Modelle für diskrete Merkmale mit zeitlichen, räumlichen und genetischen Korrelationen im landwirtschaftlichen Versuchswesen - Überprüfung von Parameterschätzung, Hypothesenprüfung und Modellwahl durch Simulation

• Applicants: Dr. Norbert Mielenz; Professor Dr. Joachim Spilke
• Subject Area: Animal Breeding, Animal Nutrition, Animal Husbandry
• Term: from 2008 to 2013
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 72599384

Eine Vielzahl von Anwendungen im Feld- und Tierversuchswesen weisen diskrete Zielvariablen mit zeitlich, räumlich oder genetisch bedingter Korrelationsstruktur auf und erfordern daher die Nutzung generalisierter linearer Modelle (GLM) für korrelierte Beobachtungen. Die für GLM verfügbaren Modellierungs- und Lösungsansätze haben Konsequenzen für die Flexibilität der Modellwahl und die Aussagekraft der Ergebnisse. Ausgehend von jeweils 3 für das Feld- und Tierversuchswesen typischen Anwendungen sollen likelihood-basierende Methoden (PQL, Laplace, Gauss-Hermite Quadratur) und MCMC-Methoden zur Parameterschätzung in marginalen Modellen und Modellen mit Zufallseffekten (GLMM) untersucht werden. Mittels Simulationsstudien werden Erwartungstreue und Präzision der Schätzung fester bzw. Vorhersage zufälliger Effekte, die Einhaltung von Überdeckungsraten geschätzter Konfidenzintervalle ausgewählter Modellparameter, die Einhaltung eines nominalen Fehlers 1. Art bei der Hypothesenprüfung über die festen Effekte, die Wirksamkeit analytischer Kriterien (AIC, BIC und DIC) zur Modellselektion, Konvergenzprobleme und Rechenzeitanforderungen sowie die Konsequenzen der Auswertung mit suboptimalem Modellen (hinsichtlich Varianzhomogenität und Korrelationsstruktur) analysiert. Die Variationsbreite der zu simulierenden zeitlichen, räumlichen und genetischen GLMM’s sichert die zu fordernde Verallgemeinerungsfähigkeit der Aussagen hinsichtlich der Auswertung von diskreten Merkmalen über die untersuchten landwirtschaftlichen Anwendungen hinaus.

• DFG Programme: Research Grants