Logo Logo
Hilfe
Kontakt
Switch language to English
Factors associated with grower herd performance in three New Zealand pig farms
Factors associated with grower herd performance in three New Zealand pig farms
The aim of this observational study was to identify performance parameters, which can be used to predict market weight of a batch of pigs on commercial farms. For that purpose, we obtained weekly retro- and prospective production records from three New Zealand pig farms. The observation periods on farms A, B, and C were 140, 127 and 90 weeks, respectively. As we expected the data to be autocorrelated, we used two modelling approaches for multivariable analysis: An autoregressive (AR) model and an ordinary least squares (OLS) regression model (‘naive approach’). Analyses were performed separately for each farm. Using an AR-model, we identified four production parameters (weaning age, two sample weights and days to market) across the three farms that were effective in predicting market weight with accuracies greater than 70%. All AR-models yielded stationary and normally distributed residuals. In contrast, residuals of the OLS-models showed remaining autocorrelation on farms B and C indicating biased model estimates. Using an AR-model also has the advantage that immediate future observations can be forecasted. This is particularly useful as all predictor variables (apart from ‘Days to market’) could be obtained a month prior to marketing on all farms., Die Zielsetzung dieser Beobachtungsstudie war es, Leistungsparameter zu identifizieren, die es ermöglichen das Vermarktungsgewicht von Schweinegruppen auf kommerziellen Schweinefarmen vorherzusagen. Für diesen Zweck haben wir sowohl retro- als auch prospektive Produktionsdaten von drei neuseeländischen Schweinefarmen erhoben. Die Beobachtungszeiträume auf den Farmen A, B und C erstreckten sich über 140, 127 und 90 Wochen. Da wir Autokorrelation in den Daten vermuteten, benutzten wir zwei Modellierungsansätze: Ein autoregressives (AR) Model und ein Ordinary Least Squares (OLS) Regressionsmodel (‚naives Model’). Wir entwickelten ein separates Model für jede einzelne Farm. Mit Hilfe des AR-Models konnten wir vier Produktionsparameter (‚Absetzalter’, zwei Gewichtsmessungen und ‚Tage bis zur Schlachtung’) identifizieren, die das Schlachtgewicht auf allen drei Farmen mit mehr als 70% Genauigkeit vorhersagen. Alle AR-Modelle produzierten stationäre und normalverteilte Residuen. Im Gegensatz dazu, Residuen der OLS-Modelle zeigten verbleibende Autokorrelation für die Farmen B und C, was auf verfälschte Modelschätzungen schliessen lässt. Die Anwendung eines AR-Models hat zudem den Vorteil dass unmittelbar zukünftige Beobachtungen vorhergesagt werden können. Dies ist vor allem hilfreich da alle unabhängigen Variablen (abgesehen von ‚Tage bis zur Schlachtung’) auf jeder Farm ein Monat vor der Schlachtung erhoben werden können.
Pigs, monitoring, performance, epidemiology, autocorrelation
Schauer, Birgit
2007
Englisch
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Schauer, Birgit (2007): Factors associated with grower herd performance in three New Zealand pig farms. Dissertation, LMU München: Tierärztliche Fakultät
[thumbnail of Schauer_Birgit.pdf]
Vorschau
PDF
Schauer_Birgit.pdf

1MB

Abstract

The aim of this observational study was to identify performance parameters, which can be used to predict market weight of a batch of pigs on commercial farms. For that purpose, we obtained weekly retro- and prospective production records from three New Zealand pig farms. The observation periods on farms A, B, and C were 140, 127 and 90 weeks, respectively. As we expected the data to be autocorrelated, we used two modelling approaches for multivariable analysis: An autoregressive (AR) model and an ordinary least squares (OLS) regression model (‘naive approach’). Analyses were performed separately for each farm. Using an AR-model, we identified four production parameters (weaning age, two sample weights and days to market) across the three farms that were effective in predicting market weight with accuracies greater than 70%. All AR-models yielded stationary and normally distributed residuals. In contrast, residuals of the OLS-models showed remaining autocorrelation on farms B and C indicating biased model estimates. Using an AR-model also has the advantage that immediate future observations can be forecasted. This is particularly useful as all predictor variables (apart from ‘Days to market’) could be obtained a month prior to marketing on all farms.

Abstract

Die Zielsetzung dieser Beobachtungsstudie war es, Leistungsparameter zu identifizieren, die es ermöglichen das Vermarktungsgewicht von Schweinegruppen auf kommerziellen Schweinefarmen vorherzusagen. Für diesen Zweck haben wir sowohl retro- als auch prospektive Produktionsdaten von drei neuseeländischen Schweinefarmen erhoben. Die Beobachtungszeiträume auf den Farmen A, B und C erstreckten sich über 140, 127 und 90 Wochen. Da wir Autokorrelation in den Daten vermuteten, benutzten wir zwei Modellierungsansätze: Ein autoregressives (AR) Model und ein Ordinary Least Squares (OLS) Regressionsmodel (‚naives Model’). Wir entwickelten ein separates Model für jede einzelne Farm. Mit Hilfe des AR-Models konnten wir vier Produktionsparameter (‚Absetzalter’, zwei Gewichtsmessungen und ‚Tage bis zur Schlachtung’) identifizieren, die das Schlachtgewicht auf allen drei Farmen mit mehr als 70% Genauigkeit vorhersagen. Alle AR-Modelle produzierten stationäre und normalverteilte Residuen. Im Gegensatz dazu, Residuen der OLS-Modelle zeigten verbleibende Autokorrelation für die Farmen B und C, was auf verfälschte Modelschätzungen schliessen lässt. Die Anwendung eines AR-Models hat zudem den Vorteil dass unmittelbar zukünftige Beobachtungen vorhergesagt werden können. Dies ist vor allem hilfreich da alle unabhängigen Variablen (abgesehen von ‚Tage bis zur Schlachtung’) auf jeder Farm ein Monat vor der Schlachtung erhoben werden können.