Yumurta İç Kalite Özelliklerinin Kısmi En küçük Kareler Regresyonu Kullanılarak Tahmin Edilmesi

Seda AKYÜREK, Suna AKKOL
2018 Yüzüncü Yil Üniversitesi Tarim Bilimleri Dergisi  
Öz: Bu çalışma, yumurta dış kalite özellikleri kullanılarak iç kalite özellikleri olan yumurta ak ve sarı ağırlığı için bir tahmin modeli elde etmek amacıyla yapılmıştır. Bu amaçla, çalışmada kullanılan veri setine kısmi en küçük kareler regresyon yöntemi uygulanmış ve elde dilen sonuçlar temel bileşenler regresyon yöntemi ile karşılaştırılırmıştır. Yumurta ak ve sarı ağırlığı için kısmi en küçük kareler regresyon analizinde gizil faktör sayısı bir ve belirleme katsayıları sırasıyla % 68.44 ve
more » ... rasıyla % 68.44 ve % 63.40 olmuştur. Yumurta ak ve sarı ağırlığı için bir faktörlü temel bileşenler regresyonu için belirleme katsayısı sırasıyla % 63.40 ve %53.80 olarak elde edilmiştir. Temel bileşenler regresyonunda faktör sayısı için kısıtlama olmadığı durumda, yumurta ak ağırlığı için gizil faktör sayısı beş ve belirleme katsayısı % 79.77; yumurta sarı ağırlığı için bu değerler sırasıyla iki ve % 75.35 olmuştur. Elde edilen bu sonuçlar, boyut indirgeme konusunda kısmi en küçük kareler regresyon yönteminin temel bileşenler regresyon yönteminden daha etkin olduğunu ve çoklu bağlantıya sahip küçük örnek setlerinde daha güvenilir tahminler elde edilebileceğini ortaya koymuştur. Abstract: This study was carried out to obtain a prediction model for egg albumen and yolk weight, which are the internal quality characteristics of egg predicted from external quality characteristics of egg. For this purpose partial least squares regression method was applied to the data set used in the study and the results were compared with the principal component regression method. In the partial least squares regression analysis for egg albumen and yolk weight, the number of latent factor was 1 and the determination coefficients were 68.44% and 63.40%, respectively. For the egg albumen weight, the coefficients of determination for the principal component regression with one latent factor were 63.40% and 53.80%. When there is no restriction for the number of factors in the principal component regression, for the egg albumen weight the number of latent factors was five and the coefficients of determination was 79.77%; for the egg yolk weight the values were two and 75.35%, respectively. The results shown that the partial least squares regression method was more effective than the principal component regression method in dimension reduction, and more reliable predictions can be obtained in small sample sets with multicollinearity using the partial least squares regression method.
doi:10.29133/yyutbd.448697 fatcat:rzds5uli2vayvndjey4obkvrvq