^ns 0783/0-

^ns 2713/0

^*4988/0

^**6301/0

^ns 0123/0

1

4-3-5 تجزیه رگرسیون
زمانی که تعداد متغییرهای مستقل زیاد باشد، برای پیدا کردن تاثیرگذارترین آنها بر متغیر تابع (بطور مثال عملکرد دانه) و برآورد معادله رگرسیون روش های متعددی وجود دارد که متداولترین آنها رگرسیون گام به گام می‌باشد. در این روش ابتدا مهمترین متغیر مستقل رگرسیون که باعث افزیش هر چه سریعتر R² می‌شود، وارد معادله رگرسیون می‌شود و به همین ترتیب متغیرهای بعدی وارد می‌گردند (Dofing and Knight., 1992). به این ترتیب با بهره گرفتن از روش رگرسیون مرحله‌ای می‌توان سهم هر صفت و میزان تاثیر بر عملکرد را تعیین کرد و صفاتی که بیشترین تاثیر را بر عملکرد دارند، در برنامه اصلاحی برای بهبود ژنتیکی عملکرد مورد توجه قرار گیرد (Mozafari and Asadi., 2006).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

نتایج حاصل از تجزیه رگرسیون مرحله­ ای برای عملکرد دانه به عنوان متغییر تابع و سایر صفات به عنوان متغییر مستقل برای شرایط عدم تنش در جدول 4-16 و برای شرایط تنش در جدول 4-10 آورده شده ­اند.در شرایط عدم تنش سه متغییر وارد مدل شدند که در مجموع 2/99 درصد از تغییرات عملکرد دانه را توجیه نمودند (جدول 4-16) تعداد سنبله در بوته نخستین متغییر وارد شده به مدل بود که 83/76 درصد از تغییرات عملکرد دانه را به تنهایی توجیه نمود و در مراحل بعدی به ترتیب متغیرهای تعداد دانه در سنبله (95/15درصد) و وزن هزار دانه (42/6 درصد) وارد مدل شدند.
در شرایط تنش بیماری چهار متغیر وارد مدل شدند که در مجموع 3/98 درصد از تغییرات عملکرد دانه را توجیه نمودند(جدول 4-17).اولین متغیری که وارد مدل شد و به تنهایی 85/61 درصد از تغییرات عملکرد دانه را توجیه نمود صفت تعداد پنجه در بوته بود، در مرحله دوم صفت تعداد سنبله در بوته وارد مدل شد که 94/24 درصد از تغییرات عملکرد را توجیه نمود و در مراحل بعد صفات تعداد دانه در سنبله (1/9 درصد) و وزن هزار دانه (41/2 درصد) به ترتیب وارد مدل شدند. گل­آبادی و همکاران (1387) در مطالعه خود در گندم تحت شرایط تنش و عدم تنش با انجام تجزیه رگرسیون گام به گام دریافتند که در شرایط عدم تنش پنج صفت وارد مدل شدند که تعداد سنبله به عنوان اولین صفت وارد مدل شد و بیشترین سهم از تغییرات را توجیه نمود. و در شرایط تنش چهار صفت وارد مدل شدند که وزن دانه در سنبله به عنوان اولین صفت وارد مدل شد و بیشترین سهم از تغییرات را توجیه نمود.
در مطالعه گل­پرور و همکاران (1381) با انجام تجزیه رگرسیون گام به گام و در نظر گرفتن عملکرد به عنوان متغییر وابسته هفت صفت وارد مدل شد که در مجموع 4/98 درصد از تغییرات عملکرد را توجیه نمودند.
نورخلج و همکاران (1389) در بررسی لاین­های سینتتیک گندم و انجام تجزیه رگرسیون گام به گام نشان دادند که پنج صفت وارد مدل شد که این صفات 2/95 درصد از تغییرات داده ­ها را توجیه نمودند.
طهماسبی و همکاران (Tahmasebi et al., 2013) گزارش نمودند که سه صفت تعداد سنبله، وزن هزار دانه و ارتفاع گیاه وراد مدل رگرسیونی شده و مجموعا 2/73 درصد از تغییرات عملکرد را توجیه نمودند.
افیونی و مهلوجی (Efyoni and Mahloji., 2005) با انجام تجزیه رگرسیونی گام به گام در 42 لاین گندم نشان دادند که تعداد دانه در سنبله، تعداد سنبله و ارتفاع بوته وارد مدل شده و بر عملکرد اثر گذاشته­اند.
با توجه به نتایج تجزیه رگرسیون مرحله‌ای برای ارقام گندم در شرایط عدم تنش، تعداد سنبله، تعداد دانه در سنبله و وزن هزار دانه مهمترین صفات برای بهبود عملکرد دانه بودند. برای ارقام گندم در شرایط تنش صفات تعداد پنجه، تعداد سنبله، تعداد دانه در سنبله و وزن هزار دانه مهمترین صفات جهت بهبود عملکرد دانه شناخته شدند. با توجه بالا بودن ضرایب همبستگی ژنتیکی و فنوتیپی این صفات با عملکرد دانه می‌توان گفت که این صفات مهمترین جزء عملکرد دانه ارقام مورد مطالعه است و می‌تواند در برنامه‌های اصلاحی برای گزینش ارقام با عملکرد بالاتر مورد توجه قرار گیرد.
صفایی حکیمی (Safaei hakimi., 1996) در آزمایشی روی 80 لاین کلکسیون گندم­های دوروم بومی ایران نشان داد که چهار صفت بیشترین اثر را بر عملکرد داشتند و وارد مدل رگرسیونی شدند، که صفت طول سنبله به عنوان اولین صفت وارد مدل شد.
جدول 4-16: نتایج تجزیه رگرسیون مرحله‌ای برای تعیین سهم نسبی اجزای عملکرد دانه ارقام گندم در شرایط عدم تنش

منبع تغییرات

پارامترهای مدل (ضرایب رگرسیون)

R² جزء

R² کل (مدل)

F Value

عرض از مبدا

8333/42-

تعداد سنبله(X₁)

0208/2

7683/0

7683/0

^**84/92

تعداد دانه در سنبله(X ₂)

47196/0