不同品种的后备种猪体尺预测体重校正公式的研究

孟庆利，张 军，王志云，周海深

（北京养猪育种中心，北京 海淀 100194）

畜禽各表型性状是遗传因素和环境因素共同作用的结果，各性状的遗传力也差距很大。体尺是一种重要的性状，通过体尺的测定，可以有效地预测种猪的体重，目前国内外常用到的利用体尺预测猪体重的预测公式如下：兰巨生（1963年）提出的预测公式，李剑秋（2002）[1]提出的预测公式。本文通过大量的后备猪体尺测定，通过典型相关分析可以发现，胸围、体长这两个体尺性状对体重的预测能力最高，很多研究者也多用胸围×体长或胸围2×体长来预估体重。本研究利用原始数据分别计算了这两个指标，然后利用SAS的GLM过程得到其对体重性状的回归方程。

1 材料与方法

1.1 试验时间与地点

试验时间：2018年1月至2019年3月；试验地点：北京养猪育种中心种猪场。

1.2 试验动物与测定指标

选择200日龄左右的大白、长白和杜洛克后备猪1 258、372和236头进行种猪体尺指标体长、体高、胸围、管围和体重的测定工作。

体长：在种猪正常站立时，从两耳根中点联线的中部起，用卷尺沿背脊量到尾根的第一自然轮纹为止。

体高：在种猪正常站立时，肩部最高到地面的垂直距离。

胸围：在种猪正常站立时，在肩胛骨后缘用皮尺测量胸部的垂直周径，松紧度以皮尺自然贴紧毛皮为宜。

管围：在种猪正常站立时，左前肢管部最细处的周径。

2 结果与分析

2.1 数据质控

2.1.1 表型数据奇异点筛选

（1）同一个耳号，同一测定日期，有两次记录，个别性状两次记录有差异，删除16条记录，编号分别是：227、237、662、673、764、814、836、850、1401、1405、1416、1429、1553、1563、1844、1869。

（2）编号为104、1491个体的胸围分别是11.2 cm和14 cm，删除此2条记录。

（3）编号为 147、959、1037个体的体重分别是193 kg、1 226.5 kg和13.5 kg，删除此3条记录。

（4）编号为870个体的管围为9.6 cm，删除此条记录。

（5）编号为833、1081个体的体高分别是8 cm和7 cm，删除此2条记录。

（6）编号为280、1932个体的体长分别是1 026.2 cm和15 cm，删除此2条记录。

2.1.2 体重与测定日龄的关系 根据图1测定日龄和体重的散点图，发现编号为1835、1828、1830、1826、1823、1822、1836、1829、1825、1831、1818、1821、1824、1820、1819、1827、1834、1833、1832 的 个 体 为独立一群，删除19条记录。

2.1.3 体重与体长关系 根据图2体长和体重的散点图，发现编号为 1676、1680、1679、1670、1671、1681、1675、1658、1677、1640、1645、1655、1672、1668、1639、1648、1654、1685、1688、1644、1656、1665、1666、1674、1643、1651、1682、1684、1660、1661、1667、1662、1649、1669、1641、1646、1647、1652、1673、1657、1683、1689、1686、1659、1687、1642、1663、1653、1678、1650、1664的个体为独立一群，删除51条记录。体长的预测能力最高。从该结果发现，可以用胸围和体长两个体尺性状来预估体重性状。

2.3 体重预估模型构建

2.3.1 所有个体

（1）多变量模型。多变量模型是构建多个自变量对1个依变量回归关系的模型。本研究使用SAS的REG过程，首先构建多变量回归方程，之后基于Cp标准（概念预测标准）和AIC准则筛选出最佳模型，具体模型见表2，表中的R2值为拟合度，体重的单位为千克（kg），4个体尺性状的单位为厘米（cm）。

（2）单变量分析。通过典型相关分析可以发现，胸围、体长这两个体尺性状对体重的预测能力最高，很多研究者也多用胸围×体长或胸围2×体长来预估体重。本研究利用原始数据分别计算了这两个指标，然后利用SAS的GLM过程得到其对体重性状的回归方程，见表2。

2.2 体重与体尺的相关分析

2.2.1 简单相关系数与偏相关系数 表1为所有猪只体重与各体尺性状的相关系数，其中简单相关系数一列为简单相关（Pearson相关），是表示两变量间的直线关系。当对多个变量的相关性进行分析时，仅仅根据两个变量间的简单相关系数往往不能很好地说明彼此间的相关关系，只有去除其他变量影响的情况下，计算出它们之间的相关系数，才能更好地解释变量间的相关情况，故而计算了体重与各体尺性状的偏相关系数（剔除其他所有变量）。表1中所有的相关系数和偏相关系数经统计检验后，其P值均小于10-4。从结果中可以看到体重与体长、胸围的相关程度高于体高和管围性状。

表2 不同体尺性状预估体重性状的回归方程

2.3.2 不同品系的体重预估模型构建 根据不同品种分别估计体重性状的回归方程，见表3。

表1 体重与各体尺性状的相关系数

2.2.2 体重与各体尺性状的典型相关分析 典型相关分析是度量两组变量间的整体相关性。利用SAS的CANCORR过程，构建体尺性状组的典型变量V1=0.407 2×体长+0.117 1×体高+0.583 4×胸围-0.091 1×管围，经过Wilks'Lambda检验，P为2.78×10-6，达到统计显著。体重性状的变异可以被V1变量解释64.57%。猪胸围、体长、体高和管围的判定系数分别是 0.582 1、0.521 7、0.369 9 和 0.005 6，说明胸围、体长和体高对体重有一定的预测能力，且胸围和

表3 不同品种利用体尺性状预估体重的回归方程

3 分析与讨论

本研究结果表明，胸围、体长和体高对体重有一定的预测能力，且胸围和体长的预测能力最高。通过SAS的GLM过程得到不同体尺性状预估体重性状的回归方程和不同品种利用体尺性状预估体重的回归方程。结果为：杜洛克猪通过体尺指标预测体重R2值最高，都在0.7以上；长白猪通过体尺指标预测体重R2值居中，都在0.6以上、0.7以下；大白猪通过体尺指标预测体重R2值最低都在0.5～0.6之间。总体来说，通过细分品种，通过体尺预测体重R2值都在0.5以上，校正公式都具有实用性。将所有数据不分品种进行分析得到不同体尺性状预估体重性状的回归方程R2值在0.6～0.7之间，同样具有较强的实用性，但没有细分品种所得出的R2值更精细，说明不同品种之间通过体尺预测体重具有一定的差异性。在实际应用过程中，最好根据品种制定校正公式，准确性会更高。