牛场，随机抽取180头荷斯坦奶牛，其中1～3胎各60头。

1.2 乳用特征性状

奶牛体型乳用特征性状包括楞角性、尻宽、尻角度、后肢侧视和蹄角度，其测定方法及线性评分标准见表1。

表1 乳用特征性状的测定方法及线性评分标准[5]

1.3 305天产奶量

收集、整理奶牛的305天产奶量。根据中国奶牛协会规定，当奶牛实际挤奶天数不足305天时，以实际奶量作为305天产奶量；超过305天，则从305天后的奶量不计在内。

1.4 数据处理

运用DPS3.01数据处理系统进行数据的整理和分析。

2 结果与分析

2.1 乳用特征性状线性分及305天产奶量

奶牛乳用特征性状线性分及305天产奶量见表2。

表2 乳用特征性状线性分及305天产奶量

2.2 乳用特征性状与305天产奶量的相关系数

奶牛乳用特征性状与305天产奶量的相关系数见表3。

表3 乳用特征性状与305天产奶量的相关系数

注：*表示P<0.05，显著；**表示P<0.01，极显著。

由表3可见，楞角性(x1)、尻宽(x2)、尻角度(x3)、后肢侧视(x4)、蹄角度(x5)与305天产奶量(y)的相关系数分别为-0.0191、0.3065、-0.1543、0.0091、0.2607，其中尻宽(x2)和蹄角度(x5)与305天产奶量(y)的相关系数分别为0.3065及0.2607，达极显著水平(P<0.01)；尻角度与305天产奶量的相关系数为-0.1543，达显著水平(P<0.05)。

2.3 乳用特征性状(xi)与305天产奶量(y)的多元回归方程

以乳用特征性状为自变量(xi)，305天产奶量为依变量(y)，分析一个依变量(y)对多个自变量(xi)之间的回归关系，建立多元回归方程，由多个自变量(xi)来估计依变量(y)的数值。结果显示，建立的多元回归方程为：y = 3686.36 +12.92x1+ 53.84x2- 26.21x3+ 3.56x4+ 45.31x5。

2.4 乳用特征性状(xi)与305天产奶量(y)的最优回归方程

2.4.1 多元回归方程的方差分析及自变量偏回归系数的显著性检验 建立乳用特征性状(xi)与305天产奶量(y)的多元回归方程y = 3686.36 +12.92x1+ 53.84x2- 26.21x3+ 3.56x4+ 45.31x5，其方差分析见表4，自变量(xi)偏回归系数的显著性检验见表5。

表4 多元回归方程的方差分析

表5 乳用特征性状(xi)偏回归系数的显著性检验

由表4可见，建立的多元回归方程已达极显著的水平(P< 0.01)；由表5可见，自变量x1、x3、x4的偏回归系数未达显著水平(P> 0.05)。

2.4.2 最优回归方程的建立 对于偏回归系数未达到显著水平(P> 0.05)的自变量，按照误差概率由大到小的原则逐一剔除，分别是x4、x1、x3，直至回归方程和各自变量的偏回归系数均达到显著水平(P< 0.05)，最终建立乳用特征性状(xi)与305天产奶量(y)的最优回归方程为y = 3357.45 + 56.32x2+ 44.56 x5，此时，回归方程及自变量的偏回归系数均达到极显著水平(P< 0.01)。

3 讨论

本试验测定奶牛乳用特征性状并线性评定，将不同单位的性状转换为统一的线性分，以此进行乳用特征性状与305天产奶量的多元回归分析，更为合理、客观。

奶牛体型性状是影响其产奶量的主要因素之一，张希明等[7]指出奶牛体型性状与生产性能、繁殖性能、乳房炎、使用年限等有一定的相关性。本试验结果表明，奶牛乳用特征性状(xi)与305天产奶量(y)的多元回归分析中，尻宽(x2)和蹄角度(x5)与305天产奶量(y)的相关系数分别为0.3065及0.2607，达极显著水平(P<0.01)；建立乳用特征性状(xi)与305天产奶量(y)的最优回归方程y = 3357.45 + 56.32x2+ 44.56 x5，也是包含了这2个自变量。尻宽是奶牛体型性状中非常重要的一个性状，在乳用特征中的权重为10%，同时在体躯容积、一般外貌中也各占到20%和10%的比重，而在奶牛整体评分中的权重系数是7.5%[5]。理论上认为尻极宽(>24cm)的体型是当代奶牛的最佳表现[5]，“尻宽”性状的优秀表现，增加了乳用特征性状的线性评定成绩，确保了对产奶性能的辅助作用；同时也预示奶牛具有较大的体躯容积，而理论上奶牛体躯容积与采食量、产奶量是正相关关系，并逐渐进入一个良性循环的过程。生产中增加产奶量和降低非本意淘汰是奶牛育种目标的两个重要组成部分[8]，研究表明奶牛肢蹄病是仅次于乳房炎和繁殖系统疾病使其被迫淘汰的第三大原因[9]，加强肢蹄保护是发挥其生产潜能、延长生产寿命的重要措施。理论上较陡的蹄角度对延长奶牛的生产寿命是有利的，蹄角度最低在45°以上增加了母牛在生产上的耐用性[5]；奶牛生产中可以通过该性状的遗传选育和科学管理来选育体型耐用的母牛。

进行奶牛乳用特征性状(xi)对305天产奶量(y)的多元回归分析，建立的最优回归方程y = 3357.45 + 56.32x2+ 44.56 x5，回归方程及自变量的偏回归系数均达到极显著水平(P< 0.01)，可以通过所建立的最优回归方程较为准确地估测奶牛305天产奶量。在分析奶牛乳用特征性状对305天产奶量的影响时，可重点考虑尻宽和蹄角度，而忽略对产奶量影响较小的其他性状，为生产中选择高产、健康的奶牛，合理规划育种方案和加强饲养管理提供参考。

[1]杨继业,刘艳萍,任联兵,等.从体型外貌线性鉴定结果看山西奶牛养殖情况[J].中国奶牛,2012(18):32-34.

[2]张浩,黄锡霞,余雄,等.伊犁地区荷斯坦奶牛体尺体重及外貌评分对产奶量的影响[J].新疆农业科学,2010,47(12):2447-2451.

[3]付丰收,刘光磊.2007～2011年江浙沪地区DHI测试场奶牛体型外貌统计分析[J].中国奶牛,2013(1):57-58.

[4]路桂环.奶牛体型外貌线性鉴定的意义及基本要求[J].养殖技术顾问,2011(4):39.

[5]储明星,师守堃.奶牛体型线性评定及其应用[M].北京:中国农业出版,1999.

[6]明道绪.生物统计附试验设计[M].5版.北京:中国农业出版社,2014.

[7]张希明,秦春华,梁彩云,等,宁夏荷斯坦牛体型外貌线性评定分析[J].中国奶牛,2013(7):58-60.

[8]程郁昕,江汪洋,许春香,等.奶牛场成母牛淘汰的原因及分析[J].黄牛杂志,2004(1):57-60.

[9]陈秋香.乳牛肢蹄病的病因与预防措施分析[J].福建畜牧兽医,2015,37(5):44-45.

Multiple Regression Analysis of 305-day Milk Yield on Bodily Traits of Holstein Cow

CHENG Yu-xin，CAO Ya-xin

(College of Animal Science,Anhui Science and Technology University,Fengyang 233100,China)

Objective: To study multiple regression equation of 305-day milk yield on bodily traits of Holstein cow. Method: 180 Holstein cows in Huainan YiYi Cow Farm, There were 60 cows at 1～3 fetals respectively, which were randomly sampled for measuring and linear assessing dairy traits, including dairy ness(x1), rump width(x2), rump angle(x3), rear leg side view(x4), and foot angle(x5), and to be collected 305-day milk yield(y), in order to make multiple regression analysis of 305-day milk yield on bodily traits of Holstein cow. Results: 1) Coefficients of correlation between rump width(x2), foot angle(x5)and 305-day milk yield(y)were 0.3065 (P<0.01) and 0.2607 (P<0.01) respectively. 2)Multiple regression equation y = 3686.36 +12.92x1+ 53.84x2- 26.21x3+ 3.56x4+ 45.31x5was very significant (P<0.01), while partial regression coefficients of x4, x1, and x3were not significant (P>0.05). 3) The best regression equation y = 3357.45 + 56.32x2+ 44.56 x5was built, while equation and partial regression coefficients of x2and x5were very significant (P< 0.01).

Holstein cows; Bodily traits; Linear score; 305-day milk yield; Correlation coefficient; Multiple regression equation

2015-05-18

国家自然科学基金项目(31272402)。

程郁昕(1969-)，女，浙江省宁波市人，硕士，教授，主要从事动物育种与数量遗传研究。

S857.2

A

1673-8772(2015)04-0014-04