Journals / Türkiye Tarımsal Araştırmalar Dergisi / 2020 / Cilt: 7 - Sayı: 2
Evaluation of Growth in Broiler Chicken Using General Linear and Multi-Level Linear Growth Models
- Pages
- 163–171
- DOI
- —
Abstract
This study was conducted to compare the growth curve models using general linear and multi-level linear growth models and to determine the differences in growth in broiler chickens. For this purpose, a data set containing live weight records of 74 male broiler chickens was used. The measurements were recorded individually, once a week, from hatching to the sixth week. For the analysis of the data, five different growth models, two of the general linear models, and three of the multi-level linear models were used. To find the model that best explains the change; log-likelihood (ll), Akaike information criterion (AIC), Bayes information criterion (BIC), corrected Akaike information criterion (AICC) and Likelihood ratio test (LRT) were used. The results of the study showed that multi-level growth models make more precise predictions than general linear models, and the model that best describes growth is the “random intercept and random slope quadratic growth model” with the smallest fit criteria. According to this model, it was demonstrated that the chickens had significantly different weights since hatching, where the linear and quadratic effect on growth was significant in male broiler chickens, and that individual differences continued significantly during the period of growth.
Özet
Bu çalışma, genel doğrusal ve çok seviyeli doğrusal büyüme modellerini kullanarak büyüme eğrisi modellerini karşılaştırmak ve etlik piliçlerde büyümedeki farklılıkların tespit edilmesi amacıyla yapılmıştır. Bu amaçla 74 erkek etlik pilicin canlı ağırlık kayıtlarını içeren veri seti kullanılmıştır. Ölçümler yumurtadan çıkıştan altıncı haftaya kadar haftada bir olmak üzere bireysel olarak kaydedilmiştir. Verilerin analizi için, genel doğrusal modellerden iki ve çok seviyeli doğrusal modellerden üç olmak üzere beş farklı büyüme modeli kullanılmıştır. Değişimi en iyi açıklayan modeli bulmak için; log olabilirlik (log-likelihood, ll), Akaiki bilgi ölçütü (Akaike Information Criteria, AIC), Bayes bilgi ölçütü (Bayesian Information Criteria, BIC), düzeltilmiş Akaiki bilgi ölçütü (AIC Corrected, AICC) ve olabilirlik oran testi (Likelihood Ratio Test, LRT)’nden faydalanılmıştır. Çalışmanın sonuçları, çok seviyeli büyüme modellerinin genel doğrusal modellerden daha hassas tahminler yaptığını ve büyümeyi en iyi açıklayan modelin en küçük uyum ölçütlerine sahip “kesim noktası ve eğimin şansa bağlı olduğu kuadratik büyüme modeli” olduğunu ortaya koymuştur. Bu modele göre, erkek etlik piliçlerde büyüme üzerine zamanın lineer ve kuadratik etkisiyle birlikte yumurtadan çıkıştan itibaren büyümenin takip edildiği süre boyunca bireysel farklılıkların anlamlı olduğu sonucuna varılmıştır.