方差组分估计方法MIVQUE和REML的模拟比较

利用ＭｏｎｔｅＣａｒｌｏ方法,对４种数据结构进行了ＭＩＶＱＵＥ和ＲＥＭＬ两种方差组分估计方法的模拟比较。方差组分估计所用的模型为奶牛育种中常用的公畜模型,它包括场年季固定效应、公牛组固定效应和公牛随机效应。４种数据结构中最大的有１２８４７个观察值,场年季效应和公牛效应水平数分别为７７８和４７,它与北京市目前可利用的奶牛头胎产奶量记录资料相当。最小的数据结构只有２００个观察值,１４８个场年季和２０头公牛。比较指标为估计值的偏差和方差（理论的或根据１０００次重复模拟所得的经验值）。结果表明,对于较大样本的数据结构,两种方法差异很小,它们间的估计值的相关接近于１,偏差小于真值的１％,方差近似相等。对于较小样本的数据结构,ＭＩＶＱＵＥ则明显优于ＲＥＭＬ。本研究还表明,对于ＲＥＭＬ来说,类似数据结构１的样本已能满足其渐近无偏性和有效性的大样本特性。