Kıl Keçilerinin Vücut Ölçülerini Kullanarak Canlı Ağırlıklarını Tahmin Etmede Kısmi En Küçük Kareler ve Temel Bileşenler Regresyon Yöntemlerinin Karşılaştırılması

Year 2024, , 1162 - 1176, 25.06.2024

Seda Akyürek Sağır , Suna Akkol

https://doi.org/10.47495/okufbed.1394101

Abstract

Bu çalışmanın amacı, çoklu bağlantı probleminin varlığında kıl keçilerinde çeşitli vücut ölçüleri kullanılarak canlı ağırlıklarının tahmin edilmesinde Kısmi En Küçük Kareler (KEKK) ve Temel Bileşenler (TB) regresyon yöntemlerinin kullanılması ve çalışma verisi için en iyi tahmin yönteminin bulunarak sonuçların yorumlanması amaçlanmıştır. Bu amaçla, 119 baş dişi kıl keçisinden ölçümü yapılmış canlı ağırlıklar ve çeşitli vücut ölçüleri (cidago yüksekliği, sağrı yüksekliği, sırt yüksekliği, vücut uzunluğu, göğüs derinliği, göğüs genişliği ve göğüs çevresi) kullanılmıştır. 10 katmanlı çapraz doğrulama sonunda her iki yöntem için gizil faktör sayısı iki olmuştur. Açıklanan toplam varyans KEKK ile %82,10, TB ile %80,04 ve HKO sırasıyla 0,213 ve 0,230 olarak elde edilmiştir. Buna göre, kıl keçilerinde çeşitli vücut ölçüleri kullanılarak canlı ağırlığın tahmin edilmesinde toplam açıklanan varyasnın daha yüksek ve HKO’sının daha düşük olması nedeniyle KEKK, TB regresyon yönteminden daha güvenilir olduğu sonucuna ulaşılmıştır. Ancak her iki yöntemde canlı ağırlıktaki değişimi açıklamada en yüksek etkiye sahip olan değişken GC olarak bulunmuştur. Dolayısıyla kıl keçilerinde canlı ağırlık üzerinde yapılacak seleksiyon çalışmalarında GC’nin önemli bir kriter olduğu bu çalışmada ulaşılan diğer bir sonuçtur.

Keywords

canlı ağırlık tahmini, Kıl keçileri, temel bileşenler, çoklu bağlantı problemi, Kısmi en küçük kareler

Comparison of Partial Least Squares and Principal Component Regression Methods for Estimating Body Weight Of Hair Goats Using Body Measurements

Abstract

The aim of this study was to use Partial Least Squares (PLS) and Principal Component (PC) regression methods to estimate body weights of hair goats using various body measurements in the presence of multicollinearity problem and to interpret the results by finding the best estimation method for the study data. For this purpose. measured body weights and various body measurements (height of the rump, height of the rump, height of the back, body length, chest depth, chest width and chest girth) of 119 female hair goats were used. After 10-fold cross-validation. the number of latent factors for both methods was two. The total variance explained was 82,10%, 80,04%, and 0,213 and 0,230 for KEKK and TB, respectively. Accordingly, it was concluded that KEKK was more reliable than TB regression method in estimating body weight by using various body measurements in hair goats because of its higher total explained variance and lower AUC. However, GC was found to be the variable with the highest effect in explaining the change in body weight in both methods. Therefore, it is another conclusion reached in this study that GC is an important criterion in selection studies on body weight in hair goats.

Keywords

live weight estimation, hair goats, partial least squares, key components, Multiple connection problem

References

• Abdelgadir GA., Eledum HA. Comparison study of ridge regression and principal component regression with application. International Journal of Research 2016; 3(8): 283.
• Abdi H. Partial least square regression (PLS) regression. Encyclopedia for Research Methods For The Social Sciences 2003; 6(4): 792-795.
• Akyürek S., Akkol S. Yumurta iç kalite özelliklerinin kısmi en küçük kareler regresyonu kullanılarak tahmin edilmesi. Yuzuncu Yıl University Journal of Agricultural Sciences 2018; 28(4): 473-481.
• Akkol S. The prediction of live weight of hair goats through penalized regression methods: LASSO and adaptive LASSO. Archives Animal Breeding 2018; 61(4): 451-458
• Albayrak AS. Çoklu doğrusal bağlantı halinde en küçük kareler tekniğinin alternatifi yanlı tahmin teknikleri ve bir uygulama. Sosyal Bilimler Dergisi 2005; 1(1): 106-126.
• Alpar R. Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara: Detay yayıncılık; 2011.
• Alpar R. Uygulamalı çok değişkenli istatistiksel yöntemlere giriş. Ankara: Bağırgan yayın evi; 1997.