Dergiler / Yüzüncü Yıl Üniversitesi Ziraat Fakültesi Tarım Bilimleri Dergisi / 2006 / Cilt: 16 - Sayı: 2
Norduz erkek kuzularının bazı kesikli üreme davranış özelliklerinin analizinde doğrusula olmayan regresyon modellerin kullanılması
- Sayfa
- 87–92
- DOI
- —
Özet
Bu çalışmada, koçların üreme davranışı özelliklerinden elde edilen sayıma dayalı tekrarlanmalı ölçümlere, genelleştirilmiş doğrusal modelleri esas alan Poisson ve negatif binomiyal regresyonu uygulanarak, genelleştirilmiş tahminleme eşitlikleri elde edilmiştir. Değişebilir çalışma korelasyon matrisi, genelleştirilmiş tahminleme eşitliklerinin elde edilmesinde kullanılmıştır. Model uyumu açısından negatif binomiyal regresyonun daha iyi sonuç verdiği saptanmıştır. Bunun sonucu olarak her iki modeldeki parametre değerleri birbirlerinden farklı olduğu saptanmıştır. Genelleştirilmiş tahminleme eşitlikleri analizi sonucunda, Poisson regresyonunda kuyruk kaldırma dışındaki diğer özelliklerin ses çıkarma üzerine olan etkileri önemli bulunmuşken (p<0.01), negatif binomiyal regresyonda ise kuyruk kaldırma ve genital organları koklama dışındaki diğer özelliklerin ses çıkarma üzerine olan etkileri önemli bulunmuştur (p<0.01).
Abstract
In this study, the generalized estimation equations were obtained by applying Poisson regression and negative binomial regression establishing generalized linear models for repeated measures based on count data obtained from the fertility behavior of rams. Exchangeable working correlation matrix was employed in order to obtain the generalized estimation equations. It was determined that negative binomial regression produced better results in terms of model fitness. Therefore, the parameter estimates obtained from both models found to be different. Estimates from generalized estimation equations (GEE) by provided that all traits except tail raising had significant effects (p<0.01) on vocalization in Poisson regression and all traits except tail raising and anogenital sniff had significant effects (p<0.01) on vocalization in negative binomial regression.