方差组分估计方法MIVQUE.PDFVIP

遗传 学报，22(6):424-430,1995 ActaGcncticaSinica 方差组分估计方法MIVQUE 和REML的模拟比较 张 勤 张 沉 北（京农业大学动物科学技术学院 北京 100094) 刘增廷 日．日auSsmann 德（国Hohenheim大学动物生产及动物育种研究所） 摘要 利用MonteCarlo方法，对4种数据结构进行了MIVQUE和REML两种方差组分 估计方法的模拟比较。方差组分估计所用的模型为奶牛育种中常用的公畜模型，它包括场年 季固定效应、公牛组固定效应和公牛随机效应。4种数据结构中最大的有12847个观察值， 场年季效应和公牛效应水平数分别为778和47，它与北京市目前可利用的奶牛头胎产奶量 记录资料相当。最小的数据结构只有200个观察值，148个场年季和20头公牛。比较指标 为估计使的偏差和方差 理（论的或根据1000次重复模拟所得的经验值）。结果表明，对于较 大样本的数据结构，两种方法差异很小，它们间的估计值的相关接近于1，偏差小于真值的 1%，方差近似相等。对于较小样本的数据结构，MIVQUE则明显优于REML。本研究还表 明，对于REML来说，类似数据结构1的样本已能满足其渐近无偏性和有效性的大样本特 性。 关键词 方差组分，MIVQUE,REML，比较，MonteCarlo 在家畜育种中，一些数量性状的群体遗传参数 如（重复力，遗传力等）都是方差组分的 函数如（遗传力h2一GoIf嵘a为加性遗传方差，弓为表型方差），估计这些遗传参数实际 上相当于估计方差组分。由于家畜生产记录资料的复杂性 多（为不平衡资料），给方差组 分估计带来了很大的难度，因此方差组分估计多年来一直是世界各国的统计遗传学家和 育种工作者的重要研究内容。 在50--70年代，方差组分的估计方法主要是Henderson方法少1,70年代后，逐渐出 现了一些新的方法，如最小方差二次无偏估计M（IVQUE)tsl、最大似然估计M（L)2[l、约束 最大似然估计R（EML)14l，等等。这些方法中，只有MIVQUE可以通过解析法求得估计 值及估计值的偏差 b（ias）和方差 v（ariance)，而ML和REML都只能通过迭代近似求 解，因而不能确切求得它们的估计值的偏差和方差。但当样本较大时，从理论上可以证明 它们具有渐近无偏性和有效性，而MIVQUE只有在先验值等于真值时才具有最小方差， 因而一般认为对于大样本来说，ML和REML要优于MIVQUE，而对于混合模型来说， 本文于1995年1月26日收到 6期 张 勤等；方差组分估计方法MIVQUE和 .EMT#q模拟tI较 42; REML法由于考虑了估计固定效应所造成的自由度的损失，故而更受动物育种工作者的 推崇。但是究竟多大样本才能保证REML的渐近无偏性和有效性？当样本不是足够大 时MIVQUE和REML哪一个更好？这些问题目前尚无明确的答案。为此我们进行了 此项研究，试图通过MonteCarlo模拟比较不同样本大小和数据结构下MIVQUE和 REML估计值的无偏性和方差，从而给上述问题一个初步的答案。 1 数据结构 在数学模型和估计方法给定情况下，方差组分估计值的性质只受相应的真值的大小 和数据样本大小及其结构的影响。因而我们考虑了4个与奶牛育种有关的数据集，它们 的大小及结构如表I所示。第一个数据集与北京市目前的荷斯坦牛头胎产奶量记录资料 相对应，以这个数据集为基础，从中抽取部分数据构成了数据集2,3和4 表14个数据集的样本大小及其结构 Table1 Sizesacidstructuresoffourdatasets 数 据 集 记 录 数 公 牛 数 场年季数 女儿数 ／公牛 记录数 ／场年季 Dataset No.records No.Dulls No甲HYSs No.chug