哈萨克羊体重体尺相关性及主成分分析
Correlation and principal component analysis of body weight and body size in Kazakh sheep
通讯作者: 张艳花(1976-),女,甘肃张掖人,研究员,博士,研究生导师,研究方向为动物遗传育种与繁殖,(E-mail)181103221@qq.com
收稿日期: 2024-11-2
| 基金资助: |
|
Corresponding authors: ZHANG Yanhua (1976-), female, from Zhangye,Gansu, Ph.D., researcher, postgraduate supervisor, research direction: animal genetic breeding and reproduction,(E-mail)181103221@qq.com
Received: 2024-11-2
| Fund supported: |
|
作者简介 About authors
白锋(1996-),男,重庆酉阳人,硕士研究生,研究方向为动物遗传育种与繁殖,(E-mail)BF95114@outlook.com
【目的】研究哈萨克羊的体重和体高、体斜长等体尺性状间的生长发育规律,为哈萨克羊的选育提供参考。【方法】收集1 091只12月龄以上哈萨克母羊生产性能鉴定记录,共包含体重和8个体尺性状,并对各性状进行统计分析。【结果】哈萨克羊的体尺性状的整体变异系数处于正常水平,其中尾宽和尾长的变异系数最大,分别达到了17.42%和16.9%。体重与体斜长、胸围等具有极显著相关性(P<0.01),与尾宽、尾长具有极显著负相关性(P<0.01);从9个主成分中提取3个分别反映哈萨克羊的体重体长信息、躯体宽度信息、管围信息以及体高信息的代表性主成分。用主成分提取因子拟合回归方程比直接利用体尺性状拟合准确度更高。【结论】用主成分提取因子可以更好的解析哈萨克羊体重与各性状之间的内在联系,简化部分工作量。
关键词:
【Objective】 To study the growth and development of body size traits such as body weight, body height, and body length in Kazakh sheep, Simplify part of the workload and provide a reference for Kazakh sheep breeding. 【Methods】 In the experiment, a total of 1091 Kazakh ewes over 12 months of age, including body weight and 8 individual ruler traits were collected, and statistical analysis of each trait was conducted. 【Results】 The coefficient of variation of body size traits of Kazakh sheep was at the normal level, and the coefficient of variation of tail width and tail length was the largest, reaching 17.42% and 16.9% respectively. Body weight was significantly correlated with body length and chest circumference (P<0.01), and negatively correlated with tail width and tail length (P<0.01). 3 representative principal components were extracted from 9 principal components, which reflected body weight, body length, body width, girth and body height of Kazakh sheep respectively. We found that fitting the regression equation with the principal component extraction factor was more accurate than directly using body size traits. 【Conclusion】 Principal component extraction factor can better analyze the internal relationship between body weight and traits of Kazakh sheep.
Keywords:
本文引用格式
白锋, 罗春彦, 张恺, 于丽娟, 纳扎开提·艾尼万尔, 马军德, 居马恒·塔依尔别克, 塔力哈提·克麦勒巴依, 阿米妮古丽·阿不来孜, 玛尔孜娅·亚森, 周喜荣, 张艳花.
BAI Feng, LUO Chunyan, ZHANG Kai, YU Lijuan, Nazhakaiti Ainiwaner, MA Junde, Jumaheng Tayierbieke, Talihati Kemailebayi, Aminiguti Abulaizi, Maerziya Yasen, ZHOU Xirong, ZHANG Yanhua.
0 引言
【研究意义】哈萨克羊是我国主要地方绵羊品种之一,属肉脂兼用型粗毛羊品种[1]。哈萨克羊四季放牧,夏季在高山草场放牧,冬季转场到冬窝子过冬。随着当前肉羊养殖产业的发展,哈萨克羊的养殖规模也呈逐年递增态势,生产方式也逐渐发生变化,提高养殖效益需要提高本品种的生产性能。同时,为准确地掌握哈萨克的生长发育规律和体型外貌特征,评估其生产性能,优化种羊选择方案,改良群体生产性能,研究哈萨克羊体重体尺的相关性,对提高哈萨克羊遗传选育时的准确性和加快哈萨克羊的遗传育种进程有重要意义。【前人研究进展】体重体尺性状不仅反映整体外貌结构和生长发育情况的关键性状,也反映生产性能和经济价值的重要参数[2,3],是动物遗传育种研究领域的重点,特别是在牛羊等家畜上有许多报道[4,5,6]。关于哈萨克羊的体尺体重研究方面,李志强等[7]对特克塞尔×哈萨克羊F1代体重和体尺进行相关性分析发现体斜长与体重相关性最高并建立了体重的最优回归方程。刘武军等[8]研究了早期断奶对哈萨克羊体重体尺的影响,认为含20%粗蛋白的代乳料就能满足羔羊生长发育的营养需求且羔羊在40及60日龄实施断奶是可行的。郭小萍等[9]对哈萨克羊体重体尺进行的相关性试验结果表明,哈萨克羊的体重与其体尺性状之间存在极显著的正相关性,且这些体尺指标对体重的变异具有显著的影响,因此在进行品种选育时需要综合全面考量。吐来力江·哈木太等[10]对哈萨克羊原始群和选育群的体尺体重等数据进行比较分析发现,选育群的体尺体重等性状显著高于原始群。【本研究切入点】目前,有关哈萨克羊体尺体重的相关性及多元回归分析主要是集中杂交哈萨克羊方面以及较为简单的对比分析,而关于哈萨克羊本品种体尺体重研究文献较少,有必要对哈萨克羊体重与各体尺性状之间的相互作用进行分析,为哈萨克品种选育提供科学数据。【拟解决的关键问题】利用相关性分析及主成分分析等方法,统计分析哈萨克羊的体尺体重,并建立哈萨克羊体重最优回归方程,为哈萨克羊的品种资源开发利用以及遗传改良、品系选育等提供科学依据。
1 材料与方法
1.1 材料
所采集的哈萨克羊体生产性能测试数据均来自新疆巩乃斯种羊场有限公司2022及2023年测定记录。
1.2 方法
共选取1 091只12月龄以上哈萨克母羊,主要测量体重和8项体尺性状,分别为体重(Y)、体高(X1)、体长(X2)、胸围(X3)、胸宽(X4)、胸深(X5)、管围(X6)、尾宽(X7)、尾长(X8)。所有数据均采取现场测量。
1.3 数据处理
利用Excel 2021对采集的体重和各项体尺数据进行录入整理,使用SPSS 27软件对体重与体尺性状进行描述性统计分析和相关性分析, 以P<0.05为判断显著性水平标准。通过主成分以及多元逐步回归分析方法对哈萨克羊的体重与8个体尺性状进行分析,对比分析体尺性状逐步多元回归分析预测体重和主成分提取因子预测体重两种模型的准确性,确定最优方程。
主成分分析需进行KMO(Kaiser-Meyer-Olkin)检验与Bartlett球形检验,以确定样本是否适合进行主成分分析。KMO值越接近于1,变量间的相关性就越强,原有变量就越适合作因子分析。根据Kaiser给出的KMO值度量标准[11]:KMO值0.9以上水平时效果最佳,在0.8~0.9是适合做主成分分析的,在0.7~0.8时较为一般,0.5以下水平则不宜做因子分析。
2 结果与分析
2.1 哈萨克羊体重体尺描述性统计
研究表明,哈萨克羊不同性状之间的变异系数存在一定差异,哈萨克羊各体尺性状中,变异系数最大的是尾宽(17.42%),其次是尾长(16.9%)、体重(16.13%)和胸宽(13.13%);体高、体斜长、胸围、管围和胸深变异系数均低于10%。不同哈萨克羊个体间生长发育存在差异,在提高生产性能方面具备较大的选育潜力。表1
表1 哈萨克羊体重体尺描述性统计
Tab.1
| 项目 Items | 平均值 Mean | 标准差 Standard deviation | 最小值 Minimum | 最大值 Maximum | 变异系数 Coefficient of variation (%) |
|---|---|---|---|---|---|
| 体重Body weight(kg) | 41.88 | 6.76 | 25.00 | 61.00 | 16.13 |
| 体高Body height(cm) | 63.07 | 4.65 | 48.00 | 74.00 | 7.37 |
| 体斜长Body length(cm) | 65.26 | 4.20 | 50.00 | 77.00 | 6.43 |
| 胸围Chest circumference(cm) | 93.67 | 8.18 | 71.00 | 112.00 | 8.73 |
| 管围Shin Circumference(cm) | 8.72 | 0.71 | 7.00 | 10.50 | 8.12 |
| 胸宽Chest Breadth(cm) | 21.73 | 2.85 | 13.00 | 32.00 | 13.13 |
| 胸深Thorax Depth(cm) | 30.96 | 2.18 | 23.00 | 39.00 | 7.03 |
| 尾宽Tail width(cm) | 14.79 | 2.58 | 7.00 | 22.00 | 17.42 |
| 尾长Tail length(cm) | 9.69 | 1.64 | 7.00 | 14.00 | 16.90 |
2.2 主要体尺性状的相关性
研究表明,除了体高与体斜长以及胸宽与管围等几个性状外,大部分性状间均互呈极显著相关性(P<0.01)。其中,除尾宽外,体重与其余7个体尺性状均呈极显著正向关性(P<0.01)。所有性状中,相关性较高的是体重与胸围(0.652)、体重与体斜长(0.619)、体斜长与胸围(0.461);其次是尾宽与尾长(0.458)、胸宽与胸深(0.458)、胸围与胸深(0.455)体重与管围(0.442)。哈萨克羊的体重与体尺性状以及各体尺性状相互间存在着复杂密切的联系。表2
表2 哈萨克羊主要体尺性状相关性
Tab.2
| 项目 Items | 体重 Body weight | 体高 Body height | 体斜长 Body length | 胸围 Chest circum- ference | 管围 Shin circumf- erence | 胸宽 Chest breadth | 胸深 Thorax depth | 尾宽 Tail width | 尾长 Tail length |
|---|---|---|---|---|---|---|---|---|---|
| 体重Body weight | 1 | ||||||||
| 体高Body height | 0.142** | 1 | |||||||
| 体斜长Body length | 0.619** | 0.164** | 1 | ||||||
| 胸围Chest circumference | 0.652** | 0.250** | 0.461** | 1 | |||||
| 管围Shin Circumference | 0.442** | -0.040 | 0.306** | 0.357** | 1 | ||||
| 胸宽Chest Breadth | 0.181** | 0.368** | 0.165** | 0.289** | 0.027 | 1 | |||
| 胸深Thorax Depth | 0.412** | 0.326** | 0.273** | 0.455** | 0.198** | 0.458** | 1 | ||
| 尾宽Tail width | 0.029 | 0.277** | -0.017 | 0.075* | -0.100** | 0.207** | 0.142** | 1 | |
| 尾长Tail length | 0.118** | 0.124** | 0.017 | 0.007 | -0.059 | 0.121** | 0.104** | 0.458** | 1 |
注:* 表示差异显著(P<0.05);** 表示差异极显著(P<0.01)
Notes: * indicates significant difference (P<0.05); ** indicates extremely significant difference (P<0.01)
2.3 相关矩阵的特征值及累积贡献率
研究表明,KMO检验值为0.741;Bartlett’s Test检验(λ2=2 613.141,P<0.001),所有性状均适合进行主成分分析。
对哈萨克羊的体重、体尺性状主成分分析中,共得到9个主成分值,共有3个主成分特征值大于1。其中,第1主成分的特征值为3.014,方差贡献率为33.493%,可最大程度的反映各性状的综合信息;第2主成分的特征值为1.752,方差贡献率19.466%,也可反映较高的综合信息量。从中选取特征值大于1以及方差贡献率大于10%的前3个主成分。表3
表3 体重体尺性状的特征值、特征向量及累积贡献率
Tab.3
| 项目Items | PC1 | PC2 | PC3 | PC4 | PC5 | PC6 | PC7 | PC8 | PC9 | |
|---|---|---|---|---|---|---|---|---|---|---|
| 特征值Eigenvalues | 3.015 | 1.752 | 1.090 | 0.730 | 0.644 | 0.542 | 0.517 | 0.444 | 0.269 | |
| 贡献率 Contribution rate(%) | 33.495 | 19.462 | 12.106 | 8.110 | 7.150 | 6.019 | 5.739 | 4.933 | 2.985 | |
| 累积贡献率 Cumulative contribution rate (%) | 33.495 | 52.957 | 65.064 | 73.173 | 80.323 | 86.343 | 92.081 | 97.015 | 100.000 | |
| 特征向量 Eigenvectors | 体重(Y) | 0.464 | -0.222 | 0.239 | -0.123 | -0.137 | -0.114 | -0.047 | -0.126 | -0.783 |
| 体高(X1) | 0.260 | 0.363 | -0.349 | -0.449 | 0.558 | 0.143 | -0.363 | -0.090 | -0.067 | |
| 体斜长(X2) | 0.389 | -0.228 | 0.141 | -0.519 | -0.258 | 0.375 | 0.146 | 0.406 | 0.336 | |
| 胸围(X3) | 0.459 | -0.136 | -0.016 | -0.048 | 0.034 | -0.484 | 0.181 | -0.543 | 0.453 | |
| 管围(X4) | 0.271 | -0.372 | 0.231 | 0.502 | 0.588 | 0.350 | -0.013 | 0.070 | 0.094 | |
| 胸宽(X5) | 0.302 | 0.307 | -0.433 | 0.320 | -0.286 | 0.485 | 0.374 | -0.242 | -0.095 | |
| 胸深(X6) | 0.403 | 0.125 | -0.270 | 0.378 | -0.197 | -0.357 | -0.386 | 0.533 | 0.086 | |
| 尾宽(X7) | 0.127 | 0.547 | 0.352 | 0.000 | 0.277 | -0.239 | 0.566 | 0.318 | -0.072 | |
| 尾长(X8) | 0.108 | 0.448 | 0.603 | 0.116 | -0.242 | 0.222 | -0.450 | -0.260 | 0.182 | |
前3个主成分的表达式分别为:
PC1=0.464Y+0.261X1+0.389X2+0.459X3+0.271X4+0.302X5+0.403X6+0.127X7+0.108X8.
PC2=-0.222Y+0.363X1-0.228X2-0.136X3-0.372X4+0.307X5+0.124X6+0.547X7+0.448X8.
PC3=0.239Y-0.349X1+0.141X2-0.016X3+0.231X4-0.433X5-0.271X6+0.352X7+0.602X8.
对第1主成分贡献率最大的是体重,其次是胸围、胸深和体斜长等,这几个性状主要反映了哈萨克羊的体重和体尺长,因此可将第1主成分称为体重体长因子;第2主成分中,贡献率较高的是尾宽、尾长和体高、胸宽,主要反映了哈萨克羊躯体宽度的信息,可命名为躯体因子;第3主成分中,贡献率较高的是尾宽、尾长,主要反映了哈萨克羊尾部的信息,可将其命名为尾部因子;3个主成分基本反映了哈萨克羊整体的体型外貌结构信息。图1
图1
2.4 多元回归与主成分提取因子预测体重的模型对比
研究表明,残差平均值接近0,残差标准差接近于1,数据呈正态分布,满足线性回归正态性假设。以哈萨克羊的体重为因变量,各项体尺性状和主成分提取因子为自变量分别进行逐步回归分析。以胸围为自变量对体重回归分析时,其决定系数R2为0.424,对体重的解释度为42.4%。随着在回归方程中逐步加入体斜长、胸围、胸深等体尺性状,复相关系数R值及决定系数R2逐渐变大,估计标准误也逐渐变小,模型解释率最终增加至模型7的60.4%,模型7也是体尺性状对体重的最佳线性回归方程。当使用主成分提取因子进行体重预测回归分析时,以 PC1作为体重预测因子,其对体重的解释度为64.8%,引入PC2、PC3之后,模型解释度增加到79.6%。使用主成分提取因子预测体重的准确性要高于直接使用体尺性状进行模型拟合。因而哈萨克羊的最佳线性回归方程:Y=5.44PC1-1.989PC2+1.685PC3+41.883。使用PC1、PC2、PC3预测体重的回归方程方差分析F值为1421.07,达到极显著水平(P<0.01),回归方程具备统计学意义,可在实际生产中应用。表4~5,图2~3
表4 哈萨克羊体尺性状及主成分提取因子与体重的多元逐步回归
Tab.4
| 模型 Models | 拟合方程 Fitting equations | R2 R2-square | 标准误 Standard coefficient | |
|---|---|---|---|---|
| 体尺性状 Body size traits | M1 | Y=0.539X3-8.572 | 0.424 | 5.127 2 |
| M2 | Y=0.651X2+0.385X3-36.612 | 0.553 | 4.519 8 | |
| M3 | Y=1.72X4+0.599X2+0.344X3-44.394 | 0.580 | 4.380 3 | |
| M4 | Y=0.495X8+1.807X4+0.593X2+0.342X3-49.366 | 0.594 | 4.306 8 | |
| M5 | Y=0.292X6+0.455X8+1.774X4+0.582X2+0.31X3-54.044 | 0.600 | 4.272 2 | |
| M6 | Y=0.372X6+0.474X8+1.711X4+0.584X2+0.317X3-0.152X5-53.688 | 0.603 | 4.2572 | |
| M7 | Y=0.394X6+0.487X8+1.652X4+0.589X2+0.322X3-0.065X1-0.126X5-51.171 | 0.604 | 4.250 5 | |
| 主成分 Principal component | P1 | Y=5.44PC1+41.883 | 0.648 | 4.011 1 |
| P2 | Y=5.44PC1-1.989PC2+41.883 | 0.734 | 3.4840 | |
| P3 | Y=5.44PC1-1.989PC2+1.685PC3+41.883 | 0.796 | 3.050 1 | |
表5 体尺指标及主成分提取因子与体重的逐步回归方差
Tab.5
| 模型 Models | 平方和 Square sum | 自由度 Degree of freedom | 均方 Mean Square | F值 F value | Sig | |
|---|---|---|---|---|---|---|
| 体尺性状 Body size traits | M1 | 21 144.996 | 1 | 21 144.996 | 804.349 | 0.000 |
| M2 | 27 546.978 | 2 | 13 773.489 | 674.235 | 0.000 | |
| M3 | 28 916.839 | 3 | 9 638.946 | 502.372 | 0.000 | |
| M4 | 29 629.006 | 4 | 7 407.251 | 399.339 | 0.000 | |
| M5 | 29 970.335 | 5 | 5 994.067 | 328.419 | 0.000 | |
| M6 | 30 126.825 | 6 | 5 021.138 | 277.047 | 0.000 | |
| M7 | 30 207.006 | 7 | 4 315.287 | 238.856 | 0.000 | |
| 主成分 Principal component | P1 | 32 252.196 | 1 | 32 252.196 | 2 004.627 | 0.000 |
| P2 | 36 566.266 | 2 | 18 283.133 | 1 506.207 | 0.000 | |
| P3 | 39 660.624 | 3 | 13 220.208 | 1 421.070 | 0.000 | |
图2
图3
图3
主成分提取因子回归分析残差
Fig.3
Principal component extraction factorregression analysis residual plot
3 讨论
3.1 体重与体尺描述性统计量
变异系数皮尔逊(Pearson)提出的一种测量数据变异程度的相对统计量的方法,通过其大小可以判断变量间相关关系的密切程度[12]。在已有的研究报道中,欧拉羊[13]、岷县黑裘皮羊[14]、大尾寒羊[15]的体重变异系数较大,均达到了15%以上。研究中,哈萨克羊的部分表型性状变异系数较大,其中体重变异系数为16.13%,与以上研究较为接近;变异系数最大的是尾宽和尾长,分别达到了17.42%和16.89%的水平,与苏尼特羊[16]、岷县黑裘皮羊[14]研究结果较为相似,这些羊的尾宽和尾长变异系数在其所有表型性状中也均处于较高水平。哈萨克羊属于大尾羊,尾脂呈“ω”形,在对哈萨克羊的生产性能鉴定过程中,我们常常发现有的羊尾脂极大,有的则极小甚至几乎没有。这种个体间脂尾大小差异明显的现象,是由于其个体发育差异以及遗传突变等因素导致的,也是尾宽和尾长变异系数较大的原因之一。说明哈萨克羊的尾脂遗传性能还不够稳定,从而导致这种现象;也说明哈萨克羊的尾脂选育还有较大空间,能够通过对选尾脂育改善其体型结构,从而提高生产性能。过大的尾脂会降低饲料利用率,增加养殖成本,不利于提高胴体净肉率和经济效益[17]。
3.2 体重与体尺性状的相关性分析
研究结果发现,哈萨克羊的体重、体尺各性状间共有27项极显著正相关关系,1项极显著负相关关系。其中,体重与胸围的相关系数最大,达到了0.652。廖圆圆等[18]研究结果显示,滩羊的体重与体长、体高、胸围体尺性状均具有正相关性,且与胸围相关性最大;徐铁山[19]等对海南黑山羊的研究结果显示,体重与各体长、胸围等体尺性状具有极显著的相关性,与胸围的相关系数分别达到了0.823 7、0.851 2的较高水平;大足黑山羊[20]、大尾寒羊[21]等羊种的体重与体尺性状均存在显著的相关性,研究在大部分体尺的相关性上与以上研究结果相似。除此之外,哈萨克羊的体高和管围、体斜长与尾宽、管围与尾宽尾长等部分体尺性状之间还存在着一定的负相关性,又与以上研究有所区别,可能是由于品种之间遗传差异、群体间饲养管理不同等造成的差异。
3.3 体重与体尺性状主成分
主成分分析是一种通过降维技术把多个变量化为少数几个综合变量 (主成分)进而能够反映原始变量绝大部分信息的统计分析方法[22]。在畜牧生产实践中, 主成分分析被广泛用于畜禽的各类性状分析研究。通过对主成分贡献率和载荷量的分析,可以确定那些对总体形态结构变异影响较大的变量[23],从而更好的理解并在遗传选育中利用这些表型性状。在已有关于羊的主成分分析研究中,刘孟君等[24]对霍尔巴绵羊形态结构进行主成分分析显示,PC1和PC2与霍尔巴绵羊的体型相关性状以及体型形状性状相关,且主成分分析提取因子拟合的线性回归方程比直接拟合得到的模型准确度更高。朱俊红等[25]对努比亚山羊8个体尺性状进行聚类和主成分分析,得到3个分别反映体重和体型外貌特征、躯体特征以及额宽特的主成分。张强龙[26]等对6月龄欧拉羊的体尺性状进行聚类和主成分分析,共提取了重量因子、宽度因子和长度因子3个主成分因子,为欧拉羊的早期选育及鉴定等提供方向。研究运用SPSS软件对哈萨克羊的体重和8个体尺性状进行了主成分分析并最终提取出3个相对独立的主成分,分为体重体长因子、躯体因子以及尾部因子,与上述前人的研究结果具有较大相似之处。这3个主成分共解释了65.064%的信息量,其中,第一主成分是哈萨克羊体尺性状变异的主要来源。由于生物体各性状间复杂的遗传相关性往往使得对一个性状的选择引起另一性状的选择反应[27],通过主成分分析把哈萨克羊的体尺性状概括为3个主成分因子,在一定程度上解析了其各性状之间的内在联系,简化了工作量。
3.4 多元回归与主成分提取因子预测体重的模型分析
通过研究动物的体重与遗传特性的关系,可以筛选出具有较高生产力的表型性状,提高动物的生长速度和生产性能。但是表型性状之间存在多重共线性问题,如果直接利用线性拟合回归时,其数据往往不够准确,结果置信度相对较低[28]。而主成分各个因子之间均正交且不相关,同时能够最大化对方差的解释程度。相对于直接用表型性状来拟合模型,用主成分提取因子来拟合模型,准确度相对更高,误差更低,更具优势,研究中所得出的结果也与此相符。
4 结论
哈萨克羊部分体尺性状存在较高的变异系数,尾宽尾长变异系数最大,遗传改良过程中对尾宽尾长的选育可以获得较大的遗传进展。体重与体斜长、胸围的相关系数最高,选择测定体斜长、胸围等性状,为作为体重测定的参考性状。明确了哈萨克羊体重和体尺性状的主成分因子,在制定育种规划选育时,可以作为主要选择性状。通过提取主成分因子逐步多元回归拟合的最佳体重预测方程:Y=5.44PC1-1.989PC2+1.685PC3+41.883。
参考文献
开展哈萨克羊提纯复壮的研究意义
[J].
Significance of carrying out research on purification and rejuvenation of Kazakh sheep
[J].
坝上长尾鸡与绿壳蛋鸡0-7周龄生长发育比较
[J].
Comparative study on the growth and development of 0-7 weeks age Bashang long-tail chickens and Green-shelled hens
[J].
隆林山羊周岁体重与体尺指标的相关性分析
[J].
Correlation analysis between body weight at one-year-old and body size index in Longlin Various Nationalities Autonomous County goats
[J].
成年巴特肯羊体重与体尺指标的多元回归分析
[J].
Multiple regression analysis of body weight and body size indices of adult bartken sheep
[J].
不同月龄红河黄牛体重与体尺主成分分析
[J].
Principal component analysis of body weight and body measurements of Honghe yellow cattle at different month ages
[J].
贵州黑山羊体重与体尺回归模型的建立
[J].
Establishment of regression model between body weight and body size of Guizhou Black Goat
[J].
特克塞尔×哈萨克羊F1代体重和体尺相关分析
[J].
Correlation analyses between body weight and body size of F1(Texel×Kazakh)
[J].
早期断奶对哈萨克羊体重及体尺的影响
[J].
Effect of early weaning on body weight and size of kazark sheep
[J].
哈萨克羊体重体尺的相关性试验
[J].
Correlation test of body weight and measurement of Kazakh sheep
[J].
哈萨克羊选育提高效果分析
[J].
Analysis on improving effect of Kazak sheep breeding
[J].
兰州大尾羊体重和体尺的相关性研究
[J].
Correlation and regression of body weight and body size traits on Lanzhou fat-tailed sheep
[J].
欧拉羊体尺与体重的通径分析及最优回归模型的构建
[J].
Path analysis of body size and body weight of Al-`Ula sheep and construction of optimal regression model
[J].
岷县黑裘皮羊体尺与体重的多元线性回归分析
[J].
Multiple linear regression analysis of body size and body weight of black fur sheep in Min County
[J].
大尾寒羊体重与体尺的回归分析
[J].
Regression analysis between body weight and body size of large-tail sheep
[J].
苏尼特羊体重与体尺的相关性分析
[J].
Correlation analysis between body weight and body size of sunit sheep
[J].
Molecular mechanisms of fat deposition: IL-6 is a hub gene in fat lipolysis, comparing thin-tailed with fat-tailed sheep breeds
[J].
宁夏盐池滩羊体重和体尺的相关性研究
[J].
Study on the correlation between body weight and body size of Yanchi Tan sheep in Ningxia
[J].
海南黑山羊体尺与体重的通径分析及最优回归模型的建立
[J].
A research on path analysis and optimum regression equation between body size and body weight of Hainan black goat
[J].
成年大足黑山羊体重与体尺通径分析及最优回归模型的建立
[J].
A research on path analysis and optimum regression mode between body weight and body size in the adult DaZu black goats
[J].
大尾寒羊体尺性状的主成分分析
[J].
Principal component analysis of body size traits in large tail Han sheep
[J].
Morphological structure of Zulu sheep based on principal component analysis of body measurements
[J].
霍尔巴绵羊形态结构主成分分析
[J].
Principal component analysis of the morphological structure of Holba sheep
[J].
努比亚山羊体尺体重的聚类和主成分分析
[J].
Principal component analysis and cluster analysis of body weight and body conformation indexes in Nubian goats
[J].
6月龄欧拉羊体尺和体重的聚类与主成分分析
[J].
Cluster and principal component analysis of body size and body weight of 6-month-old Al-`Ula sheep
[J].
雷州山羊体尺性状的主因子分析
[J].
Principal factor analysis of body size traits in Leizhou goats
[J].
/
| 〈 |
|
〉 |
