文献参考：
叶健, 胡晓湘, 边成,等. 大白猪主要生长性状的遗传参数估计及育种中存在问题的探讨[J]. 华南农业大学学报, 2017, 38(1).
摘要
【目的】分析温氏某育种场大白猪主要生长性状遗传参数,并探讨不同背膘测定方法的变化(从A超到B超)以及终测体质量的变化(从达100 kg体质量日龄到达115 kg体质量日龄)对育种的影响。
【方法】利用DMU软件和单/多性状动物模型计算了达100 kg体质量日龄( AGE)和100 kg体质量背膘厚( BF)的加性方差和窝效应方差,计算各性状遗传力,并分别评估了在只有终测体质量100 kg左右(AGE-100)或只有B超(BF-B)情况下,2016年新测定个体估计育种值( EBV)与正常遗传评估EBV的泊松相关和秩相关。
【结果】AGE和BF遗传力分别为0．21和0．41,窝效应分别为0．27和0．15,单/多性状模型基本保持一致；此外,在去除终测体质量115~130 kg内数据或A超测定数据的情况下,新终测个体EBV与正常情况计算EBV的泊松相关分别为0．96和0．94,秩相关分别为0．96和0．92,单/多性状模型基本保持一致。
【结论】调整背膘测定方法比调整终测体质量对选种影响小,应该重新选择校正公式。
分析模型及其实现方法
1，二因素方差分析
这里YS为因素一，SEX为因素二，没有交互，用的是一般线性模型。
R语言实现方法：
model <- aov(y ~ YS + SEX); summary(model)
GenStat实现方法：
2，动物模型
模型解释：
ASReml实现方法：
单性状模型：
ainv <- asreml.Ainverse(ped)$ginv
model <- asreml(y ~ Sex + YS, random =~ ped(ID) + litter, ginverse = list(ID=ainv),data=dat)
多性状模型：
ainv <- asreml.Ainverse(ped)$ginv
model <- asreml(cbind(y1,y2,y3,y4) ~ trait:Sex + trait:YS, random = ~ trait:ped(ID) + trait:litter, rcov =~units:trait,ginverse = list(ID=ainv),data=dat)
相关系数
泊松相关系数：
秩相关系数：
结果
汇总统计：
方差分析的显著性检验：
方差组分估计和遗传力：
不同测量方法的BLUP的相关系数
进一步的分析
没有必要进行方差分析
使用混线性模型，将其作为固定效应检测（wald test）即可，没有必要专门进行GLM的显著性检验。
多性状分析应该检测性状相关
文中多性状检测，没有给出性状相关，用的矩阵可能是diag。应该检测性状的遗传相关，然后检测显著性,最后得到方差组分和遗传力。
相关性分析，可以给出显著性
文中给出了两种相关系数的结果，但是没有给出显著性。
