İvesi Koyunlarında Farklı Kodlama Sistemleri kullanılarak Laktasyon Süt Veriminin Modellemesi

Abstract

Bu çalışmada, İvesi koyunlarda laktasyon süt verimi için sürekli ve kategorik değişkenlerin birlikte ele alınarak; kategorik değişkenler için farklı kodlama sistemlerinin uygulanabilirliği değerlendirilmiştir. Çalışmada ele alınan tüm değişkenlerin modele dâhil edilmesi durumunda, yaş için kukla ve etki kodlama yöntemleri kullanıldığında; sabit terim ile birlikte laktasyon süresi, günlük ortalama süt verimi, doğum tipi ve 3 yaş grubuna ait etkiler istatistik olarak önemli bulunmuştur. Yaş için sapma kodlama yöntemi kullanıldığında; sabit terim ile birlikte, laktasyon süresi ve günlük ortalama süt verimine ait etkiler istatistik olarak önemli bulunmuştur. İleriye ve geriye dönük fark yöntemleri kullanıldığında ise laktasyon süresi ve günlük ortalama süt verimi ile birlikte 3 yaş grubunun negatif etkisi de istatistik olarak önemli bulunmuştur.

Keywords

• Çoklu regresyon
• değişken kodlama sistemleri
• İvesi koyunu
• referans category
• süt verimi

Different coding systems for the modeling of lactation milk yields of Awassi sheep

Abstract

This study evaluated the feasibility of using different coding systems for categorical variables when using continuous and categorical variables together for the modeling of the lactation milk yield of Awassi sheep. In the study, when all variables were included in the model, and Dummy Coding and Effect Coding methods were used for age, the effects of lactation duration, average daily milk yield, type of birth, and age 5 group were found to be statistically significant in addition to the constant term. When the Deviation Coding method was used for age, the effects of lactation duration and average daily milk yield were found to be statistically significant in addition to the constant term. On the other hand, when Forward and Backward Coding methods were used, the effect of the age 5 group was found to be statistically significant, along with the effects of lactation duration and average daily milk yield. The results of the study indicated that different results can be obtained depending on the various coding systems used. The results also indicated that the choice of coding system affected the interpretation of the obtained coefficients. Therefore, it can be stated that the aims of the researcher in the study should be defined clearly and the proper codding system should be selected according to the variables to be included in the model.

Keywords

• Awassi sheep
• milk yield
• Multiple regression
• reference category
• variable coding systems

References

1. Aguinis H, Pierce CA (2006): Computation of effect size for moderating effects of categorical variables in multiple regression. Appl Psychol Meas, 30, 440–442.
2. Akçapınar H, Özbeyaz C (1999): Hayvan Yetiştiriciliği Temel Bilgileri, Kariyer Matbaacılık, Ankara.
3. Alkharusi H (2012): Categorical variables in regression analysis: a comparison of dummy and effect coding. Int J Educ, 4, 202-210.
4. Allah MA, Abass SF, Allam FM (2011): Factors affecting the milk yield and composition of Rahmani and Chios sheep. Int J Livest Prod, 2, 24-30.
5. Altın T (2001): Koyunlarda süt veriminin laktasyon boyunca değişimi ve farklı yöntemlere göre tahmin edilmesi. J Agric Sci, 11, 1-7.
6. Bruin, J (2006): Newtest: command to compute new test. ucla: statistical consulting group. Available at https://stats.idre.ucla.edu/stata/ado/analysis/. (Accessed October 05, 2018).
7. Erol H, Akçadağ Hİ, Ünal N, et al (2012): Ankara keçilerinde süt verimi ve oğlaklarda büyümeye etkisi. Ankara Univ Vet Fak Derg, 59, 129-134.
8. Gökdal Ö, Ülker H, Oto MM, et al (2000): Köylü koşullarında yetiştirilen Karakaş koyunlarının çeşitli verim özellikleri ve vücut ölçüleri. J Agric Sci, 10, 103-111.

9. Haenlein GFW, Wendorff LW (2006): Sheep milk.137–194. In: Park WY, Haenlein GFW, editors. Handbook of Milk of Non-Bovine Mammals. Blackwell Publishing; Iowa.
10. Kayaalp GT, Güney Ç, Cebeci Z (2015): Çoklu doğrusal regresyon modelinde değişken seçiminin zootekniye uygulanışı. Çukurova J Agric Food Sci, 30, 1-8.
11. Keskin S, Boysan M, Göktaş I (2008): Multivariate analysis approach to relationships between perfectionism and obsessive compulsive symptoms. Turkiye Klinikleri J Med Sci, 28, 319-326.
12. Keskin S (2002): Varyansların homojenliğini test etmede kullanılan bazı yöntemlerin 1. Tip hata ve testin güç bakımından irdelenmesi. Doktora tezi. Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
13. Keskin S, Özsoy AN (2004): Kanonik korelasyonan alizi ve bir uygulaması. J A S, 10, 67-71.
14. Maran BF (2016): Çoklu regresyon analizinde kategorik değişkenlerin kullanımı. Yüksek Lisans Tezi. Yüzüncü Yıl Üniversitesi Sağlık Bilimleri Enstitüsü, Van.
15. Sundström S (2010): Coding in multiple regression analysis: A review of popular coding techniques. Department of Mathematics Uppsala University. Project Report 2010, 14.
16. Wendorf CA (2004): Primer on multiple regression coding: Common forms and the additional case of repeated contrasts. Underst Stat, 3, 47-57.
17. Wissmann M, Toutenburg H, Shalab H (2007): Role of categorical variables in multicollinearity in the linear regression model. Technical Report Number, Department of Statistics University of Munich, 8, 1–34.
18. Yalta T (2011): Kukla değişkenlerle bağlanım, Ekonometri ders notları. TÜBA (Türkiye Bilimler Akademisi) Açık Ders Malzemeleri Projesi, TOBB, ETU. 184p. Ankara.
19. Yilmaz O, Denk H, Nursoy H (2004): Milk yield characteristics of Norduz sheep. Van Vet J, 15, 27-31.