Econometric ridge regression models of risk-sensitive sunflower yield / Modelos economométricos de regressão de rendimento de girassol sensível ao risco

The article considers econometric ridge regression models of the risk-sensitive sunflower yield on the example of an export-oriented agricultural crop. In particular, we have proved that despite the functional mulcollinearity of the predictors in the sunflower yield model with respect to risk caused by the algorithm peculiarities of the hierarchy analysis methods, the ridge regression procedure makes it possible to obtain its complete specification and provide biased but stable estimates of the forecast parameters in the case of uncertain input variables. It has been substantiated that the rational value of the displacement parameters is expedient to be established using a graphical interpretation of the ridge wake as the border of fast and slow fluctuations in the estimates of the ridge regression coefficients. Econometric models were calculated using SPSS Statistics, Mathcad and FAR-AREA 4.0 software. The empirical basis for forecast calculations was the assessment of trends in sunflower production in all categories of farms in the Rostov region of Russia for the period of 2008-2018. The calculation results of econometric models made it possible to develop three author's scenarios for the sunflower production in the region, namely, inertial, moderate, and optimistic ones that consider the export-oriented strategy of the agro-industrial complex.(AU)

O artigo considera modelos econométricos de regressão de rendimento de girassol sensível ao risco sobre o exemplo de uma cultura agrícola orientada para a exportação. Em particular, provamos que apesar da multicolinearidade funcional dos preditores no modelo de rendimento de girassol com relação ao risco causado pelas peculiaridades dos algoritmos dos métodos de análise hierárquica, o procedimento de regressão de cristas permite obter sua especificação completa e fornecer estimativas tendenciosas, mas estáveis dos parâmetros de previsão no caso de variáveis de entrada incertas. Foi comprovado que o valor racional dos parâmetros de deslocamento é conveniente de ser estabelecido usando uma interpretação gráfica da esteira da crista como fronteira das flutuações rápidas e lentas nas estimativas dos coeficientes de regressão da crista. Os modelos econométricos foram calculados usando o software SPSS Statistics, Mathcad e FAR-AREA 4.0. A base empírica para os cálculos de previsão foi a avaliação das tendências da produção de girassol em todas as categorias de fazendas na região de Rostov na Rússia para o período de 2008-2018. Os resultados dos cálculos dos modelos econométricos permitiram desenvolver três cenários de autor para a produção de girassol na região, a saber, os cenários inercial, moderado e otimista que consideram a estratégia orientada à exportação do complexo agroindustrial.(AU)

Analysis of variables affecting carcass weight of white turkeys by regression analysis based on factor analysis scores and ridge regression

In this study, the influence of carcass parts weights (thigh, breast, wing, back weight, gizzard, heart, and feet) on whole carcass weight of white turkeys (Big-6) was analyzed by regression analysis based on ridge regression and factor analysis scores. For this purpose, a total of 30 turkey carcasses of 15 males and 15 females with 17 weeks of age, were used. To determine the carcass weight (CW), thigh weight (TW), breast weight (BRW), wing weight (WW), back weight (BW), gizzard weight (GW), heart weight (HW), and feet weight (FW) were used. In the ridge regression model, since the Variance Inflation Factor (VIF) values of the variables were less than 10, the multicollinearity problem was eliminated. Furthermore, R2=0.988 was obtained in the ridge regression model. Since the eigenvalues of the two variables predicted by factor analysis scores were greater than 1, the model can be explained by two factors. The variance explained by two factors constitutes 88.80% of the total variance. The regression equation was statistically significant (p<0.01). In the regression equation, two factors obtained by using factor analysis scores were independent variables and standardized carcass weight was considered as dependent variable. In the regression model created by factor analysis scores, the Variance Inflation Factor values were 1 and R2=0.966. Both regression models were found to be suitable for predicting carcass weight of turkeys. However, the ridge regression method, which presented higher R2 value, has been shown to better explain the carcass weight.(AU)

Analysis of variables affecting carcass weight of white turkeys by regression analysis based on factor analysis scores and ridge regression

In this study, the influence of carcass parts weights (thigh, breast, wing, back weight, gizzard, heart, and feet) on whole carcass weight of white turkeys (Big-6) was analyzed by regression analysis based on ridge regression and factor analysis scores. For this purpose, a total of 30 turkey carcasses of 15 males and 15 females with 17 weeks of age, were used. To determine the carcass weight (CW), thigh weight (TW), breast weight (BRW), wing weight (WW), back weight (BW), gizzard weight (GW), heart weight (HW), and feet weight (FW) were used. In the ridge regression model, since the Variance Inflation Factor (VIF) values of the variables were less than 10, the multicollinearity problem was eliminated. Furthermore, R2=0.988 was obtained in the ridge regression model. Since the eigenvalues of the two variables predicted by factor analysis scores were greater than 1, the model can be explained by two factors. The variance explained by two factors constitutes 88.80% of the total variance. The regression equation was statistically significant (p<0.01). In the regression equation, two factors obtained by using factor analysis scores were independent variables and standardized carcass weight was considered as dependent variable. In the regression model created by factor analysis scores, the Variance Inflation Factor values were 1 and R2=0.966. Both regression models were found to be suitable for predicting carcass weight of turkeys. However, the ridge regression method, which presented higher R2 value, has been shown to better explain the carcass weight.

Estudo da multicolinearidade em bovinos compostos multirraciais

Apesar de um pouco complexa, a formação de animais compostos representa uma alternativa para a solução de diversos problemas encontrados na produção de bovinos de corte no Brasil, dada a diversidade de climas e regiões presentes em nosso país, a criação destes animais compostos auxilia na qualidade dos rebanhos, no que se refere a aspectos produtivos, reprodutivos e de subsistência. Diante de tantas raças, combinações e parâmetros nos modelos de avaliação genética dos animais compostos, surge um problema matemático: a multicolinearidade, ela ocorre quando as variáveis independentes possuem uma alta correlação, levando então a um confundimento dos estimadores dos coeficientes de regressão. Os principais objetivos deste estudo são: avaliar a estrutura populacional e a diversidade genética ao longo do processo de criação e seleção do Composto Montana®; detectar a presença de multicolinearidade em características de crescimento; obter estimativas dos efeitos genéticos aditivos direto e materno, dos efeitos genéticos não aditivos, assim como dos efeitos fixos, pelos modelos sem covariáveis (SC), modelo tradicional com as covariáveis (REML), quadrados mínimos (QM), regressão de cumeeira (RC), análise de fatores (AF) e componentes principais (PCA). O diagnóstico para a multicolinearidade para estas características foi suficientemente grande para provar que existe este fenômeno e merece atenção especial nas análises de estimação dos componentes de variância pelo método dos quadrados mínimos e na predição dos valores genéticos para estas características. As correções para a multicolinearidade efetuadas foram eficientes para ajustar o das covariáveis, para todos os métodos. A AF e PCA apresentaram resultados coerentes com a correção da problemática deste estudo, estas análises tem um potencial elevado para inclusão nas avaliações genéticas de bancos de dados em que há o problema de multicolinearidade. A predição dos valores genéticos dos animais para as características deste estudo foi beneficiada pela análise que consistiu na utilização do fenótipo original, com os componentes ajustados para a análise do QM (QMP). A regressão de cumeeira neste estudo pode não ter trazido grandes benefícios, possivelmente pela empiricidade de estimação do parâmetro k. Apesar da diferença observada entre os métodos nas análises de comparação de modelos, como o ajuste do das covariáveis não interfere na predição dos valores genéticos, recomenda-se a aplicação da correção para a estimação dos componentes de variância e dos parâmetros genéticos, cabe ao pesquisador então um maior detalhamento do seu banco de dados para a escolha do modelo parcimonioso mais adequado.

Although somewhat complex, the formation of composite animals represents an alternative for the solution of several problems found in the production of beef cattle in Brazil, given the diversity of climates and regions present in our country, the creation of these composite animals helps in the quality of herds in terms of productive, reproductive and subsistence aspects. In view of so many races, combinations and parameters in the models of genetic evaluation of composite animals, a mathematical problem arises: multicollinearity, it occurs when the independent variables have a high correlation, leading then to a confusion of the estimators of the regression coefficients. The main objectives of this study are: to evaluate the population structure and genetic diversity throughout the creation and selection process of Composite Montana Tropical® beef cattle. Detect the presence of multicollinearity in growth traits. Obtain estimates of direct and maternal additive genetic effects, non-additive genetic effects, as well as fixed effects, by methods without correction (WC), maximum restricted likelihood (REML), ordinary least squares (OLS), ridge regression (RR), factor analysis (FA) and principal component regression (ACP). The diagnosis for multicollinearity for these traits was large enough to prove that this phenomenon exists and deserves special attention in the analysis of estimation of the components of variance by the method of least squares and in the prediction of genetic values for these traits. The corrections for multicollinearity performed were efficient to adjust the of the covariates, for all methods. The FA and ACP presented results consistent with the correction of the problem of this study, these analyzes have a high potential for inclusion in the genetic evaluations of databases with a multicollinearity problem. The prediction of the genetic values of the animals for the traits of this study was benefited by the analysis that consisted of the use of the original phenotype, with the components adjusted for the analysis of the OLS (QMP). Ridge regression in this study may not have brought great benefits, possibly due to the empirical estimation of the k parameter. As much as the methods showed differences in the model comparison analyzes, as the adjustment of the of the covariates does not interfere in the prediction of genetic values, it is recommended to apply the correction to estimate the variance components and genetic parameters, it is up to the the researcher then gave more details to his database to choose the most appropriate and parsimonious model.

MODELOS E METODOLOGIAS PARA ESTIMAÇÃO DOS EFEITOS GENÉTICOS FIXOS EM UMA POPULAÇÃO MULTIRRACIAL ANGUS X NELORE

Os objetivos deste trabalho foram estimar os efeitos genéticos fixos atuando sobre uma população sintética e testar diferentes modelos e metodologias neste processo de estimação. Os efeitos genéticos fixos testados foram os efeitos aditivos direto e materno de raça e não aditivos diretos e maternos de heterose, perdas epistáticas e complementariedade. Os modelos testados incluem alternada e conjuntamente todos estes efeitos. As metodologias de regressão de cumeeira e regressão por quadrados mínimos foram comparadas assim como dois métodos distintos para determinação do ridge parameter. Uma população sintética, envolvendo as raças Angus e Nelore foi utilizada. Foram utilizados 294.045 registros de desmame e 148.443 registros de sobreano de uma população sintética envolvendo as raças Angus e Nelore. Foram estudadas as seguintes características: ganho de peso do nascimento ao desmame (WG), escores de conformação (WC), precocidade (WP) e musculatura (WM) coletados ao desmame, ganho de peso do desmame ao sobreano (PG), escores fenotípicos de conformação (PC), precocidade (PP) e musculatura (PM) e perímetro escrotal (SC) coletados ao sobreano. Na maioria das análises, os efeitos genéticos fixos estimados foram estatisticamente significativos. O modelo completo, incluindo todos os efeitos genéticos fixos foi o mais indicado nas duas metodologias testadas. Na estimação por regressão de quadrados mínimos, o modelo mais parcimonioso foi o que incluiu apenas os efeitos aditivos de raça e não aditivos de heterose (dominância) e na estimação por regressão de cumeeira o mais parcimonioso foi o aquele que incluiu, além dos dois já referidos, os efeitos não aditivos de perdas epistáticas. As metodologias mostraram-se equivalentes, para os modelos que incluíram apenas efeito aditivo de raça e não aditivo de heterose. Todavia com a inclusão dos efeitos não aditivos de perdas epistáticas e/ou complementariedade, a regressão de cumeeira mostrou-se mais indicada até o momento em que os dados atingiram um determinado volume e estrutura, com grande parte das classes de composições raciais representadas na amostra e, a partir daí os modelos se mostraram equivalentes. Na comparação entre os métodos de determinação do ridge parameter, o mais indicado foi o método que identifica o menor valor possível que produz fatores de inflação de variância abaixo de 10 para todos os regressores estimados.

The objectives of this study were to estimate the fixed genetic effects acting on a synthetic population, as well as test different models and methodologies in this estimation process. The tested fixed genetic effects were the direct and maternal breed additive and direct and maternal heterosis, epistatic loss and complementarity non-additive effects The tested models include alternate and together all these effects. The ridge regression and least square regression methodologies were compared and were also compared two different methods for determining the ridge parameter to use in the ridge regression. A synthetic beef cattle population, involving Angus and Nellore in several breed combinations was used. 294,045 records at weaning and 148,443 records at yearling were used. The traits of weight gain from birth to weaning (WG), phenotypic scores of conformation (WC), precocity (WP) and muscling (WM) collected at weaning, weight gain from weaning to yearling (PG), phenotypic scores of conformation (PC), precocity (PP) and muscles (PM) collected at yearling and scrotal circumference (SC) were used in the analyzes. In most of analyzes, the estimated fixed genetic effects were statistically significant. The complete model, including all fixed genetic effects was the most suitable in the two tested methodologies. In the estimation by least squares regression, the most parsimonious model was the model that included only breed additive and non-additive heterosis (dominance) effects and in the estimation by ridge regression the most parsimonious model was that included, besides the breed additive and non-additive heterosis (dominance) effects, the non-additive epistatic loss effects. Comparing the two methodologies, for models that include only breed additive and non-additive heterosis effects, methodologies proved to be equivalent; with the inclusion of non-additive epistatic loss and / or complementarity effects, ridge regression was more indicated originally. After reached a certain volume and structure, with much of classes of breeds represented in the sample. Both least squares and ridge regression were equivalent. Comparing the methods for determining the ridge parameter, the best method was that which identifies the smallest possible value that produces the variance inflation factors below 10 for all estimated regressors.