随机回归模型（RRM）与有限维模型在山羊生长性状遗传评估中的较量

研究对比随机回归模型（RRM）和有限维模型评估山羊生长性状遗传参数，RRM 优势明显但 MUV 模型拟合最佳。

　　本研究评估了随机回归模型（Random Regression Model，RRM）相较于有限维模型（单变量和多变量动物模型）在山羊生长性状遗传参数估计中的应用。研究使用了 875 只动物从出生到一岁的 2888 条体重记录。所有模型除固定效应外，还将直接加性遗传效应和母体遗传效应作为随机效应。RRM 采用不同阶数（一阶 - 三阶）的勒让德多项式拟合，并考虑了同质和异质残差方差。最佳拟合的 RRM 对两个随机效应均采用三阶多项式。通过 RRM 获得的直接遗传力估计值为中等到高，而在有限维模型中，其范围为 0.00 ± 0.08 至 0.36 ± 0.10。与多变量（Multivariate，MUV）和单变量（Univariate，UNI）分析相比，RRM 估计的遗传力和遗传相关性的标准误差更低。同样，RRM 获得的育种值估计准确性和可靠性较高，而 MUV 和 UNI 动物模型的准确性分别为中等和中低水平。基于估计的标准误差、准确性和可靠性，RRM 似乎适用于山羊生长性状的遗传评估。然而，根据信息准则值，MUV 动物模型是最佳拟合模型。因此，对于小型且测量频率较低的数据集，MUV 动物模型表现较好。未来对大型且频繁测量的体重数据集进行进一步研究，有助于确定随机回归模型的适用性，并区分其与有限维模型的差异。