双重筛选逐步回归探析牧草营养成分及消化率关系.docVIP

双重筛选逐步回归探析牧草营养成分及消化率关系摘要： 粗蛋白、粗纤维以及消化率都是评价牧草的重要指标。通过对干草、青贮饲料、青绿饲料营养成分与羊只消化率关系应用双重筛选逐步回归进行研究，探讨粗蛋白、粗纤维含量的变化对粗蛋白消化率、粗纤维消化率、粗脂肪消化率、无氮浸出物消化率的影响程度，为牧草的生产及加工提供理论依据。 关键词：粗蛋白；粗纤维；消化率；逐步回归 中图分类号：S431.14 文献标识码：A 文章编号：1674-0432（2011）-10-0060-2 牧草是家畜重要的饲料来源，牧草质量的好坏直接影响家畜的维持生命和生产[1]。牧草因其营养物质成分的变化而造成品质也不同，在牧草品质的评价中粗蛋白、粗纤维含量是两个重要的指标。家畜对牧草利用效果主要以消化率来反映，牧草营养成分的变化会引起家畜消化率的变化，特别是牧草中营养成分中粗蛋白、粗纤维的含量变化会对家畜粗蛋白、粗脂肪、粗纤维、无氮浸出物的消化率产生一定的变化[2、3]。本文试以数学定量分析来探讨牧草营养成分与羊只消化率之间的关系，为牧草的应用和加工提供一定的理论借鉴。 1 牧草营养成分与羊只消化率数据来源 数据主要来自饲料添加剂网（http://www.省略/Index.html），选择干草种类有53种，青绿饲料56种，青贮饲料23类（见表1）。 表1干草营养成分与羊只消化率部分原始数据 Table 1 Hay nutrition composition and sheep Digest rate partially original data 2 研究方法 本文采取的研究方法是双重筛选逐步回归。通常所研究的因变量指标Y是一元随机变量，而影响指标Y的自变量因子可以有多个。如果所研究的因变量指标Y也有多个，即其本身也是多元随机变量，且影响Y的自变量也有多个，这就是多对多的回归分析问题[4]。双重筛选逐步回归分析，就是在由多个自变量和多个因变量组成的数据矩阵中，把多个因变量Y分组，找出哪些自变量对哪一组因变量有影响，并根据各个自变量方差贡献的显著性检验结果，精选出一些对某一组因变量方差贡献较大的自变量，分别按照组建立回归模型[5]。在双重筛选逐步回归分析过程中，可随时改变挑选自变量因子Fx临界值，以控制进入某组方程的因子数[6、7]。以营养成分为自变量X1＝粗蛋白，X2＝粗纤维；以消化率为因变量，Y1＝粗蛋白，Y2＝粗脂肪，Y3＝粗纤维，Y4＝无氮浸出物。规定筛选自变量时引进和剔除变量的显著性水平相等，且记为Fx；规定筛选因变量时引进和剔除变量的显著性水平为Fy。具体数学筛选步骤见《应用多元统计分析》，数据分析采用DPS数据处理系统进行处理。 3 试验分析 表2 牧草变量双重筛选过程及其结果 Table 2 Herbage variable is dual selection course and its result 表3 牧草营养成分与消化率回归方程 Table 3 Herbage nutrition composition and digestion rate regression equation 3.1 干草营养成分与消化率关系 经过系统运算，4个因变量分成两组，第一组Fx=1.46，Fy=1.97，建立粗蛋白消化率、粗脂肪消化率、无氮浸出物消化率分别与粗蛋白和粗纤维含量之间数学模型。 Y1＝1.7620X1-0.3680X2+51.5272 R=0.6908 （1） Y2＝－0.3697X1-0.8652X2+73.3830 R=0.3281 （2） Y4＝0.8943X1-0.5224X2+65.7432 R=0.6374 （3） 由（1）式可以看出，粗蛋白消化率与粗蛋白成正相关，粗蛋白每增加1％，粗蛋白消化率增加1.7620；粗蛋白消化率与粗纤维成负相关，粗纤维每增加1％，粗蛋白消化率降低0.3680。P=0.0001差异极显著。 由（2）式可以看出，粗脂肪消化率与粗蛋白成负相关，粗蛋白每增加1％，粗脂肪消化率降低0.3697；粗脂肪消化率与粗纤维也成负相关，粗纤维每增加1％，粗脂肪消化率降低0.8652。P=0.0580差异不显著。 由（3）式可以看出，无氮浸出物消化率与粗蛋白成正相关，粗蛋白每增加1％，无氮浸出物消化率增加0.8943；无氮浸出物消化率与粗纤维成负相关，粗纤维每增加1％，无氮浸出物消化率降低0.5224，P=0.0001差异极显著。 第二组Fx=0.29, Fy =1.97，建立粗纤维消化率与粗蛋白、粗纤维之间数学模型 Y3＝-0.2110X1-0.1213X2+59.5967 R=0.10