| 摘要 | 第9-12页 |
| Abstract | 第12-14页 |
| 缩略语表 ABBREVIATION | 第15-16页 |
| 第一章 文献综述 | 第16-45页 |
| 1 前言 | 第16-17页 |
| 2 规模养猪企业大数据分析利用的现状 | 第17-19页 |
| 2.1 养猪生产数据具有大数据的特征 | 第17-18页 |
| 2.2 规模化进程提升了养猪企业对数据的关注度 | 第18页 |
| 2.3 对数据的分析挖掘仍然很欠缺 | 第18-19页 |
| 3 影响规模猪场繁殖性能因素 | 第19-29页 |
| 3.1 母猪繁殖性能的度量指标 | 第19页 |
| 3.2 我国规模猪场繁殖性能的与国外的差距 | 第19-21页 |
| 3.3 影响猪场繁殖性能的关键因素 | 第21-29页 |
| 3.3.1 疾病因素 | 第21-23页 |
| 3.3.2 动物因素 | 第23-24页 |
| 3.3.3 环境因素 | 第24页 |
| 3.3.4 营养因素 | 第24-27页 |
| 3.3.5 管理因素 | 第27-29页 |
| 4 多层次统计模型 | 第29-36页 |
| 4.1 多层次数据的普遍性 | 第29-30页 |
| 4.2 传统多元回归分析模型的局限性 | 第30-32页 |
| 4.3 多层次模型研究进展 | 第32-34页 |
| 4.4 多层次模型在养猪业中的应用概况 | 第34-35页 |
| 4.5 应用多层线性模型在养猪研究中存在的困难 | 第35-36页 |
| 5 定量预测法研究进展 | 第36-39页 |
| 5.1 以时间为轴的时间序列预测法和趋势外推预测法 | 第37-38页 |
| 5.2 以因果为轴的回归预测法 | 第38-39页 |
| 5.3 预测方法的选择 | 第39页 |
| 6 植物提取物与止痢草精油 | 第39-44页 |
| 6.1 植物提取物的种类和研究进程 | 第39-40页 |
| 6.2 止痢草精油 | 第40-44页 |
| 6.2.1 止痢草精油的主要成分和功能 | 第40页 |
| 6.2.2 止痢草精油在养殖生产中的应用研究进展 | 第40-41页 |
| 6.2.3 止痢草精油改善母猪繁殖性能的效果 | 第41-42页 |
| 6.2.4 止痢草精油改善母猪繁殖性能的可能机制 | 第42-44页 |
| 7 研究的目的和意义 | 第44-45页 |
| 第二章 规模化猪场母猪产仔数和仔猪初生重的影响因素分析方法的建立与运用.. | 第45-81页 |
| 1 前言 | 第45-46页 |
| 2 材料与方法 | 第46-55页 |
| 2.1 研究对象 | 第46页 |
| 2.2 饲料原料及营养成分 | 第46-47页 |
| 2.3 研究方法 | 第47-55页 |
| 2.3.1 数据来源 | 第48-49页 |
| 2.3.2 变量定义 | 第49-51页 |
| 2.3.3 多层线性模型的建立 | 第51-52页 |
| 2.3.4 多层离散泊松回归模型 | 第52-53页 |
| 2.3.5 变量筛选和两层次线性SAS模型 | 第53-55页 |
| 3 两层次线性回归模型结果与分析 | 第55-76页 |
| 3.1 结局变量的描述性统计 | 第55-58页 |
| 3.2 模型分析 | 第58-62页 |
| 3.2.1 ICC检验与分析 | 第58-59页 |
| 3.2.2 模型拟合分析 | 第59-62页 |
| 3.3 多层线性模型统计结果 | 第62-67页 |
| 3.3.1 随机方差参数结果 | 第62-64页 |
| 3.3.2 固定效应 | 第64-67页 |
| 3.4 不同模型的统计结果 | 第67-76页 |
| 3.4.1 多层线性模型与线性回归模型统计结果 | 第67-69页 |
| 3.4.2 多层线性模型与多层计数离散模型(多层泊松回归模型)统计结果 | 第69-71页 |
| 3.4.3 两水平与三水平划分母猪料止痢草精油处理的多层线性模型比较 | 第71-75页 |
| 3.4.4 是否引入猪场层次和时间因子变量对止痢草精油影响效果的差异 | 第75-76页 |
| 4 讨论 | 第76-80页 |
| 4.1 引入解释变量对结局变量的解释程度 | 第76-77页 |
| 4.2 不同模型下分析结果的差异 | 第77-78页 |
| 4.2.1 多层线性模型和一般线性模型的分析结果差异 | 第77页 |
| 4.2.2 多层线性模型和多层泊松回归模型(多层计数离散模型)的比较 | 第77-78页 |
| 4.3 影响因子对母猪产仔性能的影响 | 第78-79页 |
| 4.4 母猪料精油对产仔性能影响的累积效应 | 第79-80页 |
| 5 小结 | 第80-81页 |
| 第三章 建立多层条件异方差模型研究影响仔猪哺乳期死亡率和断奶重的因素 | 第81-111页 |
| 1 前言 | 第81页 |
| 2 材料与方法 | 第81-88页 |
| 2.1 研究对象 | 第81-82页 |
| 2.2 饲料原料与营养成分 | 第82页 |
| 2.3 研究方法 | 第82-88页 |
| 2.3.1 数据来源 | 第82-84页 |
| 2.3.2 变量定义 | 第84-86页 |
| 2.3.3 多层线性模型 | 第86-87页 |
| 2.3.4 变量筛选和多层次SAS模型 | 第87-88页 |
| 3 结果与分析 | 第88-106页 |
| 3.1 结局变量的描述性统计 | 第88-91页 |
| 3.2 模型分析 | 第91-97页 |
| 3.2.1 ICC检验与分析 | 第91-92页 |
| 3.2.2 异方差分析 | 第92-95页 |
| 3.2.3 模型拟合分析 | 第95-97页 |
| 3.3 多层线性模型(终模型)统计结果 | 第97-104页 |
| 3.3.1 随机方差参数结果 | 第97-99页 |
| 3.3.2 固定效应的解 | 第99-104页 |
| 3.4 多层次线性模型与一般线性回归模型的比较 | 第104-106页 |
| 4 讨论 | 第106-110页 |
| 4.1 关于模型中的异方差问题 | 第106-107页 |
| 4.2 影响因子对结果变量的解释程度 | 第107-108页 |
| 4.3 不同统计模型下对仔猪哺乳期死亡率和断奶重分析结果的差异 | 第108-109页 |
| 4.4 各类型因素对仔猪哺乳期死亡率和断奶重的影响 | 第109-110页 |
| 5 小结 | 第110-111页 |
| 第四章 生产指标预测的实现与集成 | 第111-129页 |
| 1 前言 | 第111页 |
| 2 预测方法 | 第111-112页 |
| 3 预测模型的选择及实现方法 | 第112-116页 |
| 3.1 预测模型的选择 | 第112-113页 |
| 3.1.1 模型间的拟合比较分析 | 第112-113页 |
| 3.1.2 两种模型的预测结果分析 | 第113页 |
| 3.1.3 (多层)多元线性回归统计预测模型 | 第113页 |
| 3.2 多元线性回归预测模型的建立和实现方法 | 第113-116页 |
| 3.2.1 回归方程的拟合优度检验 | 第115-116页 |
| 3.2.2 回归方程的整体显著性检验 | 第116页 |
| 3.2.3 回归系数的显著性检验 | 第116页 |
| 4 线性回归预测模型软件的研制 | 第116-127页 |
| 4.1 软件的设计思路 | 第116-117页 |
| 4.2 模块设计和研制流程 | 第117页 |
| 4.3 模块功能与操作 | 第117-123页 |
| 4.3.1 流程导向功能键模块。 | 第117-118页 |
| 4.3.2 预测指标的确定模块。 | 第118页 |
| 4.3.3 影响因子确定及效应评估模块。 | 第118-121页 |
| 4.3.4 预置分类变量影响因子水平值 | 第121-123页 |
| 4.4 线性回归预测模型软件的应用与分析 | 第123-127页 |
| 5 讨论与结论 | 第127-129页 |
| 第五章 总体讨论和结语 | 第129-133页 |
| 1 总体讨论 | 第129-131页 |
| 2 主要结论 | 第131页 |
| 3 创新点 | 第131-132页 |
| 4 本研究不足之处及展望 | 第132-133页 |
| 附录 | 第133-135页 |
| 参考文献 | 第135-148页 |
| 致谢 | 第148-149页 |
