| المستخلص: |
استخدام تحليل الانحدار المتعدد لتحديد التأثير المباشر لعد 13 متغيرا تفسيريا ( العمر الحالي، العمر عند الولادة، طول موسم الحلب، رقم موسم الحلب، الفترة بين الولادتين، الفترة المفتوحة، فصل الولادة، عدد التلقيحات، نوع التلقيحة، التهاب الضرع، الإدارة والمنشأة)، على الإنتاج الكلي للحليب (كمتغير تابع) وذلك لعدد 2336 سجلات إنتاجيا أخذت من قطيع أبقار الغريزيان- هو لستين من محطة الأبقار التابعة لمجمع غوط السلطان والتي كانت تحلب 3 مرات في اليوم استخدمت بعض المقاييس للكشف عن مشكلة التعدد الخطي (M. C) بين المتغيرات التفسيرية، منها على سبيل المثال: الجذور المميزة (E.V) المؤشر الخطي (C.I) ومعامل تضخم التباين (VIF) . تم استبعاد عدد 4 متغيرات (طول موسم الحلب، الفترة المفتوحة، رقم موسم الحلب والمنشأة) من المتغيرات التفسيرية بسبب مشكلة التعدد الخطي وقد بينت النتائج بأن هناك 6 متغيرات التفسيرية التسع لها تأثير ذو دلالة معنوية على إنتاج الحليب. ولغرض معرفة تأثير كل المتغيرات الخاضعة للدراسة على إنتاج الحليب ثم استخدام طريقة انحدار المركبات الرئيسية (P.C.R) ، ومن خلال النتائج ثم الحصول على 8 مركبات أتضح من خلالها أن طول موسم الحلب، الفترة بين الولادتين والفترة المفتوحة لها تأثيرات على إنتاج الحليب الكلي في حين تحليل الانحدار المتعدد لم يكشف هذه التأثيرات.
We purpose to investigate the influence of some environmental efforts on milk production characters measured on 2336 lactation records of cows milking three times per day from 1987 to 1997. * Firstly, the non-experimental data were analyzed by using multiple regression analysis which covering different aspects. Where the total production of milk is performed as a dependent variable (y) and 13 variables as independent variables: present age (xi), age at calving (x2), lactation interval (x3), calving interval (x4), dry period (x5), open period (x6), lactation number (x7), season of calving (x8), insemination number (x9), insemination kind (xi0), udder mastitis (xn), management (x12), herd (x13). Also we used some of the measurements for example, eigenvalues, condition index and variance inflation factor to detect the extent of the correlation between these variable including regression model. The detection of the multicollinearity between the variables led to removing four variables from the regression model. Therefore we used only nine variables in the regression model. * Secondly, we find the variables which are removed in the above method have a great influence on total milk production by the principal component regression. It gave eight components that explain more than 90% of the total variation in the data set. It appears from these component s the variables: lactation length, open period and calving interval are the basic variables which have effects on the total production of milk.
|
