Link - Frau Prof. Dr. rer. nat. Kira Klenke - Hochschule Hannover

Multiple Abhängigkeiten am Beispiel einer orientierenden
epidemiologischen Untersuchung zum Leistungsniveau und
Gesundheitsstatus von Legehennen
Datenmanagement, Dokumentation und statistische Auswertung
Diplomarbeit
von Jan Schäl
Fachhochschule Hannover
Studiengang Biowissenschaftliche Dokumentation
Sommersemester 2004

Multiple Abhängigkeiten am Beispiel einer orientierenden
epidemiologischen Untersuchung zum Leistungsniveau und
Gesundheitsstatus von Legehennen
Datenmanagement, Dokumentation und statistische Auswertung
Diplomarbeit
im Studiengang Biowissenschaftliche Dokumentation
Hannover, den 26. Mai 2004
an der Fachhochschule Hannover
vorgelegt von
Jan Schäl

Erklärung
Erklärung
Hiermit versichere ich, dass ich die vorliegende Arbeit selbständig verfasst und
keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe.
Ich bin damit einverstanden, dass meine Arbeit in der Bibliothek der Fach-
hochschule Hannover eingestellt wird.
Hannover, den 26. Mai 2004
Jan Schäl
1. Prüferin: Prof. Dr. Kira Klenke
2. Prüfer: Prof. Dr. Lothar Kreienbrock

Zusammenfassung
Zusammenfassung
Durch die erste Verordnung zur Änderung der Tierschutz-
Nutztierhaltungsverordnung wurde es notwendig, eine Datenbasis zur Bewer-
tung verschiedener Legehennen-Haltungssysteme zur Verfügung zu haben.
Die „Orientierende epidemiologische Untersuchung zum Leistungsniveau und
Gesundheitsstatus in Legehennenhaltungen verschiedener Haltungssysteme“,
kurz EpiLeg genannt, wurde zu diesem Zweck vom Niedersächsischen Minis-
terium für den ländlichen Raum, Ernährung, Landwirtschaft und Verbraucher-
schutz in Auftrag gegeben. Das Institut für Biometrie, Epidemiologie und
Informationsverarbeitung der Tierärztlichen Hochschule Hannover war der Auf-
tragnehmer der Studie. Im Rahmen der Studie wurden mittels Fragebögen bei
legehennenhaltenden Betrieben Daten zur aktuellen Situation in der Legehen-
nenhaltung gesammelt.
Die vorliegende Arbeit beschäftigt sich mit den Bereichen Datenmanagement,
Dokumentation und einigen Teilaspekten der statistischen Auswertung der
Studie. Es wird erläutert, wie die Daten mittels Fragebögen und elektronisch
erfasst, wie sie aufbereitet und auf Plausibilität geprüft und abschließend mit
deskriptiven und analytischen Methoden der Statistik ausgewertet wurden. Die
bisherigen Ergebnisse der Studie werden kurz zusammengefasst dargestellt
und um weitere Auswertungsresultate ergänzt. Den zentralen Parameter der
dargestellten Auswertungen bildet dabei die Mortalitätsrate der Legehennen.

Inhaltsverzeichnis
Zusammenfassung
Inhaltsverzeichnis
Inhaltsverzeichnis
1 Einleitung .................................................................................................. 1
1.1 Die Studie EpiLeg .............................................................................. 1
1.2 Haltungssysteme................................................................................ 3
1.3 Struktur der Legehennenhaltung........................................................ 4
1.4 Repräsentativität der Stichprobe ........................................................ 5
2 Material und Methoden.............................................................................. 8
2.1 Der Fragebogen ................................................................................. 8
2.1.1 Fragebogenstruktur..................................................................... 8
2.1.2 Versand und Rücklauf............................................................... 10
2.2 Elektronische Datenerfassung ......................................................... 11
2.2.1 Fragencodierung....................................................................... 11
2.2.2 Struktur der Datenbank............................................................. 14
2.2.3 Dateneingabe und nachträgliche Variablendefinition ................ 20
2.2.4 Probleme bei der Dateneingabe ............................................... 21
2.2.5 Definition der Stallinformationen ............................................... 23
2.2.6 Strukturinformationen................................................................ 25
2.3 Datenaufbereitung............................................................................ 26
2.3.1 Datenimport in SAS aus MS- Access........................................ 26
2.3.2 Definition neuer Variablen......................................................... 27
2.3.3 Plausibilitätskontrollen in SAS................................................... 33
2.3.4 Überprüfung inplausibler Daten anhand der Fragebögen ......... 39
2.4 Statistische Methoden und Vorbereitung der Daten......................... 41
2.4.1 Deskription ................................................................................ 41
2.4.2 Gruppierung der erhobenen Merkmale ..................................... 41
2.4.3 Zusammenfassung und Ausschluss von Faktorstufen.............. 43
2.4.4 Varianzanalyse ......................................................................... 45
2.4.5 Ausreißertest............................................................................. 56
2.4.6 Assoziationsmaß nach Cramér ................................................. 57
2.4.7 Umwandlung quantitativer Merkmale........................................ 59
I

Inhaltsverzeichnis
3 Ergebnisse .............................................................................................. 60
3.1 Deskriptive Auswertung.................................................................... 60
3.2 Statistische Modelle ......................................................................... 69
3.2.1 Einfaktorielle Varianzanalyse .................................................... 69
3.2.2 Zweifaktorielle Varianzanalyse mit Interaktion (Grundmodell) .. 71
3.2.3 Dreifaktorielle Varianzanalyse und Cramér’s V......................... 77
3.2.4 Gesamtmodell mit sieben Einflussfaktoren ............................... 78
3.2.5 Scheffé – Test und adjustierte Erwartungswerte....................... 80
3.2.6 Gesamtmodell mit vier Einflussfaktoren.................................... 84
4 Diskussion und Ausblick.......................................................................... 93
5 Danksagung ............................................................................................ 96
6 Literaturverzeichnis ................................................................................. 97
7 Anhänge................................................................................................ 102
II

1 Einleitung
1.1 Die Studie EpiLeg
Die Studie EpiLeg
Durch die erste Verordnung zur Änderung der Tierschutz-
Nutztierhaltungsverordnung (BMVEL, 2002) wurde festgelegt, dass die Käfig-
haltung für Legehennen, die nicht nur in Deutschland die bei weitem verbrei-
tetste Haltungsform ist, ab dem 1. Januar 2007 nicht mehr eingesetzt werden
darf. Diese Verordnung war die Ursache für die Durchführung einer „Orientie-
renden epidemiologischen Untersuchung zum Leistungsniveau und Gesund-
heitsstatus in Legehennenhaltungen verschiedener Haltungssysteme“, kurz
EpiLeg genannt. Sie wurde im November 2002 durch das Niedersächsische
Ministerium für den ländlichen Raum, Ernährung, Landwirtschaft und Verbrau-
cherschutz (NML) in Auftrag gegeben. Auftragnehmer war das Institut für Bio-
metrie, Epidemiologie und Informationsverarbeitung (IBEI) der Tierärztlichen
Hochschule Hannover (TiHo).
Im Rahmen der Studie wurden bei entsprechenden Betrieben, mittels einer
Erhebung anhand von Fragebögen, Daten zur aktuellen Situation in der Lege-
hennenhaltung gesammelt. Dies geschah unter Einbezug einer Vielzahl von
Projektbeteiligten, die der Tabelle 1.1.1 zu entnehmen sind. Die Aufgabe einer
Treuhandstelle beinhaltete dabei die Kontaktaufnahme zu den legehennenhal-
tenden Betrieben und die spätere Anonymisierung der erhobenen Daten. Die-
se Daten waren die Basis für die Bewertung unterschiedlicher
Haltungssysteme (auch Haltungsformen genannt) in Hinblick auf die Gesund-
heit der Hennen und andere bestandsbegleitende Parameter mit Hilfe statisti-
scher Methoden (Kreienbrock [et al.], 2004).
1

Tabelle 1.1.1: Projektbeteiligte (Kreienbrock [et al.], 2004, S. 9)
Wissenschaftliche
Koordination
Treuhandstelle
Fachliche Beratung
Aufgabe Beteiligte Institution
Die Studie EpiLeg
− Institut für Biometrie, Epidemiologie und Informationsverarbeitung,
Tierärztliche Hochschule Hannover
− Niedersächsisches Ministerium für den ländlichen
Raum, Ernährung, Landwirtschaft und Verbraucherschutz
− Bezirksregierung Weser-Ems
− Niedersächsisches Landesamt für Verbraucherschutz
und Lebensmittelsicherheit
− Niedersächsische Geflügelwirtschaft, Landesverband
e. V.
− Niedersächsisches Ministerium für den ländlichen
Raum, Ernährung, Landwirtschaft und
Verbraucherschutz
− Ministerium für Ernährung, Landwirtschaft, Forsten
und Fischerei, Mecklenburg-Vorpommern
− Veterinärbehörden der Landkreise Osnabrück und
Cloppenburg sowie weitere zuständige örtliche Veterinärbehörden
− Fachtierärzte für Geflügel
− Niedersächsische Geflügelwirtschaft, Landesverband
e. V.
− Bundesverband Deutsches Ei e.V.
Die vorliegende Arbeit beschäftigt sich mit den Gesichtspunkten Datenmana-
gement, Dokumentation und statistische Auswertung der Untersuchung Epi-
Leg. Das Vorgehen von der Datenerhebung bis zur statistischen Modellbildung
wird erläutert. Neben der näheren Darstellung statistischer Modelle, die auch
im Abschlussbericht der Studie (Kreienbrock [et al.], 2004) zu finden sind,
werden weitere deskriptive und analytische Auswertungen gezeigt und inter-
pretiert.
2

1.2 Haltungssysteme
Haltungssysteme
Ein Hauptgesichtspunkt der beschriebenen Untersuchung war der Vergleich
der verschiedenen in der Praxis eingesetzten Haltungssysteme. Diese Hal-
tungssysteme werden im Folgenden genauer erläutert.
• Bodenhaltung
Die Tiere werden auf einer Ebene gehalten. Sie können sich frei in ei-
nem Stall bewegen, der mindestens zu einem Drittel eingestreut sein
muss, um den Hennen das Scharren zu ermöglichen. Auch das Vor-
handensein von Legenestern ist vorgeschrieben. Jedes Tier muss min-
destens 1 100 cm² Fläche zur Verfügung haben, wobei höchstens neun
Tiere pro m² erlaubt sind. Es wird zwischen Bodenhaltung mit Auslauf
und ohne Auslauf unterschieden. Bei Bodenhaltung mit Auslauf (auch
Freilandhaltung genannt) hat jedes Tier eine Freilauffläche von 2,5 bis
10 m² zur Verfügung.
• Volierenhaltung
Die Legehennen können annähernd das komplette Stallvolumen nut-
zen, da sie auf mehreren Ebenen gehalten werden. Pro m² Bodenfläche
sind, je nach Anzahl der Ebenen, 10 bis 25 Tiere üblich. Sitzstangen mit
einer Mindestlänge von 15 cm je Tier und das Bereitstellen von Lege-
nestern sind vorgeschrieben. Es wird zwischen Volierenhaltung mit
Auslauf und ohne Auslauf unterschieden. Bei Volierenhaltung mit Aus-
lauf (auch Freilandhaltung genannt) hat jedes Tier eine Freilauffläche
von 2,5 bis 10 m² zur Verfügung.
• Käfighaltung
Mindestens 550 cm² Bodenfläche pro Tier müssen zur Verfügung ste-
hen, wobei höchstens 5 Hennen pro Käfig zulässig sind. Ab 2007 ist die
Käfighaltung in Deutschland gesetzlich verboten.
• Kleingruppenhaltung (ausgestaltete Käfige)
In dieser Haltungsform sind höchstens 13 Hennen je m² Bodenfläche
erlaubt. Die Gruppengröße pro Käfig ist nicht genau definiert, da sich
das Haltungssystem derzeit noch in der Erprobung befindet, um Aspek-
3

Struktur der Legehennenhaltung
te der Artgerechtheit und der allgemeinen Produktionsbedingungen ab-
zustimmen. In einem Käfig der Kleingruppenhaltung befinden sich aller-
dings mehr Tiere als in einem Käfig der herkömmlichen Käfighaltung.
Es gibt Legenester und die Möglichkeit zum Sandbaden. Außerdem
sind mindestens 15 cm Sitzstange pro Tier erforderlich. Auch dieses
Haltungssystem gilt als Käfighaltung und darf daher ab 2007 deutsch-
landweit nicht mehr genutzt werden. Gegebenenfalls können Weiter-
entwicklungen dieser Haltungsform auch zukünftig eingesetzt werden.
(Landtag Mecklenburg-Vorpommern, (1998) und Tierärztliche Hochschule
Hannover, (2004))
1.3 Struktur der Legehennenhaltung
Die Grundlage der Untersuchung sind die sogenannten Legedurchgänge. Ein
Legedurchgang ist die Zeit zwischen der Ein- und Ausstallung einer Herde von
Tieren eines Stalles. Dieser Zeitraum beträgt ungefähr ein Jahr. Es wird immer
eine kompletter Stall ein- bzw. ausgestallt. Verluste durch Tod der Hennen
werden nicht ersetzt.
Zu Beginn der Studie wurden zunächst alle Betriebe mit mehr als 3 000 Lege-
hennenplätzen im Bundesland Niedersachsen als Untersuchungskollektiv de-
finiert. Es wurde jedoch in einer frühen Phase auf alle Bundesländer erweitert.
Von diesen Betrieben wurden Daten zu Durchgängen in den Jahren 2000,
2001 und 2002 erhoben. Anhand der Abb. 1.3.1 soll gezeigt werden, wie die
Struktur der Legehennenhaltung aufgebaut ist.
4

Stall
Produzent
Betrieb Betrieb
Repräsentativität der Stichprobe
Betrieb
Stall Stall Stall Stall
Durchgänge Durch-
Durchgänge Durch-
Durchgänge
gang
gang
Abb. 1.3.1: Struktur der Legehennenhaltung
Legehennenhaltende Betriebe können unabhängig sein oder ein Teil eines
größeren Unternehmens (Produzenten), das mehr als einen Betrieb besitzt.
Ein Betrieb hat wiederum einen oder mehrere Ställe, wobei jeder Stall mit ei-
nem anderen Haltungssystem ausgestattet sein kann. Jeder der Ställe konnte
in den betreffenden Jahren bis zu dreimal mit Tieren belegt werden, in Aus-
nahmefällen auch häufiger. Nicht alle dieser Durchgänge müssen allerdings in
die Studie eingeflossen sein.
1.4 Repräsentativität der Stichprobe
Die Gesamtanzahl der eingegangenen Fragebögen beläuft sich auf 706, wobei
davon 675 Durchgänge auswertbar waren. Diese Durchgänge repräsentieren
175 Betriebe von 120 Produzenten mit insgesamt 406 Ställen. Es wurde er-
wartet, dass die Anzahl der größeren Betriebe, die in die Studie eingingen,
höher war als die Anzahl der kleineren Betriebe. Außerdem gilt die Betriebs-
größe als ein Parameter, „der in vielerlei Hinsicht betriebliche Verhaltenswei-
sen und betriebliche Ergebnisse beeinflusst […].“ (Kreienbrock [et al.], 2004,
S. 19). Aus diesen Gründen wurde das Untersuchungskollektiv in zwei Grup-
5

Repräsentativität der Stichprobe
pen geteilt. Die Betriebsgröße wird im Allgemeinen durch die Anzahl der ver-
fügbaren Legehennenplätze jedes Betriebes bestimmt. Betriebe mit weniger
als 50 000 Legehennenplätzen bilden in dieser Studie die Gruppe der kleine-
ren Betriebe, während Betriebe mit mehr als 50 000 Legehennenplätzen zu
den größeren Betrieben zählen.
Innerhalb dieser beiden Gruppen wurde untersucht, ob die Verteilung der ein-
zelnen Haltungssysteme in der Stichprobe der Verteilung in der Grundgesamt-
heit entspricht. Da die Haltungsform den bedeutendsten Parameter der Studie
darstellt, ist eine vergleichbare Verteilung der Haltungsformen eine entschei-
dende Voraussetzung zur Beurteilung der Repräsentativität der Stichprobe. In
Abb. 1.4.1 ist dieser Vergleich in grafischer Form dargestellt. Es zeigt sich,
dass die Verteilung der Haltungsformen in der Studie getrennt nach Betriebs-
größenklassen der Verteilung in der Grundgesamtheit grundsätzlich gut ent-
spricht. Allerdings ist bei den kleineren Betrieben auffällig, dass hier in der
Stichprobe prozentual mehr Boden- und Freilandhaltungen und weniger Käfig-
haltungen vertreten sind als in der Grundgesamtheit. Die daraus resultieren-
den größeren Stichprobenzahlen für die Boden- und Freilandhaltung
vergrößern allerdings die Exaktheit der Aussagen bezüglich dieser Haltungs-
systeme, so dass die Differenz zwischen Grundgesamtheit und Stichprobe
wurde daher als annehmbar bewertet wurde (Kreienbrock [et al.], 2004, S.20).
6

80%
70%
60%
50%
40%
30%
20%
10%
0%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Käfig-
Batteriehaltung
Käfig-
Batteriehaltung
Betriebe mit weniger als 50 000 Haltungsplätzen
Stichprobe EpiLeg
Repräsentativität der Stichprobe
Grundgesamtheit nach Stat. Bundesamt
Volierenhaltung Bodenhaltung Freilandhaltung
Betriebe mit mehr als 50 000 Haltungsplätzen
Stichprobe EpiLeg
Grundgesamtheit nach Stat. Bundesamt
Volierenhaltung Bodenhaltung Freilandhaltung
Abb. 1.4.1: Betriebe mit Legehennenhaltung in Deutschland gesamt und in dieser Un-
tersuchung nach Haltungssystemen und Betriebsgröße (Kreienbrock
[et al.], 2004, S.21)
7

2 Material und Methoden
2.1 Der Fragebogen
Der Fragebogen
Zur Datenerhebung wurde am Institut für Biometrie, Epidemiologie und Infor-
mationsverarbeitung der Tierärztlichen Hochschule Hannover in enger Zu-
sammenarbeit mit allen Projektbeteiligten (vergl. Tabelle 1.1.1) im November
2002 ein Fragebogen entwickelt. Dieser wurde als Pretest von Dezember 2002
bis Januar 2003 mit 16 Legedurchgängen geprüft, wodurch Verständnis-
schwierigkeiten, die in den ausgefüllten Bögen ersichtlich wurden, beseitigt
werden konnten. Eine modifizierte endgültige Version wurde im Februar 2003
fertiggestellt.
2.1.1 Fragebogenstruktur
Das Deckblatt des Fragebogens zeigt Titel, Kurztitel und Logo des Projektes
sowie Namen und Logo des IBEI. Über die Projektbeteiligten und die Einhal-
tung der Datenschutzrichtlinien informiert das Einstiegsanschreiben. Der Fra-
gebogen selbst gliedert sich in die folgenden drei Fragenkomplexe:
Angaben zum Betrieb
Zunächst geben die teilnehmenden Legehennenhalter Namen, Anschrift und
das Bundesland ihres Betriebes an, wobei nur die Bundeslandinformation an
das IBEI weitergeleitet wurde. Ansonsten wurde dieser Teil durch die Treu-
handstelle anonymisiert.
Durchgangscharakteristika
Der zweite Fragenkomplex (Teil A) befasst sich mit Daten, die sich auf die Ge-
samtzeit eines Durchgangs beziehen. Hier gibt es eine weitere Unterteilung in
vier zeitlich abgrenzbare Untergruppen:
8

• Vor Beginn der Legeperiode (Frage A-1 bis A-8)
Der Fragebogen
In dieser Gruppe von Fragen wird auf allgemeine Durchgangscharakte-
ristika eingegangen, die vor bzw. bei der Einstallung festgelegt werden.
Sie beinhaltet das Einstalldatum, die Belegungsart (Erst- oder Folgebe-
legung), die eingestallte Legelinie (die Hühnerrasse), das Haltungssys-
tem, die Wirtschaftsform (herkömmlich oder ökologisch), die Anzahl
eingestallter Tiere, das Alter der Tiere am Einstalltag sowie Impfungen
und Behandlungen während der Aufzuchtphase.
• Während der Legeperiode (Fragen A-9 bis A-11 und A-15)
Diese Fragengruppe geht auf Impfungen und Behandlungen während
der Legeperiode, Verhaltensbesonderheiten der Tiere sowie den Fut-
terverbrauch während der Legeperiode ein.
• Am Ende der Legeperiode (Fragen A-12 bis A-14)
Das Ausstalldatum, die Anzahl der ausgestallten Tiere und das Gewicht
der Tiere gehören in die Gruppe der Daten, die das Ende der Legeperi-
ode charakterisieren.
• Daten aus dem Veterinärmedizinischen Untersuchungsbericht
(Fragen A-16 bis A-18)
Die Fragen dieser Gruppe befassen sich mit der Schlachtung der Tiere
und sollten von den Haltern nur ausgefüllt werden, falls ihnen Daten aus
dem veterinärmedizinischen Untersuchungsbericht vorlagen.
Durchgangsbezogene Wochendaten
Im dritten Teil (Teil B) werden Daten erfragt, die sich auf einzelne Legewochen
beziehen. Dazu gehören die Anzahl der im Durchgang verendeten Tiere, die
Anzahl gelegter und aussortierter Eier sowie das durchschnittliche Eigewicht in
Gramm.
9

2.1.2 Versand und Rücklauf
Der Fragebogen
Der Fragebogen wurde auf drei DIN A3 Seiten doppelseitig gedruckt und ge-
falzt. Am IBEI wurde jeder einzelne Bogen mit Hilfe eines Paginierstempels mit
einer laufenden Nummer versehen, um ihn eindeutig identifizierbar zu ma-
chen. Hierbei wurden jeweils die Seiten 1, 3 und 12 mit derselben Nummer
versehen, um zu vermeiden, dass lose Seiten nicht mehr mit einem Fragebo-
gen in Verbindung gebracht werden konnten. Anschließend wurden sie an die
Niedersächsische Geflügelwirtschaft (NGW) versandt, die einen Teil der Bö-
gen an die Legehennenbetriebe in Niedersachsen verteilte und die weiteren
Bögen gruppiert nach Bogennummern an die Geflügelverbände im Bundesge-
biet weiterleitete. Diese wiederum verteilten sie an die einzelnen Legehennen-
betriebe mit einer Hennenkapazität von mindestens 3 000 Tieren in ihrem
Einzugsbereich. Jeder Betrieb erhielt pro Stall drei Bögen, da für jeden Lege-
hennen-Durchgang der Jahre 2000, 2001 und 2002 ein Fragebogen ausgefüllt
werden sollte. Dabei wurde von durchschnittlich einem Durchgang pro Jahr
ausgegangen.
Die ausgefüllten Bögen wurden von den teilnehmenden Betrieben schließlich
an die NGW zurückgesandt. Hier trennte man die erste Seite, die unter ande-
rem Name und Anschrift des Legehennenbetriebes enthält, ab. Eingegangene,
ausgefüllte Fragebögen wurden zusammen mit dem dazugehörigen Produzen-
ten in Listen als zurückgekommen verzeichnet, wobei bei Fragebögen aus
Niedersachsen auch nachverfolgt werden konnte, zu welchem Betrieb des
Produzenten ein Durchgang gehört. Die anonymisierten Bögen wurden an das
IBEI zurückgesandt und dort archiviert. Auch die Listen mit allen Fragebogen-
nummern, der Rücklaufinformation und Codes für den dazugehörigen Produ-
zenten sowie, falls vorhanden, dem Betrieb wurden an das IBEI weitergeleitet.
10

2.2 Elektronische Datenerfassung
Elektronische Datenerfassung
Unter Microsoft Access 2000 wurde eine Datenbankapplikation entwickelt, um
die Daten aus den Fragebögen elektronisch zu erfassen und sie in folgenden
Schritten rechnergestützt auswerten zu können.
2.2.1 Fragencodierung
Zunächst wurden für alle Fragen bzw. Unterfragen des Erhebungsbogens Variablennamen
definiert und in einem Codierungsplan niedergeschrieben. Jeder
Variablenname beginnt mit einer Ziffer. Variablen des ersten Fragenkomplexes
beginnen mit der Ziffer 0, während Variablen aus Teil A mit der Ziffer 1 und
Fragen aus Teil B mit der Ziffer 2 beginnen. An nächster Stelle folgt die Nummer
der Frage, anschließend eine Abkürzung oder ein Schlagwort für den Frageninhalt.
Einige Beispiele für die Konstruktion von Variablennamen sind in
Tabelle 2.2.1 aufgeführt. Die Darstellung dieser Variablen im Fragebogen ist in
Tabelle 2.2.2 und Tabelle 2.2.3 ersichtlich.
Tabelle 2.2.1: Fragencodierung (Beispiele aus dem Codierungsplan)
Frage Variablenname Bedeutung
A-1 1_1dat_ein Datum der Hennen-Einstallung
A-2 1_2belegart Art der Belegung
A-3 1_3legelinie eingestallte Legelinie
B 2_0lw Lebenswoche
B 2_1verlust Anzahl verendeter Tiere je Woche
11

Elektronische Datenerfassung
Tabelle 2.2.2: Ausschnitt aus dem Fragebogenteil A – Fragen A-1 bis A-3
A-1
A-2
A-7
An welchem Datum wurden die
Tiere eingestallt?
Erfolgt die Belegung des Hal-
tungssystems zum ersten Mal,
oder gab es schon vorherige Be-
legungen in diesem Haltungssys-
tem?
Wie alt waren die Hennen am
Einstallungstag?
Tabelle 2.2.3: Ausschnitt aus dem Fragebogenteil B
15
16
17
18
19
20
Lebenswoche
. .
� Erstbelegung
� Folgebelegung
_____Wochen ____ Tage
Tierverluste Leistungsziffern
ANZAHL
der im Bestand
verendeten Tiere
ANZAHL der
gelegten Eier
ANZAHL der
aussortierten Eier
durchschnittliches
Eigewicht in
Gramm
Wie in Tabelle 2.2.4, die den in Tabelle 2.2.5 dargestellten Ausschnitt aus dem
Fragebogen codiert, zu sehen ist, werden für Fragen, bei denen Mehrfachan-
gaben möglich sind, einzelne Teilantworten durch einen angehängten Buch-
12

Elektronische Datenerfassung
staben unterschieden. Für die erste Teilfrage ist dieser Buchstabe ein „a“. Er
wird bei allen weiteren in alphabetischer Reihenfolge verändert.
Tabelle 2.2.4: Codierung von Teilfragen (Beispiele aus dem Codierungsplan)
Frage Variablenname Bedeutung
A-8 (Impfungen in der Aufzuchtphase
/ vor der Einstallung)
1_8beh_vor_a Aviäre Enzephalomyelitis
1_8beh_vor_b Egg-Drop-Syndrom
1_8beh_vor_c Escherichia coli-Infektion
1_8beh_vor_d Coryza contagiosa
1_8beh_vor_e Infektiöse Bronchitis
1_8beh_vor_f Infektiöse Bursitis (Gumboro)
1_8beh_vor_g Infektiöse Laryngotracheitis
1_8beh_vor_h Kokzidiose
1_8beh_vor_i Mareksche Krankheit
1_8beh_vor_j Mykoplasma-Infektion
1_8beh_vor_k Newcastle Disease
Tabelle 2.2.5: Ausschnitt aus dem Fragebogenteil A – Mehrfachauswahl
A-8 Wurden die Hennen in der Aufzuchtphase bzw. vor der Einstallung gegen
folgende Krankheiten geimpft?
Aviäre Enzephalomyelitis (AE)
Egg-Drop-Syndrom (EDS)
Escherichia coli-Infektion
Coryza contagiosa (ansteck. Geflügelschnupfen)
Infektiöse Bronchitis (IB)
Infektiöse Bursitis (Gumboro)
Infektiöse Laryngotracheitis (ILT)
Kokzidiose
Marek’sche Krankheit (IBD)
Mykoplasma-Infektion (MG)
Newcastle Disease (ND)
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
13

Elektronische Datenerfassung
Bei qualitativen Merkmalen wurde jede einzelne Antwortmöglichkeit codiert,
wobei jeweils der Code 99 für „keine Angabe“ steht. Als Beispiel für die weitere
Codierung ordinaler Merkmale seien die Fragen mit den Antwortmöglichkeiten
„ja“ und „nein“ genannt (s. z.B. Tabelle 2.2.5). Hier wurde ein „nein“ mit der
Ziffer 0 und ein „ja“ mit der Ziffer 1 codiert. Für quantitative Merkmale wurde
ein Wertebereich festgelegt, in dem die Antworten liegen können. So ist beim
Einstallalter der Hennen in Wochen nur eine zweistellige Angabe möglich, da
die Tiere in der Praxis unter keinen Umständen vor der zehnten Woche einge-
stallt werden. Der Codierungsplan enthält 62 Variablen, die den Informations-
gehalt des Erhebungsbogens vollständig abdecken. Er ist in der
Dokumentation im Anhang zu finden.
2.2.2 Struktur der Datenbank
Tabellen
Microsoft Access ist ein Instrument zur Entwicklung relationaler Datenbanken.
Grundlage dieser Datenbanken sind Tabellen, die in der Datenbanksprache
synonym als Relationen bezeichnet werden. Die Tabellen beinhalten alle Vari-
ablen der Datenstruktur, was bedeutet, dass Daten nur in diesen Tabellen ge-
speichert werden. Sie können durch eindeutige Zuweisungen miteinander
verknüpft werden. Diese Verknüpfung einzelner Tabellen erfolgt über die Ver-
gabe von Primär- und Fremdschlüsseln. Ein Primärschlüssel (auch Identifikati-
onsschlüssel) ist die eindeutige Identifizierung eines Datensatzes einer
Tabelle. Fremdschlüssel sind Verweise auf Primärschlüssel einer anderen Ta-
belle und verknüpfen somit diese Tabellen (Noack [Hrsg.], 2003, Kapitel 1 u.
2).
Die Fragen der ersten beiden Abschnitte des EpiLeg - Erhebungsbogens las-
sen pro Fragebogen lediglich jeweils eine Angabe zu. Jeder Variablen wird
daher auch nur ein Wert pro Bogen zugewiesen. Die Eingabe eines Fragebo-
gens erzeugt daher nur einen Datensatz. Zur besseren Übersicht wurden die
Variablen allerdings auf vier Tabellen verteilt, obwohl dies nicht zwingend not-
14

Elektronische Datenerfassung
wendig war. Die Variablen des dritten Komplexes, der die Wochendaten bein-
haltet, mussten andererseits auch aus logischen Gründen in einer einzelnen
Tabelle dargestellt werden, da hier für jede einzelne Legewoche jedes Frage-
bogens ein neuer Datensatz erzeugt wird. Eine Übersicht der Datentabellen,
wie sie in Microsoft Access umgesetzt wurden, finden sich in Tabelle 2.2.6.
Tabelle 2.2.6: Tabellen in der Datenbank EpiLeg_DB
Tabellenname Beinhaltete Fragen
Tab_Ident Grundsätzliche Angaben zum Betrieb und
zum Fragebogen
Tab_Durch_Dat_1 A-1 bis A-9
Tab_Durch_Dat_2 A-10 bis A-15, A-19
Tab_Vet_Bericht A-16 bis A-18
Tab_Wochen_Dat B (Wochendaten)
In Abb. 2.2.1 ist das Datenbankschema dargestellt, das die Beziehungen die-
ser Tabellen untereinander verdeutlicht. Hier finden sich auch die drei Prüfta-
bellen Prf_Bundesland, Prf_Haltungsform und Prf_Legelinie. Sie dienen
nur als Grundlage der Auswahllisten im Eingabeformular und werden während
der Datenerfassung nicht mit Daten gefüllt.
Die Beziehungen der Tabellen werden durch Verbindungslinien zwischen Pri-
mär- und Fremdschlüsseln dargestellt. Der Primärschlüssel der Tabelle
Tab_Ident heißt ID und ist als Fremdschlüssel FK_ID in den weiteren Tabel-
len der Datenstruktur zu finden. Jede Tabelle der EpiLeg - Datenbank steht auf
diese Weise mit der Tabelle Tab_Ident in Beziehung. Es handelt sich daher
um eins zu unendlich (1 : ∞) Beziehungen. Das bedeutet, dass ein Datensatz
aus der Tabelle Tab_Ident mit mehr als einem Datensatz in jeder anderen
Tabelle in Beziehung stehen kann. Umgekehrt kann allerdings jeder Datensatz
in den anderen Relationen nur mit einem Datensatz aus der Tabelle
Tab_Ident verbunden sein. Als Beispiel seien hier die Lebenswochen der
Legehennen genannt, deren Daten in der Tabelle Tab_Wochen_Dat gespei-
15

Elektronische Datenerfassung
chert werden. Ein Durchgang (=Fragebogen) beinhaltet mehrere solcher Wo-
chen. Es gehören also Daten aus mehreren Wochen zu einem Durchgang,
wogegen zu einer Lebenswoche allerdings nur jeweils ein Durchgang gehört.
Abb. 2.2.1: Beziehungen in der Datenbank EpiLeg_DB
Die Variablennamen wurden aus dem Codierungsschema in der Entwurfsan-
sicht von Microsoft Access in die einzelnen Tabellen übernommen. Als Bei-
spiel ist in Abb. 2.2.2 die Entwurfsansicht der Tabelle Tab_Wochen_Dat
dargestellt.
16

Abb. 2.2.2: Entwurfsansicht der Tabelle Tab_Wochen_Dat
Elektronische Datenerfassung
An erster Stelle steht die Variable WO_ID, die den Primärschlüssel der Tabelle
darstellt, was durch den abgebildeten Schlüssel links neben dem Feldnamen
verdeutlicht wird. Der Felddatentyp dieser Variablen ist „AutoWert“. Dadurch
wird beim Anlegen eines neuen Datensatzes unmittelbar und automatisch ein
Wert für den Primärschlüssel festgelegt. Der erste Datensatz der Tabelle be-
kommt den Schlüssel „1“, während für die folgenden Datensätze dieser Wert
jeweils um eins erhöht wird. An zweiter Position in der Entwurfsansicht findet
sich die Variable FK_ID, der Fremdschlüssel, der auf einen Datensatz in der
Tabelle Tab_Ident verweist. Die folgenden Variablen dienen dem eigentli-
chen Erfassen von Daten aus den Fragebögen. Jede dieser Variablen ist vom
Typ „Zahl“, wobei die genauen Feldeigenschaften auf den Registerblättern am
unteren Ende der Tabellen-Entwurfsansicht definiert werden. In Abb. 2.2.2
sind die Eigenschaften der Variablen 2_2leist_c (Eigewicht) zu sehen. Die
Feldgröße wurde als „Dezimal“ definiert. Zwei Nachkommastellen (Dezimal-
stellen=2) können für jeden Wert gespeichert werden.
17

Eingabemasken
Elektronische Datenerfassung
Zur vereinfachten Erfassung der Daten wurde in der Anwendung eine Benut-
zeroberfläche in Form eines Eingabeformulars eingerichtet. Sie ist ein Abbild
des Fragebogens und dient dazu, den Eingeber durch die Datenstruktur zu
führen. Die Maske gliedert sich in ein Hauptformular mit vier Unterformularen.
Diese Unterformulare liegen auf Registerkarten auf dem Hauptformular und
können durch Aktivierung dieser Registerkarten einzeln angesprochen wer-
den. Der obere Bereich des Hauptformulars (oberhalb der gestrichelten Linie
in Abb. 2.2.3) dient der Eingabe der Daten in die Tabelle Tab_Ident, während
die vier Unterformulare, die im unteren Bereich zu finden sind (unterhalb der
gestrichelten Linie in Abb. 2.2.3), die weiteren vier Tabellen der Datenstruktur
als Grundlage haben.
Abb. 2.2.3: Ausschnitt aus dem Hauptformular der Datenbank EpiLeg_DB
Für jede Variable der Datenstruktur ist ein Eingabefeld auf den Formularen zu
finden. Diese Eingabefelder werden entweder durch die Auswahl einer Ant-
18

Elektronische Datenerfassung
wortmöglichkeit aus einer Auswahlliste gefüllt oder durch die direkte Eingabe
eines Codes, beziehungsweise eines numerischen oder alphanumerischen
Wertes. So wird zum Beispiel für die Variable 0_3bdld (Bundesland des Be-
triebes) ein Eintrag aus einer Liste von Bundesländern, die die Prüftabelle
Prf_Bundesland als Grundlage hat, ausgewählt. In der Variablen selbst wird
nur der entsprechende Code des Bundeslandes gespeichert. Als Beispiel für
die direkte Eingabe eines Codes sei die Variable f1_8beh_vor_a (Impfung
gegen Aviäre Enzephalomyelitis in der Aufzuchtphase) genannt. Hier trägt der
Eingeber entweder die Angabe „1“ für „ja“, „0 „für „nein“ oder „99“ für „keine
Angabe“ direkt in das Eingabefeld ein.
Die Benutzerführung gewährleistet, dass die Fragen in der Reihenfolge des
Fragebogens nacheinander abgearbeitet werden. Nach dem Ausfüllen einer
Variablen wird automatisch zur nächsten gesprungen. Auch der Identifikati-
onsschlüssel für jeden Fragebogen wird in der Tabelle Tab_Ident automa-
tisch gesetzt und bei Eingaben in Unterformulare ebenso automatisch in diese
als Fremdschlüssel übernommen.
Gültigkeitsprüfungen während der Dateneingabe
In der Datenbank-Applikation wurden die einzelnen Variablenfelder der Formu-
lare mit Gültigkeitsregeln hinterlegt, die dem im Codierungsplan entsprechen.
Umfangreichere Plausibilitätskontrollen wurden später im SAS-System reali-
siert. Darüber hinaus gibt es Gültigkeitsregeln bei den Variablen 1_1dat_ein
(Einstalldatum) und 1_12dat_aus (Ausstalldatum), die nur die Eingabe eines
Datums ermöglichen, das nicht in der Zukunft liegt. Außerdem muss das ein-
gegebene Ausstalldatum zeitlich nach dem Einstalldatum liegen und die Werte
der Variablen 1_13anz_aus (Anzahl ausgestallter Hennen) und 2_1verlust
(Anzahl der im Bestand verendeten Tiere) können nicht größer sein als der
Wert der Variablen 1_6anz_ein (Anzahl eingestallter Hennen). Wird eine
Gültigkeitsregel verletzt, erscheint eine Fehlermeldung, die das Problem be-
schreibt. Das Speichern solcher ungültigen Werte wird generell durch das Ac-
cess-Datenbanksystem verhindert.
19

Elektronische Datenerfassung
2.2.3 Dateneingabe und nachträgliche Variablendefinition
Die Erfassung der Fragebögen in der Datenbank wurde von verschiedenen
Personen teilweise zeitgleich an unterschiedlichen Arbeitsplätzen erledigt. Da
aber ein Mehrbenutzerbetrieb unter MS Access schwer zu realisieren ist, war
es notwendig, das fertige Eingabeinstrument an mehreren Arbeitsplätzen zu
installieren.
Während der Dateneingabe wurde es erforderlich, weitere Variablen zu defi-
nieren. Dies geschah aus unterschiedlichen Gründen, die hier im Einzelnen
beschrieben werden sollen.
Zusatz zur Bogennummer
Ein Teil der teilnehmenden Betriebe vervielfältigte Fragebögen durch Kopieren
selbst. Da diese Bögen alle dieselbe laufende Nummer aufwiesen, wurden sie
mit einer weiteren laufenden Nummer als Zusatz versehen (z. B. 735-1, 735-
2), um sie trotzdem unterscheidbar zu machen. Die numerische Variable
0_2lfdnr_Zusatz wurde aufgenommen, um diesen Zusatz zur Bogen-
nummer erfassen zu können. Sie befindet sich in der Tabelle Tab_Ident und
somit auf dem Hauptformular.
Eingebender
Die Text-Variable eingebender in der Tabelle Tab_Ident und auf dem
Hauptformular wurde eingeführt, da kontrolliert werden sollte, welche Person
welche Fragebögen eingegeben hat.
Entnommene Tiere
Weiterhin enthielten einige Bögen Informationen über entnommene Tiere, ob-
wohl diese Information nicht explizit im Fragebogen abgefragt wurde und da-
her zunächst auch in der Datenbank unberücksichtigt blieb. Diese, für die
korrekte Berechnung der Mortalität wichtige Information, wurde in den Variab-
len entnommen und entnommen_ges gespeichert. In der erstgenannten Vari-
ablen können entnommene Tiere wochenweise erfasst werden. Bei einigen
Bögen gab es neben einer Gesamtzahl verkaufter Tiere allerdings keine An-
20

Elektronische Datenerfassung
gaben zum Zeitpunkt des Verkaufs. Diese Gesamtzahl wurde in der letztge-
nannten Variablen erfasst. Beide Variablen sind numerischen Typs. Die Vari-
able entnommen findet sich in der Tabelle Tab_Wochen_Dat und auf dem
dazugehörigen Unterformular, während entnommen_ges in die Tabelle
Tab_Durch_Dat_2 und das entsprechende Unterformular aufgenommen
wurde.
Tages-, Monats- und Vierwochendaten
In einigen Fällen wurden im B-Teil des Fragebogens keine Angaben für ein-
zelne Wochen gemacht, wie es die Fragebogenstruktur eigentlich vorgibt,
sondern für jeden Tag des Legedurchgangs, für jeweils einen vollen Monat
oder für eine Vier-Wochen-Periode. Monats- und Vierwochendaten wurden
zunächst zu Tagesdaten transformiert. Jeweils sieben Tage wurden dann zu-
sammengefasst, um sie den anderen Daten anzupassen, also um Wochenda-
ten zu erhalten. Bei Tagesdaten wurden jeweils sieben aufeinanderfolgende
Tage zusammengefasst. In der nachträglich erzeugten Variablen
teilB_MTDat wird gekennzeichnet, ob es sich bei den Daten eines Bogens
um solche berechneten Wochendaten handelt. „NULL“ codiert Bögen ohne
berechnete Wochendaten, eine „1“ Bögen mit Tagesdaten, eine „2“ Fragebö-
gen mit Monatsdaten und eine „3“ Fragebögen mit Daten auf Basis von vier-
wöchigen Perioden.
2.2.4 Probleme bei der Dateneingabe
Bei der Eingabe der Daten in die Eingabemaske kam es zu verschiedenen
Problemen, die sich aus unklaren und unvorhergesehenen Angaben im Fra-
gebogen ergaben. Für jede dieser Angaben wurde eine generelle Lösungs-
möglichkeit für alle betreffenden Fragebögen entwickelt und angewendet. In
den betreffenden Fragebögen wurde jeweils vermerkt, wie die unklare Angabe
in die Datenbasis übernommen wurde.
21

Fragen A-1 und A-12: Daten der Ein- und Ausstallung
Elektronische Datenerfassung
Sowohl bei der Angabe des Einstalldatums, als auch bei der Angabe des Aus-
stalldatums wurden in einem kleinen Teil der Fragebögen Zeitfenster von drei
bis vier Tagen genannt, in denen die Ein- bzw. Ausstallung erfolgte. Da aber in
der Untersuchung nach einem konkreten Datum gefragt wurde, erfasste man
in der Datenbank nur den jeweils letzten Tag des angegebenen Zeitintervalls.
Lautete der Eintrag zum Beispiel 12.03.2001 bis 15.03.2001, so wurde der
15.03.2001 in die Datenbank übernommen und dies im Fragebogen vermerkt.
Frage A-3: Eingestallte Legelinie
Die Datenbank-Applikation sieht für die Eingabe der Legelinie nur jeweils ei-
nen Eintrag pro Fragebogen vor. In ca. 10% der erhobenen Durchgänge wur-
de allerdings mehr als eine Linie eingestallt. Um diesem Problem zu
begegnen, wurde die bestehende Prüftabelle, die alle erlaubten Ausprägungen
der Variablen Legelinie enthält, um Einträge für die berichteten Legelinien -
Kombinationen erweitert. In einem Fall wurde eine zusätzliche braune Legeli-
nie in die Liste aufgenommen, die im Fragebogen nicht zur Auswahl stand,
aber in einem Durchgang eingestallt worden war.
Frage A-8 und A-9: Impfungen und Behandlungen vor der Einstallung
Bei den Impfungen und Behandlungen vor der Einstallung kam es in einem
Teil der Fragebögen vor, dass bei einigen Impfungen bzw. Behandlungen bei-
de möglichen Antworten angekreuzt wurden, also „ja“ und „nein“. Hier wurde
der Eintrag „keine Angabe“ in die Datenbank übernommen, da nicht gesagt
werden konnte, welche der beiden Möglichkeiten tatsächlich zutraf. Eine Aus-
nahme bildeten allerdings die Fälle, in denen von Seiten des Betriebes ange-
geben wurde, dass beide Möglichkeiten angekreuzt wurden, da nur ein Teil
der Tiere behandelt, bzw. geimpft worden war. Das Merkmal wurde dann in
der Datenbank als „ja“ vermerkt.
22

Elektronische Datenerfassung
Frage A-17 und A-18: Befiederungszustand und Tierkörperqualität der
Hennen laut veterinärmedizinischem Untersuchungsbericht
Für den Befiederungszustand und die Tierkörperqualität der Hennen laut vete-
rinärmedizinischem Untersuchungsbericht wurden zum Teil zwei der mögli-
chen vier Kategorien durch den Betrieb ausgewählt. In diesen Fällen wurde die
jeweils geringere Kategorie in die Datenbank übernommen. Wurde z.B. die
Frage nach dem Befiederungszustand der Hennen mit den Antworten „gut“
und „mäßig“ beantwortet, so wurde vom Eingebenden der Eintrag „mäßig“ in
die Datenbank übernommen.
Teil B: Anzahl der im Bestand verendeten Tiere
Neben der Angabe der im Bestand verendeten Tiere wurden in einigen Frage-
bögen auch Angaben über die vom Betrieb entnommenen Legehennen ge-
macht. Diese Information wurde in einer neuen Variablen in der Datenbank
erfasst (siehe auch Kapitel 2.2.3).
In wenigen Fällen wurden statt der Verluste in der betreffenden Legewoche die
kumulierten Verluste in die Bögen eingetragen, also jeweils die Verluste, die
bis zur betreffenden Woche im Legedurchgang auftraten. Hier mussten die
Daten entsprechend umformatiert werden.
2.2.5 Definition der Stallinformationen
In der Treuhandstelle wurden lediglich der Produzent und der betreffende Be-
trieb erfasst, jedoch keine Information dazu, für welchem Stall eines Betriebes
die Daten erhoben wurden. Da diese Stallinformation aber ein wichtiges
Merkmal darstellt, wurde sie am IBEI mit Hilfe der vorhandenen Daten nach-
träglich ermittelt. Hierzu wurde nach Abschluss der Dateneingabe und Prüfung
der Daten auf Plausibilität (siehe Kapitel 2.2.4 bis 2.3.4) aus dem SAS-
Datensatz eine Liste aller erfassten Durchgänge erstellt. Diese wurde zu-
nächst nach der Betriebsnummer und innerhalb der Betriebsnummer nach
dem Einstalldatum sortiert. In der Liste waren die Variablen Bogennummer,
Betriebsnummer, Einstalldatum, Ausstalldatum, Anfangshennen, Bundesland,
Haltungsform und Belegart für jeden Durchgang zu finden. Anhand des Ein-
23

Elektronische Datenerfassung
stall- und Ausstalldatums wurde dann überprüft, welche Durchgänge im selben
Stall durchgeführt wurden. Dies soll anhand der Tabelle 2.2.7 verdeutlicht
werden, die einen fiktiven Ausschnitt dieser Liste zeigt.
Tabelle 2.2.7: SAS-Output zur Bestimmung der Stallinformationen (fiktive Daten)
Bogen Betrieb Einstallung Ausstallung AH Haltung Belegart Stall
14 8004.02 16DEC1999 26JAN2001 110700 5 2 1
17 8004.02 05MAY2000 04JUN2001 180400 5 2 2
15 8004.02 16JUN2000 27JUL2001 98170 5 1 3
16 8004.02 16JUN2000 21JUL2001 92014 5 2 4
13 8004.02 30SEP2000 04NOV2001 170175 5 2 5
18 8004.02 17FEB2001 23MAR2002 110800 5 2 1
11 8004.02 16JUN2001 08AUG2002 179800 5 2 2
20 8004.02 30JUL2001 17AUG2002 100000 5 2 3
Der Durchgang aus Bogennummer 14 begann am 16. Dezember 1999 und
endete am 26. Januar 2001. Er ist der erste dokumentierte Durchgang für die-
sen Betrieb und wird dem Stall 1 zugeordnet. Der nächste Durchgang dieses
Betriebes begann am 05. Mai 2000. Er kann also nicht im selben Stall durch-
geführt worden sein. Außerdem wurde mit diesem Durchgang der Stall das
erste Mal belegt (Belegart=1) und kann auch daher nicht zum selben Stall ge-
hören wie Bogennummer 14. Er wird in Stall 2 eingeordnet. Für Bogennummer
18 wird als Einstalldatum der 17. Februar 2001 genannt. Dies sollte der
Durchgang sein, der dem in Bogen 14 dokumentierten Durchgang folgt. Es
liegen ca. drei Wochen zwischen Ausstallung des einen und Einstallung des
nächsten Durchgangs, was einer plausiblen Pause entspricht. Auch die Zahlen
der Anfangshennen stimmen in etwa überein (110700 und 110800 Tiere).
Auf diese Weise wurden alle erfassten Durchgänge einem Stall zugeordnet.
Für einen Teil der Betriebe war es jedoch schwer die Stallinformation auf die
beschriebene Art zu erzeugen, da die Legedurchgänge dieser Betriebe nicht
dem in Tabelle 2.2.7 dargestellten Muster entsprachen. Hier stellte die Treu-
24

Elektronische Datenerfassung
handstelle den Kontakt zu den Betriebsleitern her, die die nötige Stallinforma-
tion in allen Problemfällen nachträglich liefern konnten.
In der Tabelle Tab_Betriebsnr der Datenbank EpiLeg_DB wurde die Stallin-
formation zusammen mit den Informationen zu Produzenten und Betrieben
gespeichert (siehe das folgende Kapitel).
2.2.6 Strukturinformationen
In der Datenbank EpiLeg_DB findet sich die Tabelle Tab_Betriebsnr, die die
anonymisierten Informationen zu den Produzenten, Betrieben und Ställen ent-
hält. Diese ist mit keiner der anderen Tabellen der Applikation verknüpft. Sie
beinhaltet vier Variablen. In der Variablen f0_2lfdnr2 findet sich die zu-
sammengesetzte Fragebogennummer, deren Erstellung in Kapitel 2.3.2 be-
schrieben wird. Sie ist numerischen Typs. Betriebs_Nr_1 ist der Code für
den Produzenten, der höchstens fünf Zeichen lang und, wie die im Folgenden
beschriebenen Variablen auch, als Text realisiert ist. Das erste Zeichen (bei
vierstelliger Nummer) bzw. die ersten zwei Zeichen (bei fünfstelliger Nummer)
repräsentieren das Bundesland, in dem der Produzent ansässig ist. So kommt
ein Produzent mit einer vierstelligen Nummer und der Anfangsziffer „8“ aus
Niedersachsen. Ein Produzent mit einem fünfstelligen Schlüssel, der mit „14“
beginnt, hat seinen Hauptsitz in Sachsen-Anhalt.
In Betriebs_Nr_2 ist der Betrieb dokumentiert. Der Code beginnt mit der
vier- oder fünfstelligen Produzentennummer. Darauf folgt ein Punkt als Trenn-
zeichen und der zweistellige Code für den Betrieb des Produzenten. Da bei
Produzenten außerhalb Niedersachsens keine Betriebsinformationen vorlie-
gen, ist der Betrieb bei diesen jeweils mit „00“ codiert. Die Stallinformation,
deren Definition im vorangegangenen Kapitel beschrieben wurde, ist in der
Variablen Betriebs_Nr_3 erfasst. Sie beginnt mit dem Betriebscode, auf
dem ein Punkt folgt, und endet mit einer zweistelligen Stallnummer.
25

Tabelle 2.2.8: Fiktive Beispiele der Strukturinformation
f0_2lfdnr2
(Bogennummer)
Betriebs_Nr_1
(Produzentencode)
Betriebs_Nr_2
(Betriebscode)
Datenaufbereitung
Betriebs_Nr_3
(Stallcode)
551 14012 14012.00 14012.00.01
552 14012 14012.00 14012.00.02
553 14112 14112.00 14112.00.03
854 8110 8110.01 8110.01.01
855 8110 8110.01 8110.01.01
856 8110 8110.02 8110.02.01
857 8110 8110.02 8110.02.02
In Tabelle 2.2.8 finden sich fiktive Beispieldaten zu diesem Themenkreis. Die
Bogennummern 551 bis 553 gehören zu einem Produzenten aus Sachsen-
Anhalt mit der Nummer 14012. Da hier keine Betriebsinformation vorliegt, ist
der Betrieb mit „00“ codiert. Die Fragebögen beziehen sich auf drei unter-
schiedliche Ställe des Produzenten, nämlich auf die Ställe 01 bis 03.
Der Produzent 8110 aus Sachsen-Anhalt ist hier mit zwei Betrieben aufgeführt
(01 und 02). Aus dem Betrieb 01 kommen zwei Durchgänge, die zeitversetzt
im selben Stall (01) durchgeführt wurden. Für Betrieb 02 werden zwei Durch-
gänge aus zwei unterschiedlichen Ställen dokumentiert (01 und 02).
2.3 Datenaufbereitung
2.3.1 Datenimport in SAS aus MS- Access
Für den standardisierten Import der Daten in das SAS-System wurden zu-
nächst in der Access-Datenbank zwei Abfragen erstellt, die Daten aus den
verschiedenen Tabellen zusammenfassten. In der Abfrage Q_Export_A be-
finden sich alle Durchgangs- und Fragebogencharakteristika sowie die Variab-
le LWo, die als maximaler Wert der Variablen f2_0lw aus den
26

Datenaufbereitung
wochenbezogenen Daten definiert ist und direkt in der Abfrage mit einem
SQL - Statement berechnet wird. Die Abfrage Q_Export_B beinhaltet die
Fragebogencharakteristika, ausgewählte Durchgangscharakteristika und die
wochenbezogenen Daten. Da das SAS - System keine Variablennamen unter-
stützt, die mit einer Ziffer beginnen, wurde jedem Variablennamen mit einer
Ziffer an erster Stelle in beiden Abfragen ein „f“ als Kürzel für „Frage“ vorange-
stellt.
Anschließend wurden diese Abfragen mit Hilfe einer durch den SAS Import -
Wizard erstellten Import – Prozedur, in SAS importiert. Diese SAS – Datensät-
ze heißen EPILEG_A und EPILEG _B. Exemplarisch lautet die Import-Syntax
der Abfrage Q_Export_A:
PROC IMPORT OUT= EPILEG_A
DATATABLE= "Q_Export_A"
DBMS=ACCESS2000 REPLACE;
DATABASE="Q:\bioepi\Projekte_Forschung\Legehennenhaltung\
Datenbank\aktueller Datenstand\EPILEG_DB.mdb";
RUN;
SAS-Programm 2.3.1: Syntax von PROC IMPORT für Access 2000-Abfrage Q_Export_A
Auf gleiche Weise wurde auch die Tabelle Tab_Betriebsnr in das SAS-
System importiert und in einem DATA - Step durch das MERGE – Statement
anhand der Fragebogennummer mit den Datensätze EPILEG_A und EPI-
LEG_B verbunden.
2.3.2 Definition neuer Variablen
Um den Informationsgehalt des Datenbestandes voll auszuschöpfen, wurden
im SAS DATA - Step durch Verknüpfung bestehender Variablen neue Para-
meter definiert. Zur Variablendefinition wurde zum Teil auch die MEANS - Pro-
zedur angewandt.
27

Datenaufbereitung
Eine besondere Ausnahmestellung haben die Stall- und Betriebsinformatio-
nen. Ihre Definitionen sind in Kapitel 2.2.5 und Kapitel 2.2.6 zu finden.
Fragebogennummer
Da die zwei Teile der Fragebogennummer in der Access-Datenstruktur in zwei
unterschiedlichen Variablen realisiert sind, wurden sie zur eindeutigen Identifi-
zierung jedes Bogens in der Variablen f0_2lfdnr2 zusammengefasst. Der
erste Teil (f0_2lfdnr) repräsentiert die eigentliche vorgedruckte Fragebo-
gennummer. Der zweite Teil (f0_2lfdnr_Zusatz) ist der Zusatz zur Bogen-
nummer, der nur bei den von den Betrieben vervielfältigten Bögen auftritt. Er
wurde durch 100 dividiert und zur Bogennummer addiert.
Alter der Tiere
if f0_2lfdnr_Zusatz ne . then
f0_2lfdnr2 = f0_2lfdnr+(f0_2lfdnr_Zusatz/100);
else f0_2lfdnr2=f0_2lfdnr;
Auf Basis der zwei Teile der Frage A-7 wurde das Alter der Tiere bei der Ein-
stallung in Tagen berechnet (AlterTage). Der erste Teil, das Einstallalter in
Wochen (f1_7alter_ein_w), wurde mit sieben multipliziert und zu den dar-
über hinaus gehenden Tagen, dem zweiten Teil der Frage,
(f1_7alter_ein_t) addiert. Die dazugehörige SAS-Syntax stellt sich fol-
gendermaßen dar:
AlterTage = f1_7alter_ein_w*7+f1_7alter_ein_t;
Dauer der Legeperiode
Einen wichtigen Grundparameter stellt die Dauer der Legeperiode in Wochen
(dauer) dar. Sie wurde auf zwei verschiedene Arten berechnet. Bei Fragebö-
gen, in denen Teil B nicht ausgefüllt worden ist, wurde sie als der Zeitraum
zwischen Ein- und Ausstalldatum (f1_1dat_ein und f1_12dat_aus) defi-
niert. Da die Einzelangaben in Teil B aber als valider gelten dürften, wurde für
Bögen, in denen Daten für diesen Teil vorhanden sind, die Differenz zwischen
dem Alter der Hennen am Einstalltag in Wochen (AlterTage / 7) und dem
28

Datenaufbereitung
Alter der Hennen in der letzten Legewoche (LWo) als Dauer der Legeperiode
definiert.
if LWo ne . then dauer=LWo-(AlterTage/7);
else dauer = floor( (f1_12dat_aus - f1_1dat_ein)
/ (60*60*24*7) );
Das Ergebnis aus der Subtraktion zweier Daten ist im SAS – System eine An-
gabe in Sekunden. Wird diese nun durch 60 Sekunden, 60 Minuten, 24 Stun-
den und sieben Tagen dividiert, erhält man eine Zeitangabe in Wochen. Die
Funktion floor liefert durch Abrunden des Ergebnisses einen Integer – Wert
(eine Ganzzahl).
Mortalität
Einer der wichtigsten Parameter des Projektes ist die Mortalität. Um diese zu
bestimmen, wurden zunächst die Gesamtverluste während der Legeperiode
berechnet. Diese ergeben sich auf zwei verschiedene Arten. Zum Ersten sind
sie als Differenz zwischen eingestallten (f1_6anz_ein) und ausgestallten
(f1_13anz_aus) Hennen zu sehen, wobei in der Legeperiode entnommene
Tiere (entnommen_ges) nicht zu den Verlusten zählen und von der Differenz
subtrahiert wurden.
verluste = f1_6anz_ein - f1_13anz_aus –
entnommen_ges;
Zum Zweiten können die Gesamtverluste während der Legeperiode auch als
Summe der wöchentlichen Verluste aus den Wochendaten berechnet werden.
Dies geschah in einer MEANS Prozedur, deren Output-Datensatz mit dem Da-
tensatz der Durchgangsdaten mit Hilfe eines MERGE – Statements in einem
DATA - Step verbunden wurde.
PROC MEANS DATA=ADS_B SUM NOPRINT;
WHERE f2_1verlust ne .;
VAR f2_1verlust;
BY f0_2lfdnr2;
29

OUTPUT OUT=VerlB SUM=verluste_B;
RUN;
Datenaufbereitung
Zunächst wurde ausschließlich die erstgenannte Version zur Definition der
Verluste verwendet. Sie ist am einfachsten zu realisieren. Da sich jedoch bei
der genaueren Prüfung der Daten (s. Kapitel 2.3.3 und 2.3.4) ergab, dass die
Verluste aus Teil B die genauere Grundlage darstellen, wurden diese zur Defi-
nition der Gesamtverluste verwendet und die Verluste aus Teil A nur dann,
wenn Wochendaten nicht vorlagen.
IF verluste_B ne . THEN verluste = verluste_B;
IF verluste_B = . THEN verluste = f1_6anz_ein –
(f1_13anz_aus + entnommen_ges);
Der Parameter verluste wurde durch die Anfangshennen (f1_6anz_ein)
dividiert und mit 1 000 multipliziert, um eine relative Mortalität pro 1 000 An-
fangshennen zu erhalten (verluste1000).
verluste1000 = (verluste/f1_6anz_ein) * 1000;
Da die Dauer der Legeperiode (dauer) zwischen den verschiedenen Durch-
gängen variiert, war es zweckmäßig eine durchschnittliche Mortalität je Tau-
send Tiere und Woche zu berechnen, um die Mortalität vergleichbarer zu
gestalten. Für diesen neu definierten Parameter verluste1000wo (Verluste
pro 1 000 Anfangshennen und Woche) lautet die SAS-Syntax:
verluste1000Wo = verluste1000/dauer;
Durchschnittshennen
Die sogenannten Durchschnittshennen sind als Anzahl der sich durchschnitt-
lich im Durchgang befindenden Tiere definiert. Sie können als der Mittelwert
aus eingestallten (f1_6anz_ein) und ausgestallten (f1_13anz_aus) Hen-
nen interpretiert werden. Die Variable durchHenne wurde wie folgt erzeugt:
durchHenne = (f1_6anz_ein+f1_13anz_aus)/2;
30

Bestandshennen
Datenaufbereitung
Mit Hilfe von Teil B des Fragebogens lässt sich bestimmen, wie viele Tiere in
jeder einzelnen Legewoche im Durchgang verblieben waren. Für jeden Bogen,
identifiziert durch die Variable f0_2lfdnr2, wurden die Verluste
(f2_1verlust) inklusive der entnommenen Tiere (entnommen) von Daten-
satz zu Datensatz in der Variablen vsum aufsummiert. Dafür musste die Datei
vorher nach der Bogennummer und innerhalb der Bogennummer nach der Le-
benswoche sortiert werden. Außerdem beginnt bei jedem ersten Datensatz
eines Fragebogens (first.f0_2lfdnr2) die Variable vsum erneut bei null.
Die sogenannten Bestandshennen (behe) ergaben sich dann aus der Diffe-
renz aus Anfangshennen (f1_6anz_ein) und aufsummierten Verlusten sowie
Abgängen je Woche. Diese Definition wurde folgendermaßen realisiert:
Futterverbrauch
by f0_2lfdnr2;
vsum+(f2_1verlust+entnommen);
if first.f0_2lfdnr2 then
vsum=f2_1verlust+entnommen;
behe= f1_6anz_ein-vsum;
Um den Futterverbrauch (f1_15futter) zwischen den Durchgängen ver-
gleichbarer zu machen, wurde dieser auf die Anzahl der Durchschnittshennen
(durchHenne) und die Dauer der Legeperiode (dauer) bezogen. So ergab
sich ein durchschnittlicher Futterverbrauch je 1000 Durchschnittshennen und
Legewoche. Die Syntax zur Erzeugung des Merkmals futter1000wo lautet:
Legeleistung
futter1000wo =
((f1_15futter/durchHenne)/dauer)*1000;
Aus der Anzahl der gelegten Eier je Woche (f2_2leist_a) und der Anzahl
der Bestandshennen (behe) wurde der Parameter Legeleistung je Tag und
Henne (LLTH) definiert, der die Produktivität des Hennenbestandes repräsen-
tiert.
31

Betriebsgröße
LLTH=f2_2leist_a/behe/7;
Datenaufbereitung
Da Angaben zur Größe der einzelnen teilnehmenden Betriebe, die als die Zahl
der vorhandenen Legehennenplätze definiert ist, zum größten Teil nicht vorla-
gen, musste dieses Merkmal aus den verfügbaren Daten generiert werden.
Dafür wurde zunächst für jeden Stall in einer MEANS - Prozedur die maximale
Anzahl von Anfangshennen (Anfangshennen = f1_6anz_ein, Maximum der
Anfangshennen pro Stall = MaxAH) aller darin dokumentierten Durchgänge
berechnet. Die maximale Anzahl von Anfangshennen aller Durchgänge sollte
der Zahl der tatsächlich vorhandenen Legehennenplätze in einem Stall am
Nächsten kommen.
PROC MEANS DATA=tmp2 MAX NOPRINT;
BY Betriebs_Nr_2 Betriebs_Nr_3;
VAR f1_6anz_ein;
OUTPUT OUT=MaxAH MAX=MaxAH;
RUN;
Anschließend wurde ebenfalls in einer MEANS - Prozedur die Zahl der maxi-
malen Anfangshennen pro Stall über alle Ställe eines Betriebs in der Variablen
BetrGr aufsummiert und mit den Durchgangsdaten in einem DATA - Step
zusammengefügt.
PROC MEANS DATA=MaxAH SUM NOPRINT;
BY Betriebs_Nr_2;
VAR MaxAH;
OUTPUT OUT=BetrGr SUM=Betr_Gr;
RUN;
DATA tmp3;
MERGE tmp2 BetrGr;
BY Betriebs_Nr_2;
32

RUN;
Betriebsgrößenklasse
Datenaufbereitung
Auf Basis der Variablen Betriebsgröße (BetrGr) wurden die Betriebe in zwei
Kollektive eingeteilt. Ein Kollektiv besteht aus Betrieben mit weniger als 50 000
Legehennenplätzen (Groesse = 0), ein zweites aus Betrieben mit mehr als
50 000 Legehennenplätzen (Groesse = 1). Die Definition der Variablen Gro-
esse lautet wie folgt:
IF (Betr_Gr =50000) THEN Groesse = 1;
2.3.3 Plausibilitätskontrollen in SAS
Die Prüfung der Daten auf Plausibilität wurde ebenfalls im SAS-System reali-
siert. Alle Prozeduraufrufe für diesen Zweck sind im Programm EPI-
LEG_Plausis.sas zusammengefasst. Jeder Datensatz wurde für die jeweils
betreffende Variable auf Plausibilität geprüft. Datensätze, die man zunächst
als inplausibel bewertete, wurden mit Hilfe eines WHERE - Statements mit der
PRINT - Prozedur aus den SAS-Datentabellen herausgefiltert und unter Ver-
wendung des Output-Delivery-Systems (ODS) in einer RTF-Datei ausgege-
ben. Die generelle Syntax dieser PRINT- Prozedur ist im SAS-Programm
2.3.2 zu finden.
PROC PRINT DATA=[Datensatzname];
WHERE [Bedingung, bei der ein Datensatz zunächst als
inplausibel gilt];
VAR [Fragebogennummer; Name der zu prüfenden Variablen;
bei Variablen, die aus anderen berechnet wurden, Namen
der zugrunde liegenden Variablen];
RUN;
SAS-Programm 2.3.2: Generelle Syntax von PROC PRINT für Plausibilitätsprüfungen
33

Datenaufbereitung
Im Folgenden werden die einzelnen WHERE- Statements genauer beschrie-
ben. Alle Datensätze wurden nur dann geprüft, wenn der Wert für die zu prü-
fende Variable nicht fehlt, also in der entsprechenden Tabellenzelle kein Punkt
steht.
Gesamtmortalität
Bei den Verlusten je 1000 Anfangshennen (verluste1000) wurde überprüft,
ob sie größer gleich 350 oder kleiner gleich 20 Tiere sind.
Futterverbrauch
where(verluste1000 =>350 or verluste1000=1 or Futter1000wo

Einstalldatum
Datenaufbereitung
Da bei einem Einstalldatum (f1_1dat_ein), das nach dem 30. April 2002
liegt, die Möglichkeit besteht, dass der Durchgang bis zum Ausfüllen des Fra-
gebogens nicht beendet war, wurden alle Daten, die nach diesem Datum lie-
gen, als zunächst inplausibel eingestuft. Auch ein fehlendes Einstalldatum galt
als zu prüfend.
Ausstalldatum
where f1_1dat_ein>='01MAY2002:00:00:00'dt or
f1_1dat_ein=.;
Das Ausstalldatum (f1_12dat_aus) wurde zunächst als inplausibel angese-
hen, wenn es nach dem 31. Mai 2003 liegt, da nach diesem Datum die Befra-
gung abgeschlossen war. Ein fehlendes Ausstalldatum deutet auf eine nicht
beendete Legeperiode hin und wurde daher auch durch die folgende Abfrage
überprüft.
where f1_12dat_aus>='01JUN2003:00:00:00'dt or
f1_12dat_aus=.;
Gewicht der Tiere bei der Ausstallung
Für das durchschnittliche Gewicht der Tiere am Ausstalltag in Gramm
(f1_14gewicht) wurde der Bereich von 1 500 g und weniger sowie der Be-
reich von 2 300 g und mehr als zunächst inplausibel bewertet.
where (f1_14gewicht=2300)
and f1_14gewicht ne .;
Alter der Hennen bei der Einstallung in Tagen
Wenn bei einem Durchgang das Alter der Hennen am Einstalltag weniger als
90 oder mehr als 155 Tagen betrug, so wurde dies als zu prüfend bewertet.
35

Wochenangabe
Datenaufbereitung
where (AlterTage =155) and Al-
terTage ne .;
Die Angabe der Lebenswoche in Teil B des Fragebogens wurde vorerst als
inplausibel bewertet, wenn diese nicht in einem Rahmen von 12 bis 119 Wo-
chen lag.
where f2_0lw ne . and (f2_0lw>=120 or f2_0lw20;
36

Legeleistung je Tag und Bestandshenne
Datenaufbereitung
Die Legeleistung je Tag und Bestandshenne (LLTH) wurde zunächst als
inplausibel bewertet, wenn ihr Wert größer gleich 1,01 oder kleiner gleich 0,6
betrug. Die ersten und letzten Wochen der Legeperiode wurden hier nicht ge-
prüft, da die Legeleistung in dieser Zeit eher gering ist. Gleiches gilt für Mau-
serwochen.
Eigewicht
where (LLTH>=1.01 or LLTH=75 or f2_2leist_c=24 and f2_2leist_c ne . and f2_3maus=0;
Verluste aus Teil A gegen Verluste aus Teil B
Vergleicht man die aus den Durchgangsdaten berechneten Verluste mit denen
aus den Wochenangaben, so sollten sich keine gravierenden Unterschiede
ergeben. Um dies zu überprüfen, wurden zunächst die Verluste aus den ein-
zelnen Legewochen in der Variablen sum_verl aufsummiert und von den
Verlusten aus Teil A des Fragebogens (verluste) subtrahiert. Da diese Prü-
fung in einer früheren Phase der Studie erfolgte, basierte die Variable ver-
luste hier noch ausschließlich auf den Daten des Fragebogenteils A (vergl.
Kapitel 2.3.2 – Mortalität). Diese Differenz wurde durch die Zahl der Anfangs-
hennen (f1_6anz_ein) dividiert und mit 100 multipliziert, um eine Aussage
darüber zu erhalten, welchen Prozentsatz an den Anfangshennen die Diffe-
renzen zwischen den Verlusten ausmachen.
37

proz_DiffVerlAH = (verluste - sum_verl) /
f1_6anz_ein * 100;
Datenaufbereitung
Beträgt dieser Anteil 5% der Anfangshennen und mehr, so wurden diese Diffe-
renzen als zu prüfend betrachtet.
WHERE verluste ne . and sum_verl ne . and
(proz_DiffVerlAH>=5 or proz_DiffVerlAH3 or AHAT-LWO

Datenaufbereitung
2.3.4 Überprüfung inplausibler Daten anhand der Fragebögen
Die RTF-Dokumente, die wie im Kapitel 2.3.3 beschrieben erstellt wurden,
wurden ausgedruckt und die Daten in diesen gedruckten Listen anschließend
mit den Angaben im Original-Fragebogen verglichen. Inplausibilitäten, die sich
durch Eingabefehler ergaben, wurden sofort in der Datenbank korrigiert. Dabei
wurde durch die Korrektur einer Angabe oft auch eine Erklärung für die Inplau-
sibilität anderer Daten geliefert. Eine Ursache für einen unglaubwürdigen Wert
der Verluste pro 1000 Anfangshennen und Woche konnte etwa in einer fal-
schen Dauer der Legeperiode liegen. Wurde solch eine fehlerhafte Dauer der
Legeperiode korrigiert, so führte das unter Umständen auch zu einer Berichti-
gung des Futterverbrauchs pro 1000 Durchschnittshennen und Woche.
Inplausible Daten, die nicht durch Eingabefehler entstanden waren, konnten
zum Teil auch durch weitere Angaben im Fragebogen erklärt werden. In Frage
A-19 konnten die Betriebe in Freitextform ungewöhnliche Ereignisse beschrei-
ben. So kam es beispielsweise durch fehlerhafte Futtermittellieferungen zu
Einbrüchen bei der Legeleistung oder durch Hitzetote zu außergewöhnlichen
Verlusten. Konnten Daten auf diese Weise erklärt werden, galten sie als plau-
sibel. Angaben, bei denen solche Hinweise nicht vorlagen, wurden institutsin-
tern im Fachkreis besprochen. Kam es auch hier zu keiner Klärung, wurden
die entsprechenden Angaben für den jeweiligen Datensatz auf „fehlend“ ge-
setzt.
Bei der Kontrolle der Differenzen zwischen den Verlusten aus den Teilen A
und B des Fragebogens wurden die Daten in der Treuhandstelle deanonymi-
siert und die Betriebsleiter kontaktiert, um zu klären, wie es zu diesen Diffe-
renzen kam. Durch dieses Verfahren konnten fast alle Unstimmigkeiten dieser
Art geklärt werden. Einer der Hauptgründe war, dass die Zahl der ausgestall-
ten Tiere oft nur geschätzt wurde. Die Tiere wurden im Kollektiv gewogen und
dieses Gesamtgewicht wurde durch ein geschätztes Gewicht pro Hennen divi-
diert. War dieses geschätzte Gewicht zu hoch, wurde eine zu geringe Tierzahl
berechnet. Wurde das Gewicht der Hennen zu niedrig geschätzt, wurden mehr
ausgestallte Hennen angegeben als eigentlich vorhanden waren. Aufgrund
39

Datenaufbereitung
dieser Umstände wurde beschlossen, dass die Mortalität ausschließlich aus
der Summe der Verluste aus den Wochendaten gebildet werden sollte und
nicht aus der Differenz aus eingestallten und ausgestallten Tieren (s. auch Ka-
pitel 2.3.2). Nur bei zwei Durchgängen konnten die Differenzen nicht ausrei-
chend geklärt werden. Diese Durchgänge wurden im Folgenden aus den
weiteren Auswertungen ausgeschlossen.
Auch Durchgänge, die nicht zum Kollektiv der Betriebe mit mehr als 3000 Hen-
nenhaltungsplätzen gehörten oder die beim Ausfüllen des Fragebogens noch
nicht abgeschlossen waren, wurden ausgeschlossen. In einigen Fällen kam es
vor, dass Betriebe zwei Fragebögen für denselben Durchgang ausfüllten. Hier
ging nur einer der beiden Datensätze in die Auswertungen ein.
Um auszuschließende Fragebögen zu kennzeichnen, wurde die Variable aus-
schluss in die Datenbank EpiLeg_DB aufgenommen. Sie findet sich dort in
der Tabelle Tab_Ident und dem dazugehörigen Formular Frm_Grunddat.
Die Variable hat vier mögliche Ausprägungen. „NULL“ steht für „kein Aus-
schluss des Fragebogens von weiteren Auswertungen“ und „1“ für den Aus-
schluss des Bogens, da der beschriebene Durchgang beim Ausfüllen des
Bogens nicht beendet war. Die Ausprägung „2“ wird verwendet, wenn die Dif-
ferenz zwischen den berechneten Verlusten aus den Teilen A und B mindes-
tens 5 % der Anfangshennen betrugen und diese Differenz nicht ausreichend
geklärt werden konnte. Wenn derselbe Durchgang durch den Betrieb bereits in
einem anderen Bogen erfasst wurde, wird die Ausprägung „3“ für den Aus-
schluss des Bogens verwendet. Durchgänge von Betrieben, die nicht zum Un-
tersuchungskollektiv gehören, wurden direkt beim Einlesen der Daten ins SAS-
System ausgeschlossen.
40

Statistische Methoden und Vorbereitung der Daten
2.4 Statistische Methoden und Vorbereitung der Daten
2.4.1 Deskription
Die Daten der Studie wurden zunächst rein deskriptiv mit dem SAS-System
ausgewertet. Für die Auswertung qualitativer Merkmale wurden Häufigkeitsta-
bellen benutzt, wobei in den Spalten die zu untersuchende Variable mit ihren
Ausprägungen zu finden ist und in den Zeilen die Klassen des Faktors Legeli-
nie. Die Zellen der Tabelle zeigen jeweils die absoluten Häufigkeiten und die
Spaltenprozente. Diese Auswertung wurde mit der Prozedur FREQ realisiert.
Bei quantitativen Merkmalen wurden Kenngrößen wie arithmetischer Mittel-
wert, Median, Standardabweichung, Variationskoeffizient usw. mit der TABU-
LATE – Prozedur berechnet. Diese Berechnungen wurden getrennt nach den
Klassen des Faktors Legelinie dargestellt. Zum Teil wurde zusätzlich nach den
Klassen des Faktors Legelinie gruppiert, also eine weitere Schichtung durch-
geführt. Box-and-Whisker-Plots, die mit der Prozedur BOXPLOT erzeugt wur-
den, dienen der grafischen Darstellung.
Alle SAS-Outputs wurden mit Hilfe des Output Delivery Systems (ODS) als
RTF - Datei gespeichert. Das Layout der Tabellen und Grafiken wurde
anschließend mit Microsoft - Word bearbeitet.
2.4.2 Gruppierung der erhobenen Merkmale
Um zu bestimmen, welche in der Studie erhobenen Faktoren einen Einfluss
auf die Zielgröße Verluste pro 1000 Anfangshennen und Woche haben kön-
nen, wurde eine Kausalitätsstruktur der erhobenen Merkmale erstellt, wie sie
in Abb. 2.4.1 zu sehen ist.
41

Haltungsform Legelinie
Behandlungen vor
der Einstallung
Impfungen vor der
Einstallung
Impfungen während
der Legeperiode
Statistische Methoden und Vorbereitung der Daten
Primäre Einflussfaktoren Sekundäre Prozessvariablen Zielgröße
Betriebsgröße
Stall
Belegungsart
Hennenalter bei Einstallung
Anzahl Anfangshennen
Behandlungen während der
Legeperiode
Verhaltensbesonderheiten
Dauer der Legeperiode
Legeleistung
Futterverbrauch
Abb. 2.4.1: Kausalitätsstruktur der erhobenen Merkmale (Kreienbrock [et al.], 2004,
S. 87)
Primäre Einflussfaktoren sind Größen, die bereits vor Beginn der Legeperiode
feststehen. Sie werden durch die Verantwortlichen im Betrieb zu Beginn jedes
Durchgangs jeweils neu festgelegt, wie etwa die einzustallende Legelinie oder
sie sind durch die Struktur des Betriebes gegeben, wie zum Beispiel der Stall
und die darin enthaltene Haltungsform. Alle primären Einflussfaktoren können
die Zielvariable potenziell beeinflussen.
Sekundäre Prozessvariablen ergeben sich im Laufe der Legeperiode. So wer-
den Behandlungen während der Legeperiode hauptsächlich erst dann durch-
geführt, wenn sie notwendig werden. Die Impfungen während der Legeperiode
sind im Allgemeinen schon im Vorfeld geplant worden. Eine Ausnahme bilden
Notimpfungen, die erst durchgeführt werden, wenn die Krankheit bereits aus-
gebrochen ist.
Sämtliche sekundären Prozessvariablen sind ein Ergebnis der Gegebenheiten
im Durchgang und werden daher durch die primären Faktoren beeinflusst. Al-
lerdings ist nur zwischen den Behandlungen und den Verhaltensbesonderhei-
M
o
r
t
a
l
i
t
ä
t
42

Statistische Methoden und Vorbereitung der Daten
ten ein kausaler Zusammenhang zur Zielvariablen Verlusten pro 1000 An-
fangshennen und Woche zu erwarten. So können Verhaltensbesonderheiten
wie Kannibalismus zum Beispiel dazu führen, dass mehr Tiere im Bestand ver-
enden. Im Gegensatz dazu beeinflusst die Legeleistung die Mortalität aber
nicht, sondern ist auch als mögliche Zielgröße zu sehen, die ein Indiz für den
Gesundheitszustand der Tiere ist.
Da also von den Faktoren Dauer der Legeperiode, Legeleistung und Futter-
verbrauch kein Einfluss auf die Mortalität erwartet werden kann, wurden sie
aus dem weiteren Modellbildungsprozess von Anfang an ausgeschlossen.
(Kreienbrock [et al.], 2004, S. 87 ff.)
2.4.3 Zusammenfassung und Ausschluss von Faktorstufen
Bei der Variablen f1_3legelinie (Eingestallte Legelinie) zeigte sich, dass
bestimmte Legelinien besonders häufig eingesetzt wurden (zum Beispiel
„Lohmann braun“ und „Lohmann LSL“), andere dagegen eher selten bis gar
nicht (zum Beispiel „Hisex“ oder „Shaver“). Neben „Lohmann LSL“ wurden kei-
ne weiteren weißen Legelinien allein eingestallt, sondern wenn sie eingestallt
wurden, nur in Kombination mit anderen braunen Legelinien. Diese Kombinati-
onen aus mehreren Linien wurden in einer Kategorie „mehr als eine Legelinie“
zusammengefasst. Auch die selten genannten braunen Legelinien „Bovans
braun“, „Hy-Linie braun“, „ISA“ und „Warren braun“ wurden in einer Gruppe
namens „weitere braune Legelinien“ zusammengefasst. So wurden die Aus-
prägungen der Variable Legelinie, die teilweise nur mit wenigen Beobachtun-
gen besetzt waren, auf die sechs Stufen „Lohmann braun“, „Lohmann
Tradition“, „Tetra“, „weitere braune Legelinien“, „Lohmann LSL“ und „mehr als
eine Legelinie“ reduziert.
In der hier beschriebenen Studie besteht das Hauptinteresse zunächst in der
Beurteilung des Einflussfaktors Haltungssystem auf die Zielgröße Verluste pro
1000 Anfangshennen und Woche. Die einzelnen Stufen des Faktors Haltungs-
system sind jedoch zum Teil nur gering besetzt. Besonders, wenn man das
Untersuchungskollektiv nach Betriebsgrößenklassen unterteilt, wie in Tabelle
43

Statistische Methoden und Vorbereitung der Daten
2.4.1 zu sehen ist, ergeben sich Probleme mit geringen Zellbesetzungszahlen.
Sogar leere Zellen treten auf, wie bei der Kleingruppenhaltung in Betrieben mit
mehr als 50 000 Legehennenplätzen zu beobachten ist.
Tabelle 2.4.1: Durchgänge nach Haltungsform (sechs Stufen) und Betriebsgröße
Betriebsgröße
weniger als 50 000 Legehennen-
plätze
mehr als 50 000 Legehennenplät-
ze
(Quelle: Kreienbrock [et al.], 2004)
Haltungsform
Boden
o. A.
46
14,1
21
6,0
Boden
m. A.
50
15,3
36
10,3
Voliere
o. A.
8
2,5
6
1,7
Voliere
m. A. Käfig
30
9,2
30
8,6
173
53,1
256
73,4
Klein-
gruppe
Gesamt 67 86 14 60 429 19 675
Um dieses Problem zu vermindern, wurden die sechs Haltungssysteme nach
der Klassifikation des Statistischen Bundesamtes / ZMP (Böttcher, 2003) zu
den vier Kategorien „Freilandhaltung“, „Bodenhaltung“, „Volierenhaltung“ und
„Käfighaltung“ zusammengefasst (siehe Tabelle 2.4.2). Die Zusammenfassung
wurde in einem SAS DATA - Step umgesetzt, wobei die Käfighaltung mit „1“,
die Volierenhaltung mit „2“, die Bodenhaltung mit „3“ und die Freilandhaltung
mit „4“ in der neuen Variablen Haltung codiert wurden.
Tabelle 2.4.2: Durchgänge nach Haltungsform (vier Stufen) und Betriebsgröße
Betriebsgröße
weniger als 50 000 Legehennenplätze
Haltungsform
Bodenhaltung
46
14,1
mehr als 50 000 Legehennenplätze 21
6,0
Freilandhaltung
80
24,5
66
18,9
19
5,8
-
-
Ge-
samt
326
349
Volierenhaltung
Käfighaltung Gesamt
8
2,5
6
1,7
191
58,9
256
73,4
Gesamt 67 146 14 448 675
Da die Volierenhaltung (ohne Auslauf) eine eher selten eingesetzte Haltungs-
form ist und daher auch in dieser Studie einen sehr kleinen Teil der erhobenen
326
349
44

Statistische Methoden und Vorbereitung der Daten
Durchgänge ausmacht, wurde sie aus weiteren Analysen vollständig ausge-
schlossen. Nach Ausschluss des Ausreißers aus der Käfighaltung (siehe Kapi-
tel 2.4.5) und der 14 Durchgänge in der Volierenhaltung beruhen somit weitere
Analysen, die über die rein deskriptive Sichtweise hinausgehen, auf 660 von
675 Datensätzen.
2.4.4 Varianzanalyse
Mit Hilfe von Varianzanalysen wird der Einfluss von einem Faktor (einfaktoriel-
le Varianzanalyse) oder mehreren Faktoren (mehrfaktorielle Varianzanalyse)
mit qualitativ erfassten Merkmalsausprägungen auf eine quantitativ erfasste
Größe untersucht.
Eine einfaktorielle Varianzanalyse stellt sich nach Fahrmeir [et al.], 2001, S.
500f. folgendermaßen dar:
y +
= µ + α e
ij
i ij .
für i = 1 bis a und j = 1 bis ni.
y ij benennt den beobachteten Wert des j-ten Individuums in der i-ten
Stufe des Faktors A
µ ist der Gesamtmittelwert, der auch als globaler Erwartungswert
bezeichnet wird
α i stellt die feste Abweichung des Mittelwerts der i-ten Stufe des
Faktors A vom Gesamtmittelwert µ dar, wobei die Summe aller
α i null betragen muss
e ij bezeichnet den zufälligen individuellen Restfehler des j-ten Indi-
viduums in der i-ten Stufe des Faktors A, wobei die Summe aller
e ij null betragen muss.
45

Statistische Methoden und Vorbereitung der Daten
Bei Varianzanalyse-Modellen muss generell zwischen Modellen unterschieden
werden, die auf balancierten Daten beruhen und solchen, die unbalancierte
Daten als Grundlage haben. Balanciert bedeutet, dass für jede Faktorkombina-
tion die gleiche Anzahl von Beobachtungen vorliegt. Häufig kann jedoch kein
Einfluss darauf genommen werden, wie viele Beobachtungen pro Faktorkom-
bination anfallen. Dann liegen unbalancierte Daten vor, die in ihrer Zellbeset-
zungszahl stark schwanken können (Dufner/Jensen/Schumacher, 1992,
S.288). Einige Faktorkombinationen können auch gar nicht besetzt sein. In der
in der hier beschriebenen Studie wurde letzteres durch Zusammenfassung von
Faktorstufen vermieden (siehe Kapitel 2.4.3).
Ein zweifaktorielles, unbalanciertes Varianzanalysemodell mit Interaktion
(Wechselwirkung) und Beobachtungen in allen Faktorkombinationen stellt sich
auf folgende Weise dar:
y = µ + α + β + ( αβ)
+ e
ijk
i
j
für i = 1,…, a, j = 1, …, b und k = 1, …, nij (nij>0)
ij
ijk
Dabei bezeichnet y ijk den beobachteten Wert des k-ten Individuums in der i-
ten Stufe des Faktors A und der j-ten Stufe des Faktors B.
µ ist der Gesamtmittelwert
α i bezeichnet die feste Abweichung des Mittelwerts der i-ten Stufe
des Faktors A vom Gesamtmittelwert µ , wobei die Summe aller
α i null betragen muss
β j benennt die feste Abweichung des Mittelwerts der j-ten Stufe des
Faktors B vom Gesamtmittelwert µ , wobei die Summe aller j β
null betragen muss
46

Statistische Methoden und Vorbereitung der Daten
( αβ)
ij stellt den festen Wechselwirkungseffekt zwischen Faktor A auf
der i-ten Stufe und Faktor B auf der j-ten Stufe dar, wobei die
Summe aller ( αβ)
ij null betragen muss
e ijk ist der zufällige individuelle Restfehler, deren Summe null betra-
gen muss
Wenn mehr als zwei Einflussfaktoren vorliegen, wird das Modell um weitere
Faktoren und ihre eventuellen Wechselwirkungen mit anderen Faktoren erwei-
tert.
Interaktionen
Eine Interaktion liegt vor, wenn die Stufen des einen Einflussfaktors auf jeder
der Stufen des anderen Faktors unterschiedlich große Effekte auf die Zielvari-
able haben (Dufner/Jensen/Schumacher, 1992, S. 237).
Anhand des Beispiels in Tabelle 2.4.3 lässt sich erkennen, dass sich die Mit-
telwerte für den Faktor B je nach Ausprägung des Faktors A unterschiedlich
verhalten.
Tabelle 2.4.3: Fiktives Datenbeispiel für Interaktion
Stufen von Faktor B
Stufen von Faktor A B1 B2
A1 20 2
A2 24 18
Auf der Stufe 1 des Faktors A ist der Mittelwert von B1 zehnmal größer als der
von B2, während auf Stufe 2 des Faktors A der Mittelwert für B1 nur 1,5-mal
so groß ist wie der von B2. Dies soll auch anhand des Interaktionsplots in Abb.
2.4.2 verdeutlicht werden, in dem die in Tabelle 2.4.3 beschriebene Interaktion
durch „Nicht - Parallelität“ dargestellt ist.
47

Mittelwert
30
25
20
15
10
5
0
Statistische Methoden und Vorbereitung der Daten
1 2
Faktorstufe von A
B1 B2
Abb. 2.4.2: Interaktionsplot durch Mittelwertsbildung in den Faktorstufen (mit Interak-
tion)
Läge keine Interaktion der beiden Faktoren vor, so sollten die beiden Linien
ungefähr parallel verlaufen, wie zum Beispiel in Abb. 2.4.3 zu sehen ist. (Byr-
kit, 1987, S. 677 – 680)
Mittelwert
30
25
20
15
10
5
0
1 2
Faktorstufe von A
B1 B2
Abb. 2.4.3: Interaktionsplot durch Mittelwertbildung in den Faktorstufen (keine Interaktion)
48

Schätzung der Modellparameter
Statistische Methoden und Vorbereitung der Daten
Ist ein Modell der Varianzanalyse endgültig spezifiziert, so werden die unbe-
kannten Parameter des Modells mit Hilfe geeigneter Mittelwerte geschätzt. So
gilt etwa für das oben angegebene Modell der Zweifachklassifikation
µˆ
=
y
...
=
1
N
αˆ y
n
a b ij
∑∑∑
i=
1 j=
1 k=
1
i = yi.. - ... mit i=1,…,a
β ˆ y
y
= y -
j . j.
... mit j=1,…,b
∧
( αβ)
y
ijk
ij = yij. - yi..
- y.
j.
+ ... mit i=1,…,a und j=1,…,b.
Mit diesen Schätzern lässt sich für eine beliebige Untersuchungseinheit ein
Wert aus dem Modell schätzen durch
y β + ( αβ)
ˆ
∧
ˆ = µˆ + αˆ +
ijk
(Hartung [et al.], 1999, S. 625).
Normalverteilung der Residuen
i
j
ij
mit i=1,…,a; j=1,…,b und k=1,…,nij
Eine Voraussetzung für die Anwendung der Varianzanalyse ist eine Normal-
verteilung der geschätzten Abweichungen der Einzelwerte ( ê ijk ) vom zugrun-
deliegenden Mittelwert. Diese Voraussetzung kann etwa anhand eines
Histogramms überprüft werden.
49

Die geschätzte Abweichung ergibt sich als
eˆ = y - yˆ
ijk ijk ijk .
Statistische Methoden und Vorbereitung der Daten
Hierbei stellt yˆ ijk den aus den geschätzten Modellparametern geschätzten
Wert einer einzelnen Untersuchungseinheit dar.
Ein fiktives Beispiel für ein solches Histogramm findet sich in Abb. 2.4.4. Hier
wird die Normalverteilung sehr gut erreicht. Die Verteilung der Residuen ist
eingipfelig und symmetrisch.
Residuen
3
2
1
0
-1
-2
-3
0 10 20 30
Häufigkeit
Abb. 2.4.4: Histogramm der Residuen für fiktive Daten
Auch anhand eines Residuenplots lässt sich Verteilung der Residuen beurtei-
len. In Abb. 2.4.5 ist ein solcher Plot dargestellt. Die Residuen sollten gleich-
mäßig um null streuen, was in diesem fiktiven Beispiel gegeben ist.
50

Abb. 2.4.5: Residuenplot für fiktive Daten
Bestimmtheitsmaß
Statistische Methoden und Vorbereitung der Daten
Ein aus der Analyse der Abweichungsquadratsummen herzuleitendes Ergeb-
nis der Varianzanalyse ist das Bestimmtheitsmaß R². Es gibt den Anteil der
Varianz der Zielgröße Y an, der durch die Einflussfaktoren (A, B, …) erklärt
werden kann. R² ergibt sich als Verhältnis der durch das Modell erklärten Vari-
ation zur Gesamtvarianz der Zielgröße. Im Umkehrschluss kann auch gesagt
werden, es ist das von 1 subtrahierte Verhältnis der unerklärten Variation zur
Gesamtvariation also
R² = 1-
SS
SS
E
G
.
Ist R² = 0, erklären die Einflussfaktoren nichts von der Variation der Zielvariab-
len. Wenn R²=1 ist, erklären sie die Variation von Y vollständig (Pflau-
mer/Heine/Hartung, 1999, S. 149 ff.).
51

ANOVA – Tafel und F-Test
Statistische Methoden und Vorbereitung der Daten
Die Ergebnisse der Varianzanalyse werden in der sogenannten ANOVA – Ta-
fel (auch Varianzanalysetafel) dargestellt. ANOVA steht dabei für ANalysis Of
VAriance. In der Tabelle 2.4.4 findet sich die allgemeine Form einer solchen
Tafel für eine zweifaktorielle Varianzanalyse für unbalancierte Daten mit Inter-
aktion.
Tabelle 2.4.4: ANOVA-Tafel eines zweifaktoriellen unbalancierten Modells mit Interak-
Streuungs-
ursache
Einfluss-
faktor A
Einfluss-
faktor B
Wechselwir-
kung
tion (Searle, 1987, S. 112 und Hartung [et al.], 1999, S. 611 ff.)
Freiheits-
grade (FG)
Quadrat-
summe (SS)
Mittlere Quadrat-
summe (MS)
Prüfgröße
(F-Wert)
a - 1 SSA MSA = SSA / (a-1) FA = MSA/MSE
b - 1 SSB MSB = SSB / (b-1) FB = MSB/MSE
ab-a-b+1 SS(AB) MS(AB) = SS(AB) /
(ab-a-b+1)
Fehler N-ab SSE MSE = SSE / (N-ab)
Gesamt N-1 SSG
F(AB) = MS(AB) / MSE
Die Anzahl der Stufen des Faktors A wird durch a repräsentiert, b ist die An-
zahl von Stufen des Faktors B und N die Gesamtzahl der Beobachtungen. SSA
und SSB sind die Quadratsummen der Einflussfaktoren A und B.
Die Quadratsummen SSE und SSG lassen sich in einfacher Form nach folgender
Formel darstellen:
SS
SS
E
G
a b nij
∑∑∑ ij
i=
1 j=
1 k=
1
= ( yijk
- y . )²
n
a b ij
= ∑∑∑( yijk
- y...
)²
i=
1 j=
1 k=
1
.
und
52

Statistische Methoden und Vorbereitung der Daten
y ij.
bezeichnet hier den Mittelwert der ij-ten Zelle und ... y den Mittelwert aller
Beobachtungen mit i=1,…,a und j=1,…,b.
Die Quadratsummen der einzelnen Einflussfaktoren und Wechselwirkungen
lassen sich auf unterschiedliche Weise berechnen. Es wird zwischen vier Ty-
pen der Quadratsummenzerlegung unterschieden. Im Folgenden soll nur auf
die Typen I und III eingegangen werden, die die SAS-Prozedur GLM stan-
dardmäßig ausgibt.
Typ I – Quadratsummen zeichnen sich dadurch aus, dass die Gesamtquadratsumme
SSG sich als Summe der weiteren Quadratsummen SS ergibt. Bei der
Berechnung der Quadratsummen spielt die Reihenfolge, in der die einzelnen
Einflussfaktoren ins Modell aufgenommen werden eine wichtige Rolle, da sich
je nach Reihenfolge eine andere Zerlegung der Quadratsummen ergibt. Der
Grund dafür ist, dass die Quadratsumme für einen Effekt um die vorangegan-
genen aber nicht um die folgenden Effekte bereinigt wird.
Bei Typ III – Quadratsummen entspricht die Summe der einzelnen Quadrat-
summen, im Gegensatz zum Typ I, in der Regel nicht der Gesamtquadrat-
summe SSG. Der Vorteil dieses Typs ist jedoch, dass die Reihenfolge, in der
die Faktoren in das Modell aufgenommen werden, keine Rolle spielt, da die
Quadratsumme zu einem Effekt um alle anderen im Modell befindlichen Effek-
te bereinigt ist (Dufner / Jensen / Schumacher, 1992, S.288ff.),
Wenn die Daten, wie im vorliegenden Fall, unbalanciert sind, so lassen sich
die Quadratsummen der Einflussfaktoren und Wechselwirkungen nicht mehr in
einer einfachen Form darstellen. Vielmehr basieren sie auf den Lösungen ei-
nes allgemeinen linearen Gleichungssystems mit N Gleichungen und
(a+b+ab+1) Unbekannten. Daher wird hier auf die Darstellung der expliziten
Form der Quadratsummen verzichtet (Scheffé, 1959).
53

Statistische Methoden und Vorbereitung der Daten
Die Nullhypothese besagt, dass es keinen Unterschied zwischen den Stufen
des Einflussfaktors gibt, also die Effekte aller Stufen gleich sind. Diese Hypo-
these wird bei einer Irrtumswahrscheinlichkeit γ verworfen, wenn
gilt.
FA F1-
γ,
a-1;
N -ab
> für Faktor A
FB F1
-γ,
b-1;
N-ab
> für Faktor B beziehungsweise
F ( AB)
> F1
-γ,
a-1;
ab-a-b+
1 für den Wechselwirkungseffekt
Die Prüfgröße des F-Tests definiert sich, wie in Tabelle 2.4.4 zu sehen ist, als
Verhältnis der mittleren Quadratsumme eines Faktors zur mittleren
Quadratsumme des Fehlers. Es kann also gesagt werden, dass die
Nullhypothese dann verworfen wird, wenn die Variation zwischen den Stufen
des Einflussfaktors (zum Beispiel MSA) wesentlich größer ist als die innerhalb
der Stufen (MSE).
Scheffé - Test und adjustierte Erwartungswerte
Hat der zu untersuchende Einflussfaktor mehr als zwei Stufen und will man
herausfinden, welche Mittelwerte dieser Stufen sich paarweise unterscheiden,
so nutzt man multiple Vergleiche (Hartung [et al.], 1999, S. 614). Für ein unba-
lanciertes Modell lautet die H0 Hypothese für den Faktor A wie folgt:
H
wobei .
: µ r.
µ . = 0
A,
rt
0 t
µ r und t.
(Dufner/Jensen/Schumacher, 1992, S. 304),
µ die adjustierten Mittelwerte der Faktorstufen r und t des
Einflussfaktors A sind. Analog gilt also:
H
: µ . r µ .
B,
rt
0 t
= 0
54

für den Einflussfaktor B, wobei . r
Faktorstufen r und t dieses Einflussfaktors sind.
Statistische Methoden und Vorbereitung der Daten
µ und µ . t die adjustierten Mittelwerte der
Diese adjustierten Erwartungswerte (Least Square Means) lauten:
µ
i.
=
1
b
a
1
∑µ ij
b bzw. µ = . j ∑
j=
1
a i=
1
Die Anzahl der Stufen des Faktors A wird durch a repräsentiert, während b die
Anzahl der Stufen des Faktors B darstellt. Adjustierte Erwartungswerte sind
unabhängig von unterschiedlichen Zellbesetzungszahlen, da sie aus den Mit-
telwerten der Faktorkombinationen gebildet werden. Treten allerdings Faktor-
stufenkombinationen auf, in denen keine Beobachtungen vorliegen, so sind die
adjustierten Erwartungswerte nicht schätzbar. Es gilt also die Bedingung nij>0.
(Dufner/Jensen/Schumacher, 1992, S. 303)
Die oben genannten Null-Hypothesen lassen sich mit unterschiedlichen multip-
len Tests prüfen. In der hier beschrieben Studie fiel die Wahl auf den Test
nach Scheffé.
Die allgemeine SAS-Syntax für die Berechnung der adjustierten Mittelwerte
und den Scheffé - Test findet sich im SAS-Programm 2.4.1.
PROC GLM DATA=neu;
CLASS [Faktor A] [Faktor B];
MODEL [Zielvariable] = [Faktor A] [Faktor B];
LSMEANS [Faktor A] [Faktor B]/PDIFF ADJUST=SCHEFFE;
RUN;
SAS-Programm 2.4.1: Prozedur GLM mit adjustierten Erwartungswerten und Test nach
Scheffé
LSMEANS weist SAS an, die adjustierten Erwartungswerte für die angegebe-
nen Faktoren zu berechnen. Die Option PDIFF bewirkt, dass die Unterschie-
de zwischen den Faktorstufenmittelwerten getestet werden, während durch die
µ
ij
.
55

Statistische Methoden und Vorbereitung der Daten
dazugehörige Option ADJUST= mit dem Wert SCHEFFE dafür der Scheffé –
Test genutzt wird.
2.4.5 Ausreißertest
Wie im vorangegangenen Kapitel beschrieben, reagieren statistische Modelle
empfindlich auf Extremwerte (Ausreißer). Um die größten Extremwerte aus
diesen Modellen auszuschließen, wurde die zu untersuchende Zielgröße Ver-
luste pro 1 000 Anfangshennen und Woche logarithmiert und dann einem Test
auf Ausreißer unterzogen. Es gibt unterschiedliche Verfahren, um Ausreißer
zu erkennen. In der beschriebenen Untersuchung wurde sich für das Verfah-
ren nach Grubbs / Beck (1972) entschieden. Die Urliste muss für diesen Test
in aufsteigender Reihenfolge sortiert werden, also nach dem Schema:
x(1) ≤ x(2) ≤ … ≤ x(n).
Die Hypothese
H01 : x1 ist kein Ausreißer
wird danach mit einer Irrtumswahrscheinlichkeit von α =5% verworfen, wenn
x - x
s
1
= >
1
n;
1 α T
T .
T den
x1 bezeichnet dabei den kleinsten Wert in der sortierten Urliste und n;
1-α
kritischen Wert für n Beobachtungen bei einem Signifikanzniveau von 1-α aus
der Tafel der kritischen Werte des Grubbs - Tests.
Die Hypothese
H0n : xn ist kein Ausreißer
wird bei einer Irrtumswahrscheinlichkeit von α=5% verworfen, wenn
56

T
n
=
x - x n
> T
s
n;
1
Statistische Methoden und Vorbereitung der Daten
α
zutrifft.
xn steht hier für den größten Wert der sortierten Stichprobe.
In dieser Studie wurden nur Maxima getestet, also nur die zweite beschriebe-
ne Hypothese geprüft. Der Test wurde getrennt nach Haltungsformen durchge-
führt, wobei der kritische Wert sich je nach Haltungsform anders gestaltet. Für
Bodenhaltung ohne Auslauf (n=67) beträgt er 3,066, für Boden mit Auslauf
(n=86) 3,155, für Volierenhaltung ohne Auslauf (n=14) 2,371, für Voliere mit
Auslauf (n=60) 3,025 und für Kleingruppenhaltung (n=19) 2,532. Bei der Kä-
fighaltung (n=429) wurde der kritische Wert für die größte verfügbare Stichpro-
bengröße (n=147) verwendet. Hier beträgt T n;
1-0,
5 = 3,334. (Grubbs/Beck,
1972)
Die Hypothese H0n konnte für die Käfighaltung bei einer Irrtumswahrschein-
lichkeit von α=5% verworfen werden und führte daher zum Ausschluss eines
Datensatzes aus den weiteren Auswertungen. Das entsprechende SAS-
Programm findet sich im Anhang dieser Arbeit.
2.4.6 Assoziationsmaß nach Cramér
Um den Zusammenhang zwischen der Haltungsform und einem zweiten Faktor
zu testen, wurde das Assoziationsmaß von Cramér (Cramér’s V) verwen-
det. Es beschreibt, inwieweit ein Merkmal mit einem anderen verknüpft ist und
ist definiert als:
V
=
χ²
n(min(
r,
s)
-1)
(Hartung, 1999, S. 452).
n ist die Anzahl der Beobachtungen
min(r, s) ist die minimale Anzahl von Zeilen oder Spalten der zu bewer-
mit
tenden Kontingenztafel. Bei einer 2x3 Tafel hat min(r, s) eben-
so den Wert von 2, wie bei einer 3x2 Tafel.
57

χ²
( n
= ∑∑
Statistische Methoden und Vorbereitung der Daten
ij
n n i.
.
-
n
n n
i j i.
. j
n
j
)²
.
Der maximale Wert von V beträgt eins, was einem absoluten Zusammenhang
der beiden Merkmale entspricht. Bei einem V ≥ 0,5 wurde das zweite Merkmal
neben der Haltungsform nicht in weitere Modellbildungsschritte aufgenommen,
da die Assoziation der beiden Merkmale als zu stark angesehen wurde. Ein
Beispiel für die beschriebene Studie ist etwa eine Impfung, die in der Boden-
haltung in vielen Durchgängen durchgeführt wird und in Durchgängen anderer
Haltungsformen zumeist nicht. Diese Impfung ist also stark mit der Haltungs-
form „Boden“ verknüpft. Würde dieser Faktor in ein statistisches Modell aufge-
nommen werden, so ergäbe sich daraus kein neuer unabhängiger
Einflussfaktor, da er mit dem Faktor Haltungsform gewissermaßen eine Einheit
bildet.
Das Assoziationsmaß nach Cramér wird standardmäßig von der Prozedur
FREQ des SAS-Systems ausgegeben. Die SAS-Syntax wird im folgenden
Programm am Beispiel der Variablen f1_3legelinie (eingestallte Legelinie)
und Haltung (Haltungsform) gezeigt.
PROC FREQ DATA=neu;
TABLES f1_3legelinie * Haltung / CHISQ;
RUN;
SAS-Programm 2.4.2: Chi² für die Variablen Legelinie und Haltungsform
Im TABLES - Statement werden die zu untersuchenden Merkmale mit einem
Multiplikationszeichen verknüpft, wodurch eine zweidimensionale Häufigkeits-
tabelle ausgegeben wird. Die Option CHISQ bewirkt, dass verschiedene
Kenngrößen, vor allem Chi²-Werte, von SAS berechnet werden. Die Reihen-
folge der beiden Merkmale hinter dem TABLES – Statement spielt dabei für
die Ergebnisse der CHISQ – Option keine Rolle.
58

2.4.7 Umwandlung quantitativer Merkmale
Statistische Methoden und Vorbereitung der Daten
Damit im weiteren Verlauf der Untersuchung auch die quantitativen Einfluss-
größen als Faktoren in eine mehrfaktorielle Varianzanalyse eingehen konnten
und nicht im Rahmen einer zweifaktoriellen Kovarianzanalyse ein Regressi-
onsmodell formuliert werden musste, wurden diese Variablen in qualitative
Größen umgewandelt. Für die beiden Merkmale Anfangshennen und Alter der
Hennen bei der Einstallung wurden zu diesem Zweck jeweils drei Kategorien
gebildet, die als Ausprägungen in den neuen Variablen AlterTage_quali
und f1_6anz_ein_quali gespeichert wurden. In die erste Kategorie (unte-
res Quartil) mit der Ausprägung „1“ fallen die kleinsten 25% der Werte. Die
mittlere Kategorie (im IQR) mit der Ausprägung „2“ besteht aus den mittleren
50% der Werte, während die Kategorie mit der Ausprägung „3“ (oberes Quar-
til) die größten 25% der Werte umfasst. Die SAS-Syntax dieses Vorgehens
findet sich im Anhang dieser Arbeit im Bereich „Datenimport“.
59

3 Ergebnisse
3.1 Deskriptive Auswertung
Deskriptive Auswertung
Die deskriptive Auswertung der Daten auf Basis der Haltungssysteme ist be-
reits bei Kreienbrock [et al.] (2004) zu finden. Daher soll hier ein anderes
Merkmal, die Legelinie, im Vordergrund stehen. In Tabelle 3.1.1 und Tabelle
3.1.2 sind die absoluten Häufigkeiten der Legelinie und die Spaltenprozente
getrennt nach Haltungssystem für Betriebe mit weniger als 50 000 Haltungs-
plätzen bzw. mehr als 50 000 Haltungsplätzen dargestellt.
Tabelle 3.1.1: Durchgänge nach Legelinie und Haltungsform für Betriebe mit weniger
als 50 000 Hennenhaltungsplätzen
Legelinie
Haltungsform
Boden
ohne
Auslauf
Lohmann braun 23
50,00
Lohmann Tradition 7
15,22
Tetra 13
28,26
Boden
mit
Auslauf
16
32,00
8
16,00
8
16,00
weitere braune Legelinien - 4
8,00
Lohmann LSL 2
4,35
mehr als eine Legelinie 1
2,17
8
16,00
6
12,00
Voliere
ohne
Auslauf
2
25,00
2
25,00
1
12,50
3
37,50
Voliere
mit Auslauf
16
53,33
5
16,67
5
16,67
- 1
3,33
1
3,33
- 2
6,67
Käfig
71
41,04
10
5,78
1
0,58
4
2,31
47
27,17
40
23,12
Kleingruppe
6
31,58
1
5,26
2
10,53
5
26,32
5
26,32
Gesamt
134
41,10
33
10,12
30
9,20
- 9
2,76
66
20,25
54
16,56
Gesamt 46 50 8 30 173 19 326
60

Deskriptive Auswertung
Tabelle 3.1.2: Durchgänge nach Legelinie und Haltungsform für Betriebe mit mehr als
Legelinie
50 000 Hennenhaltungsplätzen
Haltungsform
Boden
ohne
Auslauf
Lohmann braun 11
52,38
Lohmann Tradition 4
19,05
Tetra 1
4,76
weitere braune Legelinien 1
4,76
Lohmann LSL 3
14,29
mehr als eine Legelinie 1
4,76
Boden
mit
Auslauf
19
52,78
2
5,56
6
16,67
4
11,11
4
11,11
1
2,78
Voliere
ohne
Auslauf
1
16,67
5
83,33
Voliere
mit Aus-
lauf
3
10,00
17
56,67
Käfig
167
65,23
6
2,34
- - 4
- 6
20,00
- 3
10,00
- 1
3,33
1,56
5
1,95
67
26,17
7
2,73
Klein-
gruppe
Ge-
samt
- 201
57,59
- 34
61
9,74
- 11
-
-
3,15
16
4,58
- 77
22,06
- 10
Gesamt 21 36 6 30 256 - 349
Über 90% der Durchgänge aller Haltungssysteme wurden in Großbetrieben
alleine mit den vier Haltungsformen „Lohmann braun“, „Lohmann Tradition“,
„Tetra“ sowie „Lohmann LSL“ belegt. Auch bei Betrieben mit weniger als
50 000 Haltungsplätzen ist dieser Wert mit über 80% der Durchgänge sehr
hoch.
Es ist auffällig, dass vor allem in großen Betrieben mit Käfighaltung die Legeli-
nie „Lohmann braun“ besonders häufig eingestallt wurde. Ihr Anteil beträgt hier
65,23%, während er bei kleineren Betrieben in der Käfighaltung lediglich
41,04% ausmacht. Auch in der Bodenhaltung mit Auslauf zeigt sich ein ähnli-
ches Bild. Die Volierenhaltung mit Auslauf wurde dagegen nur in 10% der
Durchgänge in Betrieben mit mehr als 50 000 Haltungsplätzen mit dieser Linie
belegt, wogegen es im selben Haltungssystem bei kleineren Betrieben über
die Hälfte der Durchgänge war.
2,87

Deskriptive Auswertung
Betrachtet man die Volierenhaltung mit und ohne Auslauf, so erkennt man,
dass bei großen Betrieben in diesen Haltungsformen besonders die Legelinie
„Lohmann Tradition“ vorherrscht, wogegen bei kleineren Betrieben auch wie-
der vermehrt auf die Linie „Lohmann braun“ zurückgegriffen wurde.
Kleinere Betriebe besetzten ihre Durchgänge weitaus häufiger mit mehr als
einer Legelinie als Großbetriebe. In der Käfighaltung waren es beispielsweise
bei Betrieben mit weniger als 50 000 Haltungsplätzen 23,12% aller Durchgän-
ge, während in der gleichen Haltungsform bei größeren Betrieben dieser Wert
nur bei 2,73% aller Durchgänge liegt.
In Tabelle 3.1.3 werden die Verluste pro 1 000 Anfangshennen und Woche für
jede Kombination der Variablen Haltungsform und Legelinie dargestellt. Die
Kategorie der Legelinie mit den geringsten Verlusten stellt dabei die Ausprä-
gung „mehr als eine Legelinie“ dar. Zuvor wurde festgestellt, dass bei Betrie-
ben mit weniger als 50 000 Hennenplätzen weitaus häufiger mehr als eine
Linie eingestallt wurde als bei größeren Betrieben. Wie bei Kreienbrock [et al.]
(2004) beschrieben, lagen die Verluste jedoch in kleineren Betrieben generell
niedriger, was eine Ursache für die niedrigen Verluste speziell in der Kategorie
„mehr als eine Legelinie“ sein könnte.
Lässt man die Kategorie mit mehr als einer Legelinie außer Acht, so zeigen die
Linien „Lohmann braun“ und „Lohmann LSL“, über alle Haltungsformen be-
trachtet, mit jeweils durchschnittlich 2,1 Tieren pro 1 000 Anfangshennen und
Woche, die geringsten Mortalitäten. Betrachtet man allerdings die Haltungs-
formen für sich, so wird ersichtlich, dass „Lohmann braun“ nur in der Boden-
haltung ohne Auslauf (mit x =2,2), der Käfighaltung (mit x =1,8) und der
Kleingruppenhaltung (mit x =1,1) die geringste Mortalität aufweist. „Lohmann
LSL“ zeigt in der Käfighaltung ebenfalls einen Mittelwert der Verluste von 1,8
Tieren pro Woche und 1 000 Anfangshennen. In allen anderen Haltungsfor-
men gibt es Linien, die geringere Verluste aufweisen. In der Bodenhaltung mit
Auslauf und der Voliere mit Auslauf ist das arithmetische Mittel bei der Legeli-
nie „Tetra“ am niedrigsten. Hier betragen die Verluste 2,5 bzw. 3,0 Tiere pro
1 000 Anfangshennen und Woche.
62

Deskriptive Auswertung
Tabelle 3.1.3: Verluste pro 1 000 Anfangshennen und Woche nach Haltungsform und
Legelinie
Lohmann
braun
Lohmann
Tradition
Tetra
weitere
braune Le-
gelinien
Lohmann
LSL
mehr als
eine Legeli-
nie
Legelinie (deskriptive Kenngrößen)
Haltungsform
Boden
ohne
Auslauf
Boden
mit
Auslauf
Voliere
ohne
Auslauf
Voliere
mit Aus-
lauf
Käfig Klein-
gruppe
Gesamt
Anzahl 34 35 3 19 236 6 333
arithm. Mittel 2,2 3,1 . 3,6 1,8 1,1 2,1
Variationskoeff. 63,92 46,40 . 35,58 59,64 55,82 62,31
Anzahl 11 10 7 22 16 1 67
arithm. Mittel 3,2 3,0 3,8 4,4 2,4 . 3,4
Variationskoeff. 61,86 45,09 34,26 40,68 76,42 . 55,07
Anzahl 14 14 1 5 5 2 41
arithm. Mittel 3,3 2,5 . 3,0 2,5 . 3,0
Variationskoeff. 93,25 44,61 . 67,74 48,94 . 72,52
Anzahl 1 8 - 7 9 - 25
arithm. Mittel . 4,3 - 5,0 1,2 - 3,3
Variationskoeff. . 56,58 - 74,22 43,83 - 87,11
Anzahl 5 12 3 4 114 5 143
arithm. Mittel 3,7 2,9 . . 1,8 1,5 2,1
Variationskoeff. 34,00 32,89 . . 62,60 62,32 70,36
Anzahl 2 7 - 3 47 5 64
arithm. Mittel . 1,8 - . 1,5 1,6 1,7
Variationskoeff. . 22,62 - . 51,35 19,96 60,80
Gesamtanzahl 67 86 14 60 427 19 673
arithm. Mittel (gesamt) 2,7 3,0 3,4 4,3 1,8 1,5 2,3
Variationskoeff. (gesamt) 73,17 49,43 47,40 50,17 61,54 59,17 70,06
Diese Ergebnisse werden in der Tabelle 3.1.4 in grafischer Form als Box-Plots
dargestellt. Für Kombinationen aus Haltungsformen und Legelinien, die weni-
ger als fünf Durchgänge aufweisen, werden keine Grafiken gezeigt.
63

Deskriptive Auswertung
Tabelle 3.1.4: Verluste pro 1 000 Anfangshennen und Woche nach Haltungsform und
Legelinie
Lohmann
braun
Lohmann
Tradition
Tetra
weitere braune
Legelinien
Lohmann LSL
mehr als eine
Legelinie
Legelinie (Box-Plots)
Haltungsform
Boden ohne
Auslauf
Boden mit
Auslauf
Voliere
ohne
Auslauf
Voliere
mit
Auslauf
Käfig Klein-
gruppe
64

Deskriptive Auswertung
Der Median liegt bei allen Legelinien in den Haltungsformen „Käfig“ und
„Kleingruppe“ am niedrigsten. Er bleibt für beide Haltungsformen konstant un-
ter 2,5 Tieren pro 1 000 Anfangshennen und Woche.
Extremwerte zeigen sich fast ausschließlich nur im oberen Bereich der Verlus-
te. Es gibt also einige Kombinationen aus Legelinie und Haltungsform, in de-
nen es besonders hohe Verluste in vereinzelten Durchgängen gab.
Durchgänge, in denen die Mortalität extrem niedrig lag, zeigen sich allerdings
kaum.
In Tabelle 3.1.5 werden die Behandlungen während der Legeperiode getrennt
nach Legelinie dargestellt. Auffällig ist hier besonders die Legelinie „Tetra“. In
nur 36,6 % aller Durchgänge wurde hier keine antibiotische Behandlung
durchgeführt, wobei der Anteil bei den anderen Legelinien bei über 60 % liegt.
In 45,45 % der Durchgänge dieser Legelinie wurde sogar mehrmals eine
antibiotische Behandlung durchgeführt, während der Anteil der anderen Linien
hier bei etwa 20 % angesiedelt ist. Auch die anderen Behandlungen werden
bei der „Tetra“ – Legelinie überdurchschnittlich oft durchgeführt.
Der Anteil der nicht-behandelten Durchgänge ist für die Durchgänge beson-
ders hoch, bei denen mehr als eine Legelinie eingestallt wurde. So wurden bei
86,67 % bzw. 90 % der Durchgänge in dieser Kategorie keine antibiotischen
Behandlungen oder Behandlungen gegen Wurmbefall durchgeführt. Auch bei
der Linie „Lohmann LSL“ musste im Verhältnis zu den anderen Kategorien im
Allgemeinen weniger behandelt werden.
65

Deskriptive Auswertung
Tabelle 3.1.5: Behandlungen während der Legeperiode nach Legelinien
Lohmann
braun
Antibiotische Behandlung
gar nicht 217
69,55
einmal 25
8,01
mehrmals 70
22,44
Lohmann
Tradition
42
63,64
12
18,18
12
18,18
Legelinie
Tetra weitere
12
36,36
6
18,18
15
45,45
braune
Legelinien
18
72,00
2
8,00
5
20,00
Lohmann
LSL
101
76,52
14
10,61
17
12,88
Mehr als
eine
Legelinie
52
86,67
4
6,67
Gesamt
Gesamt 312 66 33 25 132 60 628
Behandlung gegen Wurmbefall
gar nicht 281
89,21
einmal 18
5,71
mehrmals 16
5,08
33
50,00
8
12,12
25
37,88
7
20,59
8
23,53
19
55,88
16
64,00
3
12,00
6
24,00
127
94,07
0
0,00
4
6,67
54
90,00
Gesamt 315 66 34 25 135 60 635
Behandlung gegen Milbenbefall
gar nicht 127
39,44
einmal 60
18,63
mehrmals 135
41,93
4
6,06
13
19,70
49
74,24
6
18,18
4
12,12
23
69,70
5
20,00
6
24,00
14
56,00
8
5,93
61
44,85
21
15,44
54
39,71
2
3,33
4
6,67
30
50,00
17
28,33
13
21,67
Gesamt 322 66 33 25 136 60 642
Blutproben zur Überprüfung der Antikörpertiter
gar nicht 80
25,48
einmal 125
39,81
mehrmals 109
34,71
18
27,69
12
18,46
35
53,85
7
20,00
5
14,29
23
65,71
5
20,00
9
36,00
11
44,00
51
38,35
29
21,80
53
39,85
37
62,71
12
20,34
10
16,95
Gesamt 314 65 35 25 133 59 631
442
63
123
518
39
78
233
121
288
198
192
241
66

Deskriptive Auswertung
Tabelle 3.1.6 Betriebliche Einschätzung von Verhaltensweisen nach Legelinien
Federpicken
Lohmann
braun
gar nicht 198
59,10
manchmal 76
22,69
häufig 55
keine Anga-
ben
16,42
6
1,79
Lohmann
Tradition
18
26,87
22
32,84
25
37,31
2
2,99
Legelinie
Tetra weitere
8
19,51
22
53,66
11
26,83
0
0,00
braune
Legelinien
8
32,00
10
40,00
7
28,00
Lohmann
LSL
100
69,93
31
21,68
8
5,59
Mehr als
eine
Legelinie
34
53,13
25
39,06
4
6,25
Gesamt
Gesamt 335 67 41 25 143 64 675
Kannibalismus
gar nicht 205
61,19
manchmal 73
21,79
häufig 52
keine Anga-
ben
15,52
5
1,49
22
32,84
22
32,84
22
32,84
1
1,49
12
29,27
14
34,15
14
34,15
1
2,44
0
0,00
12
48,00
6
24,00
7
28,00
4
2,80
100
69,93
29
20,28
8
5,59
1
1,56
42
65,63
18
28,13
Gesamt 335 67 41 25 143 64 675
Zehenpicken
gar nicht 267
79,70
manchmal 37
11,04
häufig 5
keine Anga-
ben
1,49
26
7,76
44
65,67
18
26,87
1
1,49
4
5,97
27
65,85
9
21,95
1
2,44
4
9,76
0
0,00
17
68,00
6
24,00
6
4,20
115
80,42
22
15,38
3
4,69
1
1,56
54
84,38
9
14,06
Gesamt 335 67 41 25 143 64 675
0
0,00
2
8,00
0
0,00
6
4,20
0
0,00
1
1,56
366
186
110
13
393
162
106
14
524
101
7
43
67

Deskriptive Auswertung
In Tabelle 3.1.6 sind die betrieblichen Einschätzungen von Verhaltensweisen
getrennt nach Legelinien aufgeführt. Betrachtet man hier die Einschätzungen
zum Federpicken der Tiere, so zeigt sich, dass besonders bei der Linie „Loh-
mann LSL“ verhältnismäßig selten von dieser Verhaltensbesonderheit berich-
tet wurde. Der Anteil der Durchgänge, bei denen „gar nicht“ davon berichtet
wurde, beträgt 69,93 %. Nur bei 5,59 % aller Durchgänge mit dieser Linie wur-
de von häufigem Federpicken berichtet.
Der Anteil der Durchgänge, bei denen „gar nicht“ von Federpicken berichtet
wurde, ist mit 19,51 % bei der Legelinie „Tetra“ besonders niedrig. Auch bei
den Verhaltensweisen Kannibalismus und Zehenpicken wurde, in Relation zu
den anderen Legelinien, seltener die Angabe „gar nicht“ gemacht. Dagegen
traf man für die Kategorien „Lohmann braun“, „Lohmann LSL“ und „mehr als
eine Legelinie“ relativ oft diese Wahl.
Betrachtet man das arithmetische Mittel des Futterverbrauchs in Kilogramm
pro Woche und 1 000 Durchschnittshennen nach Legelinie in Tabelle 3.1.7
wird ersichtlich, dass der Futterverbrauch bei der Linie „Lohmann Tradition“ mit
908 kg am höchsten war. Auch der Median deutet mit einem Wert von 866 kg
darauf hin. Zudem streuen die Daten hier mit einem Variationskoeffizienten
von 17,81 % besonders stark. Als besonders niedrig erweist sich der Futter-
verbrauch bei der Legelinie „Lohmann LSL“. Das arithmetische Mittel beträgt
815 kg und der Median 793 kg. Allerdings gab es auch hier Durchgänge, bei
denen von besonders hohem Futterverbrauch berichtet wurde (Maxi-
mum=1647 kg).
68

Statistische Modelle
Tabelle 3.1.7: Futterverbrauch in Kilogramm pro Woche und 1 000 Durchschnittshen-
nen nach Legelinie
Lohmann
braun
Lohmann
Tradition
Legelinie
Tetra weitere
braune Le-
gelinien
Loh-
mann
LSL
Mehr als
eine Lege-
linien
Anzahl Durchgänge 325 56 35 24 128 39
arithm. Mittel 821 908 856 825 815 823
Median 807 866 856 813 793 816
Standardabw. 78 161 60 83 101 62
Variationskoeffizient 9,47 17,81 7,00 10,07 12,41 7,54
Minimum 708 743 679 704 693 706
10%-Quantil 758 798 798 725 741 747
90%-Quantil 897 1023 950 921 917 904
Maximum 1504 1640 968 1069 1647 996
3.2 Statistische Modelle
Die Modellbildung für die Zielvariable Verluste pro 1 000 Anfangshennen und
Woche erfolgte in mehreren Phasen, die nachfolgend erörtert werden sollen.
3.2.1 Einfaktorielle Varianzanalyse
Zunächst wurde für jede der möglichen Einflussvariablen (siehe Kapitel 2.4.2)
eine einfaktorielle Varianzanalyse gerechnet, um zu überprüfen, welchen Ein-
fluss einzelne Variablen für sich alleine, also ohne Berücksichtigung weiterer
möglicher Einflüsse, auf die Verluste pro 1 000 Anfangshennen und Woche
(verluste1000wo) hatten. Die Syntax dieses einfaktoriellen Modells ist am
Beispiel der Einflussvariablen Legelinie (f1_3legelinie) in SAS-Programm
3.2.1 zu sehen.
69

PROC GLM DATA=neu;
CLASS f1_3legelinie;
MODEL verluste1000wo = f1_3legelinie;
RUN;
Statistische Modelle
SAS-Programm 3.2.1: Einfaktorielle Varianzanalyse am Beispiel des Einflussfaktors
Legelinie
Hinter dem CLASS - Statement werden die qualitativen Variablen des Modells
aufgeführt. Hier ist dies nur der jeweilige Einflussfaktor. Im MODEL - State-
ment steht vor dem Gleichheitszeichen die quantitative Zielvariable Verluste
pro 1 000 Anfangshennen und Woche und dahinter die wechselnde Einfluss-
variable. Im Beispiel ist dies der Faktor Legelinie.
Der dazugehörige SAS-Output dieser Analyse soll hier ebenfalls kurz erläutert
werden.
SAS-Output 3.2.1: Einfaktorielle Varianzanalyse aus SAS-Programm 3.2.1
______________________________________________________________
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
Source DF
Sum of
Squares Mean Square F Value Pr > F
Model 5 143.351491 28.670298 12.54 F
f1_3legelinie 5 143.3514908 28.6702982 12.54

Statistische Modelle
Source DF Type III SS Mean Square F Value Pr > F
f1_3legelinie 5 143.3514908 28.6702982 12.54 F < 0,0001).
3.2.2 Zweifaktorielle Varianzanalyse mit Interaktion (Grundmodell)
Da jedoch eine einfaktorielle Analyse, also ohne Berücksichtigung weiterer
Faktoren, wenig Aussagekraft über den tatsächlichen Einfluss einer Variablen
auf die Zielvariable hat, sollten im weiteren Verlauf der Auswertung mehrfakto-
rielle Modelle erstellt werden. Das Grundmodell beinhaltet hierbei die Faktoren
Haltungsform (Haltung) und Betriebsgrößenklasse (Groesse). Die Haltungs-
form war der sachlich wichtigste Faktor der beschriebenen Studie und zeigte
mit R 2 =21,3% im einfaktoriellen Modell auch das mit Abstand höchste Be-
stimmtheitsmaß. Dies bedeutet, dass ohne Berücksichtigung weiterer Einflüs-
se, über ein Fünftel der Variation der Zielvariablen allein durch den Faktor
Haltungsform erklärt wurden. Die Betriebsgröße zeigte mit R²=2,4% im einfak-
toriellen Modell ein vergleichsweise geringes Bestimmtheitsmaß, wurde aller-
dings auch als Faktor angesehen, der „in vielerlei Hinsicht betriebliche
Verhaltensweisen und betriebliche Ergebnisse beeinflusst […].“ (Kreienbrock
[et al.], 2004, S. 19)
Außerdem wurde für das Grundmodell eine Interaktion der Faktoren Haltungs-
form und Betriebsgröße modelliert. Im dazugehörigen Interaktionsplot in Abb.
3.2.1 lässt sich erkennen, dass die Betriebe mit mehr als 50 000 Legehennen-
plätzen generell höhere Verluste haben als die kleineren Betriebe. Ob die an-
71

Statistische Modelle
gedeuteten Unterschiede zwischen den Haltungsformen signifikant sind,
musste dagegen ein entsprechendes Testverfahren prüfen. Die Interaktion
wurde dazu vorbehaltlich in das Modell aufgenommen.
Abb. 3.2.1: Interaktionsplot für die Verluste pro 1000 Anfangshennen und Woche
nach Betriebsgrößenklasse und Haltungsform (mit drei Stufen) - Ausprägungen
der Haltungsform auf der x-Achse
Das Grundmodell stellt sich also zunächst als zweifaktorielles Modell mit Inter-
aktion dar. Auf das in Kapitel 2.4.4 beschriebene Modell angewendet, bedeutet
dies:
y = µ + α + β + ( αβ)
+ e
ijk
i
mit i= 1, 2, 3; j = 1, 2; k = 1, 2, …, nij
j
ij
ijk
y ijk ist der Wert der Zielgröße Verluste pro 1000 Anfangshennen und
Woche für den k-ten Durchgang in der i-ten Haltungsform und
der j-ten Betriebsgrößenklasse,
µ ist der Gesamtmittelwert der Zielgröße Verluste pro 1000 An-
fangshennen und Woche,
72

Statistische Modelle
α i ist die Abweichung des Mittelwerts der i-ten Haltungsform vom
Gesamtmittelwert µ , wobei die Faktorstufen der Haltungsform
Boden-, Freiland- und Käfighaltung sind,
β j ist die Abweichung des Mittelwerts der j-ten Betriebsgrößenklas-
se vom Gesamtmittelwert µ , wobei die Faktorstufen der Be-
triebsgrößenklasse Betriebe mit weniger als bzw. Betriebe mit
mehr als 50 000 Legehennenplätzen sind,
( αβ)
ij ist der Wechselwirkungseffekt der i-ten Haltungsform mit der j-
ten Betriebsgrößenklasse,
e ijk ist der zufällige individuelle Restfehler des k-ten Durchgangs in
der i-ten Haltungsform und der j-ten Betriebsgrößenklasse.
Die SAS-Sytax für dieses Grundmodell stellt sich wie in SAS-Programm 3.2.2
gezeigt dar.
PROC GLM DATA=neu;
CLASS Haltung Groesse;
MODEL Verluste1000wo = Haltung | Groesse;
RUN;
SAS-Programm 3.2.2: Syntax des Grundmodells
Der senkrechte Strich zwischen den Faktoren Haltung und Groesse im MO-
DEL - Statement bewirkt, dass die beiden Faktoren getrennt als Hauptfaktoren
in das Modell aufgenommen werden, aber daneben auch ihre Wechselwir-
kung.
Die grundsätzliche Anpassung wurde über die Betrachtung der grafischen Mo-
dellresiduen vorgenommen. In Abb. 3.2.2 wird das Histogramm dieser Modell-
residuen dargestellt.
73

Abb. 3.2.2: Histogramm der Residuen des Grundmodells
Statistische Modelle
Man kann davon ausgehen, dass diese Verteilung genügt und die Varianzana-
lyse angewendet werden darf.
Der Residuenplot in Abb. 3.2.3 verdeutlicht, dass die Residuen verhältnismä-
ßig gleichmäßig um null streuen. Dabei ist nicht wichtig, dass die Residuen in
den einzelnen Gruppen sich so verhalten, sondern dass sie über alle Gruppe
gleichmäßig um null streuen.
74

Abb. 3.2.3: Residuenplot des Grundmodells
Statistische Modelle
Im SAS-Output 3.2.2 wird das Ergebnis des Grundmodells dargestellt.
SAS-Output 3.2.2: Ergebnis des Endmodells aus SAS-Programm 3.2.2
______________________________________________________________
Model: Haltungsform, Größe und deren Wechselwirkung
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
Source DF
Sum of
Squares Mean Square F Value Pr > F
Model 5 445.067278 89.013456 48.81

Statistische Modelle
R-Square Coeff Var Root MSE verluste1000Wo Mean
0.272053 60.35026 1.350453 2.237692
Source DF Type I SS Mean Square F Value Pr > F
Haltung 2 347.9286533 173.9643266 95.39

3.2.3 Dreifaktorielle Varianzanalyse und Cramér’s V
Statistische Modelle
In das so eben beschriebene Grundmodell wurde im Folgenden je eine der
weiteren möglichen Einflussvariablen als dritter Faktor aufgenommen. Dabei
wurden zwei verschiedene Modelle verwendet. Das erste Modell beinhaltet
neben den Hauptfaktoren nur die Wechselwirkung zwischen den Faktoren Hal-
tungsform und Betriebsgröße. In das zweite Modell wurde zusätzlich eine In-
teraktion zwischen der Haltungsform und dem dritten Faktor aufgenommen.
Für die Bewertung des Zusammenhangs zwischen dem jeweils dritten Faktor
und der Haltungsform wurde das Assoziationsmaß nach Cramér berechnet.
Das in Kapitel 2.4.6 gezeigte SAS-Programm 2.3.1 für den Zusammenhang
zwischen den Variablen Legelinie und Haltungsform erzeugt den SAS-Output
3.2.3, wobei die ebenfalls ausgegebene Häufigkeitstabelle nicht dargestellt ist.
SAS-Output 3.2.3: Chi²-Test und Assoziationsmasse für die Kreuzklassifikation Le-
gelinie * Haltungsform (gekürzt)
Statistic DF Value Prob
Chi-Square 10 147.9331

Statistische Modelle
Haltungsform als zu groß bewertet. Die weitere Betrachtung dieser Variablen
in der Modellbildung wurde daher verworfen.
Bei den übrigen Einflussfaktoren wurde bewertet, wie stark sie, wenn sie in
das Grundmodell aufgenommen wurden, das Bestimmtheitsmaß des Modells
erhöhten. Die Faktoren wurden weiter betrachtet, wenn sie das Bestimmt-
heitsmaß des Modells ohne Interaktion des dritten Faktors zur Haltungsform
um mehr als 2,5%-Punkte erhöhten oder im Modell mit dieser Wechselwirkung
5% zusätzliche Bestimmtheit erbrachten.
Lediglich die Faktoren Anzahl der Anfangshennen, Impfungen während der
Legeperiode: AE, Impfungen während der Legeperiode: Marek’sche Krankheit,
Impfungen während der Legeperiode: Pocken und Behandlungen während der
Legeperiode: Milbenbehandlung erfüllten die genannten Bedingungen.
3.2.4 Gesamtmodell mit sieben Einflussfaktoren
Mit den verbliebenen fünf Faktoren sowie den „Grundfaktoren“ Betriebsgrö-
ßenklasse und Haltungsform wurde ein siebenfaktorielles Modell erstellt, ohne
dabei jegliche Interaktion einfließen zu lassen. Die ANOVA – Tafel dieses Mo-
dells ist in Tabelle 3.2.1 dargestellt.
In diesem Fall wurden die Quadratsummen SS auf Basis der Typ III - Quadrat-
summenzerlegung berechnet. Das heißt, die Quadratsumme zu jeder Variati-
onsursache wurde um die Quadratsummen aller anderen ins Modell
aufgenommenen Faktoren bereinigt. Die Reihenfolge der Faktoren im Modell
spielt damit keine Rolle (vergl. Kapitel 2.4.4).
78

Statistische Modelle
Tabelle 3.2.1: Typ III - ANOVA-Tafel für das Gesamtmodell mit sieben Einflussfaktoren
für die Zielvariable Verluste pro 1 000 Anfangshennen und Woche (Mo-
dellbestimmtheit: R2 = 0,343; Kreienbrock [et al.], 2004, S. 94)
Variationsursache FG SS MS F-Wert Pr > F SS /
SSG*100
Haltungsform 2 224,954 112,477 65,72

3.2.5 Scheffé – Test und adjustierte Erwartungswerte
Statistische Modelle
Da der Faktor Haltung dreistufig ist (Boden-, Freiland- und Käfighaltung),
musste im Weiteren noch kontrolliert werden, ob sich wirklich jede Stufe von
den anderen beiden signifikant unterscheidet oder ob es auch Faktorstufen
gibt, die keinen signifikanten Unterschied zeigen. Dafür wurde der Scheffé –
Test genutzt. Die Basis für diesen Test bilden hier die adjustierten Erwar-
tungswerte, die unabhängig von unterschiedlichen Zellbesetzungszahlen der
Faktorkombinationen sind.
Die allgemeine Hypothese
rt
H µ µ = 0 (vergl. Kapitel 2.4.4) stellt sich
0 : r.
t.
für den Faktor Haltungsform des Endmodells wie folgt dar:
FB
KB
H µ µ = 0 , µ µ = 0
: 0 F . B.
KF
H µ µ = 0 .
: 0 K . F .
H und
: 0 K . B.
F steht dabei für Freilandhaltung, K für Käfighaltung und B für Bodenhaltung.
Der Punkt sagt aus, dass die adjustierten Erwartungswerte jeweils über alle
Stufen des zweiten Faktors, also der Betriebsgrößenklasse gebildet werden.
PROC GLM DATA=neu;
CLASS Haltung Groesse;
MODEL Verluste1000wo = Haltung | Groesse;
LSMEANS Haltung | Groesse/PDIFF ADJUST=Scheffe;
RUN;
SAS-Programm 3.2.3: Prozedur GLM mit adjustierten Erwartungswerten und Test nach
Scheffé für das Endmodell
Im SAS-Programm 3.2.3 wird ersichtlich, dass hier, anders als im allgemeinen
SAS-Programm 2.4.1, auch die adjustierten Mittelwerte der einzelnen Faktor-
stufenkombinationen berechnet und mit dem Scheffé – Test verglichen wer-
den.
Der SAS- Output dieser Prozedur wird im Folgenden dargestellt.
80

SAS-Output 3.2.4: Output von SAS-Programm 3.2.3 (gekürzt)
Statistische Modelle
______________________________________________________________
Haltung
verluste1000Wo
LSMEAN
LSMEAN
Number
Bo 2.88757062 1
Fr 3.55486927 2
Kä 1.72407666 3
Least Squares Means for effect Haltung
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: verluste1000Wo
i/j 1 2 3
1 0.0068

Least Squares Means for effect Haltung*Groesse
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: verluste1000Wo
Statistische Modelle
i/j 1 2 3 4 5 6
1 0.1976 0.5566

Statistische Modelle
Betrieben mit mehr als 50 000 Hennenhaltungsplätzen unterscheidet sich nur
signifikant von der Käfighaltung in beiden Größenklassen. Bodenhaltung in
kleineren Betrieben unterscheidet sich hinsichtlich der adjustierten Mittelwerte
für den Parameter Verluste pro 1 000 Anfangshennen und Wochen jedoch
nicht signifikant von der Käfighaltung in Großbetrieben.
Die adjustierten Mittelwerte wurden auf Grundlage des beschriebenen SAS-
Outputs in der Tabelle 3.2.2 zusammengefasst.
Tabelle 3.2.2: Adjustierte Mittelwerte für das Endmodell
Haltungssystem
Adjustierte
Mittelwerte
Betriebsgrößenklasse Bodenhaltung Freilandlandhaltung Käfighaltung Betriebsgröße
=50.000 3,370 4,207 1,950 3,175
Adjustierte Mittelwer-
te Haltungsform 2,888 3,555 1,724 2,722
Der adjustierte Gesamtmittelwert der Verluste pro 1 000 Anfangshennen und
Woche von 2,722 Tieren ergibt sich als Mittelwert der adjustierten Mittelwerte
über die Betriebsgrößenklassen bzw. die Haltungssysteme.
Indem man nun von jedem adjustierten Mittelwert der Faktorstufen von Hal-
tungsform und Betriebsgrößenklasse den adjustierten Gesamtmittelwert sub-
trahiert, wird ersichtlich, welchen geschätzten Effekt die Stufen der Faktoren
auf den Mittelwert der Verluste pro 1 000 Anfangshennen und Wochen zeigen.
Für die Effekte der einzelnen Wechselwirkungen werden die Mittelwerte der
entsprechenden Faktorstufen vom Zellmittelwert subtrahiert und der Gesamt-
mittelwert addiert (vergl. Kapitel 2.4.4). Alle geschätzten Effekte werden in
Tabelle 3.2.3 dargestellt.
83

Statistische Modelle
Tabelle 3.2.3: Effektschätzer für die Einflussfaktoren Haltungssystem, Betriebsgrö-
ßenklasse und Interaktion
Haltungssystem Haupteffekt
Betriebsgrößenklasse Bodenhaltung Freilandlandhaltung Käfighaltung Betriebsgröße
=50.000
Haupteffekt
0,029 0,199 -0,227 0,453
Haltungsform 0,166 0,833 -0,998
Es zeigt sich, dass die Haltungsform Bodenhaltung den Gesamtmittelwert der
Verluste pro 1 000 Anfangshennen und Woche um geschätzte 0,166 Tiere
erhöht. Bei Betrieben mit mehr als 50 000 Hennenhaltungsplätzen steigt der
adjustierte Mittelwert um geschätzte 0,453 Tiere. Für Durchgänge mit der Hal-
tungsform Bodenhaltung in Betrieben mit mehr als 50 000 Hennenhaltungs-
plätzen erhöht sich der Mittelwert durch die Faktorstufe „Bodenhaltung“ also
um 0,166 Tiere, um weitere 0,453 Tiere durch die Faktorstufe „Betriebe mit
mehr als 50 000 Hennenhaltungsplätzen“ und um zusätzliche 0,029 Tiere
durch die Wechselwirkung dieser beiden Faktorstufen.
Die Haltungsform, die den Mittelwert am stärksten erhöht, ist die Freilandhal-
tung. Hier ist das Niveau der Mortalität also besonders hoch. Einen senkenden
Effekt auf die Mortalität hat lediglich die Haltungsform Käfig. Sie senkt den ad-
justierten Mittelwert um geschätzte 0,998 Tiere. Bei den Betriebsgrößen haben
die kleineren Betriebe einen senkenden, die größeren einen erhöhenden Ef-
fekt.
3.2.6 Gesamtmodell mit vier Einflussfaktoren
Durch das Festlegen der Variablen im Endmodell über ein zu überschreiten-
des Bestimmtheitsmaß von zusätzlich mindestens 2,5 % wurden auch die Va-
riablen Anfangshennen (f1_6anz_ein_quali) und Milbenbehandlung
während der Legeperiode (f1_10beh_w_i) aus dem Endmodell bei Krei-
enbrock [et al.] (2004) ausgeschlossen. Der F-Test zeigt jedoch bei einer Irr-
tumswahrscheinlichkeit von unter 5% (Pr > F = 0,0003 bzw. Pr > F = 0,0004)
84

Statistische Modelle
signifikante Unterschiede zwischen ihren Stufen (s. Tabelle 3.2.1). Das heißt,
es gibt sowohl Unterschiede zwischen Durchgängen, bei denen und bei denen
nicht gegen Milben behandelt wurde, als auch Unterschiede zwischen den
Klassen der Anfangshennen. Um die Einflüsse dieser beiden Faktoren eben-
falls zu bewerten, wurden sie im Rahmen dieser Arbeit zusätzlich in das End-
modell aufgenommen. In Abb. 3.2.4 sind die dazugehörigen Interaktionsplots
dargestellt.
Die Signifikanz dieser Wechselwirkungen musste im Weiteren geprüft werden.
Bei der Betrachtung der Wechselwirkung zwischen der Betriebsgrößenklasse
und den Anfangshennen zeigt sich jedoch, dass in den Betrieben mit weniger
als 50 000 Legehennenplätzen die Stufe „oberes Quartil“ des Faktors An-
fangshennen fehlt. Aufgrund dieser fehlenden Faktorstufenkombination wurde
diese Interaktion nicht modelliert. Die übrigen Interaktionen wurden zunächst
zusammen in das Modell aufgenommen. Die Wechselwirkung mit dem nied-
rigsten nicht-signifikanten F-Wert nach der Typ III – Quadratsummenzerlegung
wurde aus dem Modell ausgeschlossen. Danach wurde das Modell ohne diese
Interaktion erneut gerechnet und die nächste Interaktion ausgeschlossen, bis
nur noch die im Modell verblieben, die einen signifikanten F-Wert, also einen
signifikanten Unterschied zwischen den Mittelwerten der Faktorstufenkombina-
tionen, zeigten. Entsprechende SAS – Outputs zu diesem schrittweisen Ver-
fahren finden sich im Anhang.
Nur die Interaktion zwischen der Betriebsgrößenklasse und der Behandlung
gegen Milben während der Legeperiode konnte im Modell verbleiben. Auch die
im Endmodell signifikante Wechselwirkung zwischen Betriebsgrößenklasse
und Haltungsform fiel also aus dem Modell heraus.
85

Statistische Modelle
Abb. 3.2.4: Interaktionsplots für die Verluste pro 1 000 Anfangshennen und Woche
für das modifizierte Endmodell
86

Statistische Modelle
Die SAS-Syntax für das modifizierte Endmodell stellt sich wie in SAS-
Programm 3.2.4 gezeigt dar.
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse
f1_6anz_ein_quali f1_10beh_w_i
f1_10beh_w_i *Groesse;
LSMEANS Haltung Groesse f1_6anz_ein_quali
f1_10beh_w_i Groesse*f1_10beh_w_i/ PDIFF
ADJUST=SCHEFFE;
RUN;
SAS-Programm 3.2.4: Modifiziertes Endmodell
Die ANOVA - Tafel des Modells nach der Typ I – Quadratsummenzerlegung ist
als Zusammenfassung des dazugehörigen SAS-Outputs in Tabelle 3.2.4 dar-
gestellt worden. Die Reihenfolge der Faktoren im Modell spielt hier eine wich-
tige Rolle. Der zentrale Faktor der beschriebenen Untersuchung ist das
Haltungssystem, daher wurde es an erste Stelle gestellt. Als zweitwichtigster
Faktor zeigte sich die Betriebsgrößenklasse, die hier daher an zweiter Position
steht. Genauso wie die ersten beiden Faktoren ist die Anzahl der Anfangshen-
nen ein primärer Einflussfaktor. Er folgt daher an dritter Stelle. Die sekundäre
Prozessvariable Milbenbehandlung während der Legeperiode ist zusammen
mit ihrer Wechselwirkung zur Betriebsgrößenklasse an letzter Position zu fin-
den.
87

Statistische Modelle
Tabelle 3.2.4: Typ I – ANOVA - Tafel für das modifizierte Endmodell mit vier Einfluss-
faktoren für die Zielvariable Verluste pro 1 000 Anfangshennen und Wo-
che (Modellbestimmtheit: R 2 = 0,324771)
Variationsursache FG SS MS F-Wert Pr > F
Haltungsform 2 342,6523647 171,3261824 99,11

Statistische Modelle
SAS-Output 3.2.5: Modifiziertes Endmodell mit vier Einflussfaktoren und Interaktion
zwischen dem Einflussfaktor Milbenbehandlung während der Lege-
periode und dem Faktor Betriebsgrößenklasse (gekürzt)
______________________________________________________________
Least Squares Means
Adjustment for Multiple Comparisons: Scheffe
Haltung
verluste1000Wo
LSMEAN
LSMEAN
Number
Bodenhaltung 2.52997806 1
Freilandhaltung 3.21705611 2
Käfig-Batterieha 1.66003525 3
Least Squares Means for effect Haltung
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: verluste1000Wo
i/j 1 2 3
1 0.0034

f1_6anz_ein_quali
verluste1000Wo
LSMEAN
Statistische Modelle
LSMEAN
Number
im IQR 2.72362744 1
oberes Quartil 2.08164785 2
unteres Quartil 2.60179414 3
Least Squares Means for effect f1_6anz_ein_quali
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: verluste1000Wo
i/j 1 2 3
1 0.0003 0.7229
2 0.0003 0.0514
3 0.7229 0.0514
f1_10beh_w_i
verluste1000Wo
H0:LSMean1=LSMean2
LSMEAN Pr > |t|
einmal 2.69383878 0.0002
gar nicht 2.24420751
Groesse f1_10beh_w_i
verluste1000Wo
LSMEAN
LSMEAN
Number
=50 000 gar nicht 2.52141808 4
90

Least Squares Means for effect Groesse*f1_10beh_w_i
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: verluste1000Wo
Statistische Modelle
i/j 1 2 3 4
1 0.8042

1,000
0,800
0,600
0,400
0,200
0,000
-0,200
-0,400
-0,600
-0,800
-1,000
0,061
Boden
0,748
Freiland
-0,809
Käfig-
Batterie
-0,419
unter
50.000
0,419
mindestens
50.000
0,133
unteres
Quartil
0,255
im IQR
Statistische Modelle
-0,387
oberes
Quartil
0,225
-0,225
Haltungsform Betriebsgröße Anfangshennen Milbenbeh.
während d.
Legeperiode
Abb. 3.2.5: Effekte der Einflussgrößen des Gesamtmodells mit vier Faktoren auf die
Verluste pro 1000 Anfangshennen und Woche (adjustierter Gesamtmittel-
wert = 2,469)
Die Effekte des Faktors Haltungsform fallen etwas schwächer aus, als im
Endmodell mit zwei Einflussfaktoren (vergl. Tabelle 3.2.2). Gleiches gilt für die
Effekte der Betriebsgröße. Bei den Stufen der Anfangshennen zeigt sich, dass
sowohl kleine, als auch mittlere Zahlen von Anfangshennen einen erhöhenden
Effekt auf den Mittelwert der Verluste pro 1 000 Anfangshennen und Woche
haben. Werden besonders viele Tiere in einem Stall eingestallt, so kann von
einem positiven Effekt ausgegangen werden. Allerdings ist, wie schon oben
erwähnt, nur der Unterschied zwischen den Stufen „im IQR“ und „oberes Quar-
til“ signifikant. Werden während eines Durchgangs Milbenbehandlungen
durchgeführt, so hat dies einen erhöhenden Einfluss auf den Mittelwert der
Mortalität, wogegen Durchgänge ohne Milbenbehandlung den Mittelwert ver-
ringern.
ja
nein
92

4 Diskussion und Ausblick
Diskussion und Ausblick
Im Verlauf der Studie zeigte sich, dass die Erfassung und Aufbereitung der
Daten, wie sie in den Kapiteln 2.1 bis 2.3 beschrieben wurde, einen erhebli-
chen Anteil der Arbeit an der gesamten Studie ausmachte. Die Vorarbeiten für
die statistischen Auswertungen stellten sich als bedeutend umfangreicher her-
aus als die Auswertungen selbst.
So war etwa die Dateneingabe selbst bei Fragebögen, die exakt nach der vor-
gegebenen Form ausgefüllt wurden, sehr zeitaufwändig. Im Fragebogenteil B
wurden für bis zu sechs Variablen Angaben zu, je nach Haltungsform, durch-
schnittlich 51 bis 61 Lebenswochen der Tiere gemacht. Die Eingabe dieser
Daten erforderte besonders viel Zeit und führte durch die Masse an Zahlen
schnell zu Eingabefehlern. Außerdem kam es bei der Dateneingabe zu Prob-
lemen, die auf das unterschiedliche Ausfüllverhalten der Betriebsleiter zurück-
zuführen sind. Als Beispiel seien hier die Wochendaten im Fragebogenteil B
genannt. Wurden hier keine Angaben zu einzelnen Wochen gemacht, sondern
zu einzelnen Tagen, Monaten oder vierwöchigen Perioden oder wurden die
Verluste kumuliert, so mussten diese Daten aufwändig in umgeformt werden.
Ansonsten wäre eine Vergleichbarkeit aller Daten nicht gewährleistet gewe-
sen. Auch die Struktur der Datenbank musste durch verschiedene unvorher-
gesehene Angaben in den Fragebögen erweitert werden.
Die Aufbereitung der Daten im SAS-System ist ein weiterer Punkt. Hier muss-
ten aussagekräftige Parameter aus den erfassten Variablen definiert und be-
rechnet werden. Besonders die Mortalität ist hier als wichtiger Parameter zu
nennen. Die unterschiedlichen Definitionen der Mortalität mussten bewertet
werden, um einen möglichst aussagekräftigen und exakten Parameter zu er-
halten.
Auch die Plausibilitätsprüfungen erforderten ein Höchstmaß an Arbeitszeit.
Sowohl die Planung, welche Variablen in welcher Form geprüft werden sollten,
die Umsetzung der entsprechenden Syntax als auch der Vergleich zwischen
93

Diskussion und Ausblick
den elektronisch erfassten Daten und den Angaben im Fragebogen gestalte-
ten sich als sehr umfangreich. Die Klärung von Unklarheiten im Fragebogen
durch indirekte Kontaktaufnahme zu den Betrieben über die Treuhandstelle
gehört ebenso in diesen zeitintensiven Bereich.
Auch die Vorbereitung der Daten für die statistische Modellbildung, wie sie in
Kapitel 2.4 beschrieben wird, und die anschließende Auswahl von Einflussfak-
toren beanspruchten viel Zeit.
Die Ergebnisse dieser statistischen Modelle zeigten, dass durch die Faktoren
Haltungsform und Betriebsgrößenklasse 27,21 % der Variation der Zielgröße
erklärt werden konnten. Das vierfaktorielle Modell mit den Faktoren Haltungs-
form, Betriebsgrößenklasse, Anzahl der Anfangshennen und Milbenbehand-
lung während der Legeperiode erreichte ein Bestimmtheitsmaß von 32,48 %.
Es konnte also rund ein Drittel der Variation der Zielgröße erklärt werden. Die
verbleibenden zwei Drittel sind anhand der erhobenen Merkmale nicht zu klä-
ren. Es ist aber deutlich geworden, dass das Haltungssystem einen entschei-
denden Einfluss auf die Mortalität hat. Im einfaktoriellen Modell zeigte der
Faktor ein Bestimmtheitsmaß von 21,3 %, und auch durch die Betrachtung
weiterer Faktoren konnte dieser Grad der Erklärung der Variation der Zielvari-
ablen nur vergleichsweise gering erhöht werden. Die Haltungsform ist damit
der mit Abstand wichtigste erhobene Einflussfaktor.
Der Informationsgehalt der in der Studie gewonnenen Daten kann damit aller-
dings noch nicht als ausgeschöpft betrachtet werden. Es wird weitere Analy-
sen geben müssen, die die Grundlage für die Beurteilung des Einflusses der
Haltungsformen und anderer Parameter auf Zielgrößen der Tiergesundheit
und der Tierleistung sein können. Auf Grundlage der wöchentlichen Verluste
ist etwa eine Beurteilung der zeitlichen Entwicklung der Mortalität möglich. Es
kann gezeigt werden, wie sich die Mortalität in den verschiedenen Haltungs-
systemen im zeitlichen Verlauf entwickelt. Außerdem kann analysiert werden,
welche Faktoren neben dem Haltungssystem einen Einfluss auf diese Überle-
benszeit zeigen. Für diese Überlebenszeitanalysen sind etwa die Kaplan-
94

Diskussion und Ausblick
Meier-Methode und die Regressionsanalyse nach Cox mögliche statistische
Auswerteverfahren.
95

5 Danksagung
Danksagung
Diese Diplomarbeit entstand im Studiengang Biowissenschaftliche Dokumen-
tation der Fachhochschule Hannover unter der Betreuung von Frau Prof. Klen-
ke und in Zusammenarbeit mit dem Institut für Biometrie, Epidemiologie und
Informationsverarbeitung an der Tierärztlichen Hochschule Hannover.
Ich danke Herrn Prof. Kreienbrock für die Überlassung des Themas. Außer-
dem danke ich ihm und Frau Prof. Klenke für die geleistete Betreuung und
Beratung.
Für das angenehme Arbeitsklima und die Unterstützung für diese Arbeit danke
ich den Mitarbeitern des Instituts. Mein besonderer Dank gilt hier Herrn Dr.
Beyerbach, der mir mit seinen kompetenten Antworten auf meine Fragen im-
mer sehr geholfen hat.
Des Weiteren danke ich meinen Eltern für die mentale und finanzielle Unter-
stützung und all jenen, die mir sonst noch in vielfältiger Form geholfen haben.
96

6 Literaturverzeichnis
Literaturverzeichnis
[BMVEL 2002] Bundesministerium für Verbraucherschutz, Er-
nährung und Landwirtschaft (2002.02.28):
Erste Verordnung zur Änderung der Tierschutz-
Nutztierhaltungsverordnung – Stand: 28. Februar
2002
URL: http://www.bml.de/data/
3BF4B6490FBA4CAAADA98F90E49B04C9.0.pdf
[Abrufdatum: 02.05.2004]
[Böttcher 2003] Böttcher, W. (2003):
ZMP-Marktbilanz Eier und Geflügel 2003:
Deutschland, Europäische Union, Weltmarkt. –
Bonn: ZMP Zentrale Markt- und Preisberichtsstelle
GmbH, 2003
ISBN: 3-935898-42-8
[Byrkit 1987] Byrkit, D. R. (1987):
Statistic Today: A Comprehensive Introduction. -
Menlo Park, California: Benjamin / Cummings,
1987
ISBN 0-8053-0740-0
[Dufner / Jensen / Schumacher
1992]
[Fahrmeir [et al.] 2001]
Dufner, J.; Jensen, U.; Schumacher, E. (1992):
Statistik mit SAS: mit Beispielen und Übungsauf-
gaben. – Stuttgart: Teubner, 1992
ISBN 3-519-02088-2
Fahrmeir, L.; Künstler, R.; Pigeot, I.; Tutz, G.
(2001):
Statistik: der Weg zur Datenanalyse. – 3., verb.
Aufl. – Berlin [u.a.]: Springer, 2001
97

ISBN 3-540-67826-3
Literaturverzeichnis
[Grubbs / Beck 1972] Grubbs, F.E.; Beck, G. (1972):
Extensions of sample sizes and percentage
points for significance tests of outlying observations
In: Technometrics 14(4), 1972, p. 847-854
[Hartung [et al.] 1999] Hartung, J. ; Elpelt, B.; Klösener, K.-H. (1999):
Statistik: Lehr- und Handbuch der angewandten
Statistik. – 12., unwes. veränd. Aufl. – München;
Wien: Oldenbourg, 1999
ISBN 3-486-24984-3
[Kreienbrock [et al.] 2004] Kreienbrock, L. ; Schäl, J. ; Beyerbach, M.; Rohn,
[Landtag Mecklenburg-
Vorpommern 1998]
K.; Glaser, S.; Schneider, B. (2004):
Orientierende epidemiologische Untersuchung
zum Leistungsniveau und Gesundheitszustand in
Legehennenhaltungen verschiedener Haltungs-
systeme: Abschlussbericht. – Hannover: Tierärzt-
liche Hochschule Hannover, Institut für Biometrie,
Epidemiologie und Informationsverarbeitung,
2004
Landtag Mecklenburg-Vorpommern (1998.01.07):
Bericht über geeignete Alternativen zur Käfighal-
tung von Legehennen unter dem Gesichtspunkt
des Tierschutzes, der Hygiene und der Wirt-
schaftlichkeit. - Stand: 07. Januar 1998
URL: www.dokumentenarchiv.landtag-
mv.de/archiv/drucksachen/ 2_Wahlperiode/D02-
3000/D02-3435.pdf
[Abrufdatum: 03.05.2004]
98

[Noack [Hrsg.] 2003]
[Pflaumer / Heine / Hartung
1999]
Noack, W. [Hrsg.] (2003):
Literaturverzeichnis
Access 2003: Grundlagen für Datenbank-
Entwickler. – Hannover: Regionales Rechenzent-
rum für Niedersachsen / Universität Hannover,
2003
Pflaumer, P.; Heine, B.; Hartung, J. (1999):
Statistik für Wirtschafts- und Sozialwissenschaf-
ten: Lehr- und Übungsbuch. – München; Wien:
Oldenbourg, 1999
ISBN 3-486-24008-0
[SAS 1999] SAS Institute Inc. (1999):
SAS OnlineDoc®, Version 8. - Cary, NC: SAS
Institute Inc., 1999
[Searle 1987]
Searle, S. R. (1987):
Linear models for unbalanced data. – New York
[u.a.]: John Wiley & Sons, 1987
ISBN 0-471-84096-3
[Scheffé 1959] Scheffé, H. (1959):
The Analysis of Variance. – New York; London:
John Wiley & Sons, 1959
[Tierärztliche Hochschule
Hannover 2004]
Tierärztliche Hochschule Hannover:
Legehennen-Haltungssystem im Lehr- und For-
schungsgut Ruthe
URL: http://www.tiho-
hannover.de/einricht/ruthe/pdf/syst_n.pdf
[Abrufdatum: 03.05.2004]
99

[Winer 1971]
Winer, B. J. (1971):
Literaturverzeichnis
Statistical principles in experimental design. –
2nd ed. - New York [et al.]: McGraw-Hill, 1971
100

101

7 Anhänge
Anhänge
A. Fragebogen und Codierungsplan.......................................................... 103
B. SAS-Programme ................................................................................... 123
B.1 Formate und Makros ...................................................................... 123
B.2 Datenimport.................................................................................... 128
B.3 Deskriptive Auswertungen für die Variable Legelinie ..................... 133
B.4 Ausreißertest.................................................................................. 134
B.5 Histogramm der Residuen und Residuenplot................................. 135
B.6 Interaktionsplots ............................................................................. 136
B.7 Modellbildung für das modifizierte Endmodell................................ 138
C. SAS-Outputs...................................................................................... 140
C.1 Modellbildung für das modifizierte Endmodell (gekürzt)................. 140
D. CD-Verzeichnis.................................................................................. 145
102

A. Fragebogen und Codierungsplan
Fragebogen und Codierungsplan
103

Projekt
Fragebogen und Codierungsplan
Epidemiologische Untersuchungen
Legehennen
Fragebogen für Tierbesitzer
Orientierende epidemiologische Untersuchung zum Leistungsniveau und Gesundheitsstatus
in Legehennenhaltungen verschiedener Haltungssysteme
Tierärztliche Hochschule Hannover
Institut für Biometrie, Epidemiologie und
Informationsverarbeitung
104

Sehr geehrter Tierhalter,
Fragebogen und Codierungsplan
anliegend finden Sie den Fragebogen zur Untersuchung zum Leistungsniveau und Gesundheitsstatus in
Legehennenhaltungen. Die Erhebung wird durch die Tierärztliche Hochschule Hannover durchgeführt; die
Niedersächsische Geflügelwirtschaft und das Niedersächsische Ministerium für Ernährung, Landwirtschaft
und Forsten haben bei der Erarbeitung mitgewirkt.
Wir möchten Sie bitten, sich an dieser Erhebung zu beteiligen und für jeden Legehennen-Durchgang einer
Herde der letzten drei Jahre (2000, 2001, 2002) in Ihrem Betrieb einen Fragebogen auszufüllen.
Die Teilnahme an der Erhebung ist freiwillig. Um einen optimalen Datenschutz zu gewährleisten und einen
Missbrauch der Daten zu verhindern, werden die Daten durch eine Treuhandstelle bei der Niedersächsi-
schen Geflügelwirtschaft anonymisiert. Zur Wahrung der Anonymität erfolgt eine Trennung der Indentifi-
kationsdaten auf dieser Seite von dem nachfolgenden Fragebogen. Die Mitarbeiter der Treuhandstelle sind
zur Vertraulichkeit verpflichtet. Erst nach Anonymisierung werden die Daten an die Tierärztliche Hoch-
schule Hannover weitergeleitet. Auch hier sind alle an der Auswertung Beteiligten zur Vertraulichkeit ver-
pflichtet. Eine Weitergabe der Daten an Dritte erfolgt nicht.
Sollten Sie Rückfragen haben, so können Sie sich an Ihren Landesverband wenden. Außerdem stehen
Ihnen die folgenden Institutionen gerne zur Verfügung:
Geschäftstelle der Niedersächsischen Geflügelwirtschaft � 0441 / 9849840
Tierärztliche Hochschule Hannover � 0511 / 953-
7956
Bei Bedarf können Sie weitere zusätzliche Fragebögen anfordern.
Wir bedanken uns auch im Namen der beteiligten Verbände und des Niedersächsischen Ministeriums für
Ernährung, Landwirtschaft und Forsten für Ihre Mühe.
Ihr Studienteam
Bitte geben Sie Ihren Namen und Ihre Anschrift an:
(Betrieb / Firmenname )
(Straße, Hausnummer)
(PLZ) (Ort)
105

A-1
A-2
A-3
Fragebogen und Codierungsplan
Bitte geben Sie hier Ihr Bundesland an: _______________________
A Bitte beantworten Sie die folgenden Fragen über einen Durchgang / eine
Legeperiode für eine Herde!
An welchem Datum wurden die
Tiere eingestallt?
Erfolgt die Belegung des Haltungssystems
zum ersten Mal, oder gab es schon vorhe-
rige Belegungen in diesem Haltungssys-
tem?
Welche Legelinie wurde
eingestallt?
� Bovans braun
� Hisex braun
� Hy-Line braun
� Shaver braun
� Lohmann braun
. .
� Erstbelegung
� Folgebelegung
� Lohmann Tradition
� Tetra
� ISA
� Bovans weiß
� Hisex weiß
� Hy-Line weiß
� Shaver weiß
� Lohmann LSL
106

A-4
A-5
A-6
A-7
Welche Haltungsform kam zur Anwendung?
(Bitte beachten Sie dazu die Fußnoten)
Zu welcher Wirtschaftsform zählt Ihr Betrieb?
(Bitte beachten Sie dazu die Fußnote)
Wieviele Tiere wurden eingestallt? Bitte ge-
ben sie die genaue Anzahl an (Herdengröße) 5 .
Wie alt waren die Hennen am
Einstallungstag?
Fragebogen und Codierungsplan
� Bodenhaltung 1 ohne Auslauf
� Bodenhaltung mit Auslauf
� Volierenhaltung 2 ohne Auslauf
� Volierenhaltung mit Auslauf
� Herkömmliche 3 Käfighaltung
� Kleingruppenhaltung
� herkömmlich
� ökologisch 4
__________ Stück
__________ Wochen ________ Tage
1 Als Bodenhaltung gelten hier Haltungen auf einer Ebene, die mit den sog. A-Reuten angereichert sein
können. Die Besatzdichte kann bis zu max. 9 Tiere/qm nutzbarer Fläche betragen und sollte nicht unter 7
Tieren/qm nutzbarer Fläche liegen.
2 Als Volierenhaltung gelten Haltungen, bei denen sich die Tiere auf mehreren Ebenen bewegen können.
Besatzdichte s. Fußnote 1.
3 Als herkömmliche Käfige gelten solche Einrichtungen, die dem Stand der Technik der letzten 10 Jahre
entsprechen.
4 Als „ökologisch wirtschaftend“ gelten hier solche Betriebe, die sowohl hinsichtlich der Haltungsbedingungen
als auch der Fütterung die Bedingungen der Verordnung (EWG) Nr. 2092/91 (EU-Öko-
Verordnung) erfüllen.
5 Als Herde gelten die Tiere, die einer Versorgungseinheit angehören
107

Fragebogen und Codierungsplan
A-8 Wurden die Hennen in der Aufzuchtphase bzw. vor der Einstallung gegen
A-9
folgende Krankheiten geimpft?
Aviäre Enzephalomyelitis (AE)
Egg-Drop-Syndrom (EDS)
Escherichia coli-Infektion
Coryza contagiosa (ansteck. Geflügelschnupfen)
Infektiöse Bronchitis (IB)
Infektiöse Bursitis (Gumboro)
Infektiöse Laryngotracheitis (ILT)
Kokzidiose
Marek’sche Krankheit (IBD)
Mykoplasma-Infektion (MG)
Newcastle Disease (ND)
Pasteurellen
Pocken
Rotlauf
Salmonellen-Infektion
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� ja
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
� nein
Sonstiges ____________________________________
Wurden die folgenden Behandlungen in der Aufzuchtphase bzw. vor der Einstallung an
den Hennen durchgeführt?
Blutproben zur Überprüfung der Antikörpertiter
Kürzung der Schnäbel (touchieren)
Behandlung gegen Wurmbefall
Behandlung gegen Milbenbefall
� ja
� ja
� ja
� ja
� nein
� nein
� nein
� nein
108

A-10
A-11
Fragebogen und Codierungsplan
Wie häufig wurden die folgenden Impfungen / Behandlungen
während der Legeperiode im Bestand durchgeführt?
Antibiotische Behandlung
Impfung gegen Aviäre Enzephalomyelitis (AE)
Impfung gegen infektiöse Bronchitis (IB)
Impfung gegen Marek’sche Krankheit
Impfung gegen Newcastle Disease (ND)
Impfung gegen Pocken
Impfung gegen Rotlauf
Behandlung gegen Wurmbefall
Behandlung gegen Milbenbefall
Blutproben zur Überprüfung der Antikörpertiter
Sonstiges
___________________________
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� gar nicht
� einmal
� einmal
� einmal
� einmal
� einmal
� einmal
� einmal
� einmal
� einmal
� einmal
� einmal
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
� mehrmals
Welche der folgenden Verhaltensbesonderheiten konnten Sie an Ihrem Bestand ( in Teilen Ihres
Bestandes) während der Legeperiode beobachten?
Federpicken
Kannibalismus
Zehenpicken
Sonstiges
� gar nicht
� gar nicht
� gar nicht
� manchmal
� manchmal
� manchmal
____________________________ � manchmal
� häufig
� häufig
� häufig
� häufig
109

A-12
A-13
A-14
A-15
An welchem Datum wurden die Tiere
ausgestallt?
Bitte geben Sie die genaue Anzahl der am Ende der Legepe-
riode ausgestallten Tiere an.
Bitte geben Sie das durchschnittliche
Lebendgewicht der Hennen nach Ende der
Legeperiode in Gramm an.
Wieviel Futter wurde in dieser Legeperiode vom Bestand
verbraucht (in Tonnen) ?
Fragebogen und Codierungsplan
. .
__________ Stück
__________ g
__________ Tonnen
110

Fragebogen und Codierungsplan
Bitte füllen Sie die folgenden 3 Fragen nur aus, wenn Ihnen der
Veterinärmedizinische Untersuchungsbericht vorliegt!
Ansonsten fahren Sie bitte mit Frage A-19 fort!
A-16 An wievielen der am Schlachthof verworfenen Tiere wurden folgende Befunde festgestellt?
Bitte geben Sie die Anzahl an.
(Bitte nur Daten aus veterinärmedizinischem Untersuchungsbericht verwenden!)
Tod ohne dokumentierten Einfluss 6 ..........................................
__________ Stück
Erkrankungen 7 .......................................................................... __________ Stück
Verletzungen 8 ............................................................................
Hochgradige Abmagerungen / Kümmerwachstum 9 ..................
sonstige Gründe........................................................................
A-17 Wie wurde der Befiederungszustand der
Hennen beurteilt?
(Bitte nur Daten aus veterinärmedizinischem Untersuchungsbericht
verwenden!)
__________ Stück
__________ Stück
__________ Stück
� gut
� mäßig
� gering
� sehr wenig
6
Natürlicher Tod, Schlachtung in der Agonie, unvollkommenes Ausbluten.
7
Hierzu zählen: Bakteriämien, Virämien, Zoonosen, anzeige- und meldepflichtige Erkrankungen, Bauchwassersucht,
Gelbsucht, bösartige und multiple Geschwülste, Abszesse, Parasitenbefall.
8
Umfangreiche Verletzungen (z.B. Schenkelbrüche), örtlich begrenzte Verletzungen, Entzündungen, umfangreiche
blutige / wässrige Durchtränkung.
9
Hierzu zählen auch Tiere mit Missbildungen.
111

A-18 Wie wurde die Tierkörperqualität der Hennen
beurteilt?
A-19
(Bitte nur Daten aus veterinärmedizinischem Untersuchungsbericht
verwenden)
Fragebogen und Codierungsplan
� Gut befleischt
� Mittelmäßig befleischt
� Mäßig befleischt, kaum Fettan-
satz
� Schlechter Ernährungzustand
(abgemagert)
Wenn es besondere Ereignisse oder außergewöhnliche Vorkommnisse während dieses Durchgangs
gab, führen Sie diese bitte hier auf.
B Bitte füllen Sie nun noch die folgende Tabelle über die wöchentlich erhobenen
Daten in dieser Legeperiode aus.
Auf den folgenden Seiten finden Sie eine Tabelle für die wöchentliche Datenerhebung
zu Tierverlusten und Leistungsziffern
Bitte beginnen Sie Ihre Dateneintragungen immer genau in der Zeile mit der Lebenswoche, in der die Tiere
eingestallt wurden. Nicht benötigte Zeilen lassen Sie einfach frei.
�
Bitte umblättern
112

Fragebogen und Codierungsplan
Bitte geben Sie hier für jede Woche die Tierverluste und Leistungsziffern entsprechend der
Spaltenüberschriften ein.
Bitte beginnen Sie Ihre Dateneintragungen immer genau in der Zeile mit der Lebenswoche, in der die Tiere
eingestallt wurden. Nicht benötigte Zeilen lassen Sie einfach frei.
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
Lebenswoche
Tierverluste Leistungsziffern
ANZAHL
der im Bestand verendeten
Tiere
ANZAHL der gelegten
Eier
10 Als aussortierte Eier gelten Schmutz-, Knick- und Brucheier
ANZAHL der aussortierten
Eier 10
durchschnittliches
Eigewicht in Gramm
113

Fortsetzung:
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
Lebenswoche
ANZAHL
der im Bestand
verendeten Tiere
ANZAHL der
gelegten Eier
11 Als aussortierte Eier gelten Schmutz-, Knick- und Brucheier
Fragebogen und Codierungsplan
ANZAHL der aussor-
tierten Eier 11
durchschnittliches
Eigewicht in Gramm
114

Fortsetzung:
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
Lebenswoche
ANZAHL
der im Bestand
verendeten Tiere
ANZAHL der gelegten
Eier
12 Als aussortierte Eier gelten Schmutz-, Knick- und Brucheier
Fragebogen und Codierungsplan
ANZAHL der aussor-
tierten Eier 12
durchschnittliches
Eigewicht in Gramm
115

Fragebogen und Codierungsplan
116

Tierärztliche Hochschule Hannover Postfach 711180 30545 Hannover
Fragebogen und Codierungsplan
Prof. Dr. Lothar Kreienbrock
Dipl.-Dok. Bettina Schneider
Inst. für Biometrie, Epidemiologie u. Informationsverarbeitung
Tierärztliche Hochschule Hannover
Bünteweg 2
30559 H a n n o v e r
Tel.: + 49 (0) 511 / 953-7950, Kreienbrock
+ 49 (0) 511 / 953-7957, Schneider
Fax: + 49 (0) 511 / 953-7974
e-mail: lothar.kreienbrock@tiho-hannover.de
bettina.schneider@tiho-hannover.de
http: //www.tiho-hannover.de/einricht/bioepi/index.htm
Az: Codierungsplan_Variablenliste
Codierungsplan zur Variablenliste und zum Fragebogen zum Projekt
Orientierende epidemiologische Untersuchungen zum Leistungsniveau und Gesundheitsstatus
in Legehennenhaltungen verschiedener Haltungssysteme
117

Die Variablennamen wurden nach folgendem Muster erstellt:
Eine Variable lässt sich in 3 Teile aufgliedern:
1 Teil: Fragenkategorie 0 � Identifikationsdaten
1 � Durchgangsdaten
2 � Leistungsdaten pro Woche
Fragebogen und Codierungsplan
2. Teil: Fragenummer nach einem Unterstrich folgt die Nummer der Frage aus dem Fragebogen. Bsp. Frage num
mer A-2 erhält nach dem Unterstirch eine _2
3. Teil: Parameter Es folgt eine Kurzfassung des Frageninhalts. Bsp.: Frage A-2 behandelt die Bele
gungsart des Haltungssystems.Demnach erhält die Variable die Kurzform belegart
0 - Identifikationsdaten
Zur Verschlüsselung der Betriebe zwecks Anonymisierung zur Berücksichtigung des Datenschutzes.
Nr. Variablen-name Parameter mögliche Ausprägung Wertebereich / Codierung
0_1 Tierbesitzer (Name, Anschrift)
Freitext entfällt
(!!! Diese Daten werden nicht an die
Tierärztliche Hochschule Hannover weitergeben !!!)
0_2 0_2lfdnr Nummer Lfd. Nr. 1 –
laut Paginierstempel
0_3 0_3bdld Bundesland
Text
Zahl (1-16)
DB-Realisierung
Prf_Bundesland 99=keine Angabe
Gültigkeitsregeln
Nachschlageliste
I - Durchgangsparameter
Nr. Variablen-name Parameter mögliche Ausprägung /
1_1 1_1dat_ein
1_2 1_2belegart
Einstallungsdatum
Antwortvorgabe
Datum
Gültigkeitsregeln

1_3 1_3legelinie
Legelinie
DB-Realisierung
Gültigkeitsregeln
1_4 1_4haltung Haltungsform
DB-Realisierung
Gültigkeitsregeln
1_5 1_5wirtschaft Wirtschaftsform
DB-Realisierung
Gültigkeitsregeln
1_6 1_6anz_ein Anzahl der eingestallten Zahl
1_7 1_7alter_ein_w
1_7alter_ein_t
Hennen (Herdengröße 17 )
Bovans braun
Hisex braun
Hy-Line braun
Shaver braun
Lohmann braun
Lohmann Tradition
Tetra
ISA
Bovans weiß
Hisex weiß
Hy-Line weiß
Shaver weiß
Lohmann LSL
Prf_Linie
Nachschlageliste
Bodenhaltung 13 o. Auslauf
Bodenhaltung m. Auslauf
Volierenhaltung 14 o. Auslauf
Volierenhaltung m. Auslauf
Herk. 15 Käfighaltung
Kleingruppenhaltung
Prf_Haltungsform
Nachschlageliste
herkömmlich
ökologisch 16
Werteliste
Nachschlageliste
Gültigkeitsregeln
Alter der Tiere in Wochen Zahl (Woche)
bei Einstallung + Zahl (Tage)
Gültigkeitsregeln
zwischen 100 und 99999
zwischen 10 und 40
zwischen 1 und 6 oder istNull
Fragebogen und Codierungsplan
10
11
12
13
14
15
16
17
20
21
22
23
24
99 = keine Angabe
30= Bovans braun u. Hisex braun
31= Bovans braun u. Hisex weiß
32= Hisex braun u. Hisex weiß
33= Lohmann braun u. Lohmann Tradition
34= Lohmann braun u. ISA
35= Lohmann braun u. Lohmann LSL
36= Lohmann Tradition u. Lohmann LSL
37= Tetra u. Lohmann LSL
40= Lohmann braun, Lohmann Tradition u. Lohmann
LSL
41= Lohmann braun, Lohmann Tradition u. Tetra
1
2
3
4
5
6
99=keine Angabe
1
2
99=keine Angabe
xxx – xxxxx
(drei bis fünfstellig)
xx (zweistellig)
x (einstellig: 1 – 7)
13
Als Bodenhaltung gelten hier Haltungen auf einer Ebene, die mit den sog. A-Reuten angereichert sein können. Die Besatzdichte
kann bis zu max. 9 Tiere/qm nutzbarer Fläche betragen und sollte nicht unter 7 Tieren/qm nutzbarer Fläche liegen.
14
Als Volierenhaltung gelten Haltungen, bei denen sich die Tiere auf mehreren Ebenen bewegen können. Besatzdichte s. Fußnote 1.
15
Als herkömmliche Käfige gelten solche Einrichtungen, die dem Stand der Technik der letzten 10 Jahre entsprechen.
16
Als Herde gelten die Tiere, die einer Versorgungseinheit angehören.
17
Als „ökologisch wirtschaftend“ gelten hier solche Betriebe, die sowohl hinsichtlich der Haltungsbedingungen als auch der Fütterung
Sonderbedingungen erfüllen.
Quelle: „Kennzahlen der Betriebe“ aus Niederschrift zur Besprechung am 12.08.2002 in Oldenburg
119

1_8a
1_8b
1_8c
1_8d
1_8e
1_8f
1_8g
1_8h
1_8i
1_8j
1_8k
1_8l
1_8m
1_8n
1_8o
1_8zz
1_9a
1_9b
1_9c
1_9d
1_10a
1_10b
1_10c
1_10d
1_10e
1_10f
1_10g
1_10h
1_10i
1_10j
1_10zz
1_10zz2
1_11a
1_11b
1_8beh_vor_a
1_8beh_vor_b
1_8beh_vor_c
1_8beh_vor_d
1_8beh_vor_e
1_8beh_vor_f
1_8beh_vor_g
1_8beh_vor_h
1_8beh_vor_i
1_8beh_vor_j
1_8beh_vok_k
1_8beh_vor_l
1_8beh_vor_m
1_8beh_vor_n
1_8beh_vor_o
1_8beh_vor_zz
1_9beh_vor_a
1_9beh_vor_b
1_9beh_vor_c
1_9beh_vor_d
1_10beh_w_a
1_10beh_w_b
1_10beh_w_c
1_10beh_w_d
1_10beh_w_e
1_10beh_w_f
1_10beh_w_g
1_10beh_w_h
1_10beh_w_i
1_10beh_w_j
Behandlungen vor dem Einstallen / in der
Aufzuchtphase gegen folgende Krankheiten:
Aviäre Enzephalomyelitis (AE)
Egg-Drop-Syndrom (EDS)
Escherichia coli-Infektion
Coryza contagiosa (ansteck. Geflügelschnupfen)
Infektiöse Bronchitis (IB)
Infektiöse Bursitis (Gumboro)
Infektiöse Laryngotracheitis (ILT)
Kokzidiose
Marek’sche Krankheit (IBD)
Mykoplasma-Infektion (MG)
Newcastle Disease (ND)
Pasteurellen
Pocken
Rotlauf
Salmonellen-Infektion
Sonstiges
Gültigkeitsregeln
1 oder 0 oder 99
Behandlungen vor dem Einstallen / in der
Aufzuchtphase:
Fragebogen und Codierungsplan
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
ja / nein
Freitext
Blutproben zur Überprüfung der Anti- ja / nein
körpertiter
Gültigkeitsregeln
Kürzung der Schnäbel (touchieren)
Behandlung gegen Wurmbefall
Behandlung gegen Milbenbefall
Blutproben zur Überprüfung der
Antikörpertiter
ja / nein
ja / nein
ja / nein
1 oder 0 oder 99
DB-Realisierung
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
text
DB-Realisierung
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
1 / 0 99=keine Angabe
Behandlungen im Bestand während der Legeperiode:
DB-Realisierung
Antibiotische Behandlung
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Impfung gegen Aviäre Enzephalomyelitis (AE) gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Impfung gegen infektiöse Bronchitis (IB) gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Imfung gegen Marek’sche Krankheit gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Impfung gegen Newcastle Disease (ND) gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Impfung gegen Pocken
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Impfung gegen Rotlauf
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Behandlung gegen Wurmbefall
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
Behandlung gegen Milbenbefall
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe
gar nicht / einmal / mehrmals
0 / 1 / 2 99=keine Angabe
Gültigkeitsregeln
0 oder 1 oder 2 oder 99
1_10beh_w_zz
Sonstiges
Freitext
text
1_10beh_w_zz2
Wenn Sonstiges
einmal / mehrmals
1 / 2 99=keine Angabe
Gültigkeitsregeln
1 oder 2 oder 99
Vorkommen von Verhaltensbesonderheiten des Bestandes:
DB-Realisierung
1_11verhalt_a
Federpicken
gar nicht / manchmal / häufig 0 / 1 / 2 99=keine Angabe
1_11verhalt_b
Kannibalismus
gar nicht / manchmal / häufig 0 / 1 / 2 99=keine Angabe
120

1_11c
1_11zz
1_11zz2
1_11verhalt_c
1_11verhalt_zz
1_11verhalt_zz2
Zehenpicken
Gültigkeitsregeln
Sonstiges
Gültigkeitsregeln
Wenn Sonstiges
1_12 1_12dat_aus Ausstallungsdatum
Gültigkeitsregeln
Fragebogen und Codierungsplan
ga rnicht / manchmal / häufig 0 / 1 / 2
0 oder 1 oder 2 oder 99
text
99=keine Angabe
Freitext
1 / 2 99=keine Angabe
manchmal /
häufig
1 oder 2 oder 99
Datum
1_13 1_13anz_aus Anzahl der ausgestallten Tiere am Ende derZahl
Legeperiode
Gültigkeitsregeln
1_14 1_14gewicht Durchschnittliches Lebendgewicht bei Schlachtung nach Zahl
Ende der Legeperiode in Gramm
> Einstalldatum
zwischen [1-1dat_ein] und jetzt()
< = eingestallte Tiere

Fragebogen und Codierungsplan
1_19 1_19ereig Besondere Ereignisse während des Durchgangs Freitext memo
II - wöchentliche Datenerhebung
Nr. Variablenname Parameter mögliche Ausprägung /
2_0 2_0lw Lebenswoche
2_1a
2_2a
2_2b
2_2c
2_1verlust
2_2leist_a
2_2leist_b
2_2leist_c
Gültigkeitsregeln
Tierverluste:
Anzahl der gestorbenen Tiere im Bestand
pro Woche
Gültigkeitsregeln
Leistungsziffern:
Anzahl Eier pro Woche
Anzahl aussortierter Eier pro Woche
(Summe Schmutz-, Knick-, Brucheier)
Gültigkeitsregeln
durchschnittliches Eigewicht pro Woche
(von 2_2a)
Antwortvorgabe
Zahl {15 – 75 }

B. SAS-Programme
B.1 Formate und Makros
SAS-Programme
/*************************************************************************
Programmdatei: autoexec.sas
Autor: Jan Schäl
-Definition der EpiLeg-Library und der Auswertedatensätze ADS_A und
ADS_B
-Einlesen der grundlegenden Formate und Makros
**************************************************************************/
********Nennt den Pfad zum Ordner mit den EpiLeg-SAS-Datensätzen**********;
libname
Epileg'Q:\bioepi\Projekte_Forschung\Legehennenhaltung\Auswertung\Daten';
****************Auswertedatensätze werden definiert***********************;
DATA ADS_A;
SET Epileg.Epileg_A_Deskription;
RUN;
DATA ADS_B;
SET Epileg.Epileg_B_Deskription;
RUN;
**************************************FORMATE******************************;
PROC FORMAT;
VALUE belegfmt
1='Erstbelegung'
2='Folgebelegung';
VALUE BundLfmt
1='Baden - Württemberg'
2='Bayern'
3='Berlin'
4='Brandenburg'
5='Bremen'
6='Hamburg'
7='Hessen'
8='Mecklenburg - Vorpommern'
9='Niedersachsen'
10='Nordrhein - Westfalen'
11='Rheinland - Pfalz'
12='Saarland'
13='Sachsen'
14='Sachsen - Anhalt'
15='Schleswig - Holstein'
16='Thüringen'
99='k.A.';
(gekürzt)
RUN;
123

SAS-Programme
***********************************MAKROS************************************
*;
*zur Erzeugung eines ODS-RTF-Outputs im Hochformat;
%MACRO ODShoch(Dateiname);
OPTIONS ORIENTATION=portrait NODATE;*Hochformat und kein automatisches
SAS-Datum;
ODS Proctitle=off;*Prozedurtitel werden nicht angezeigt;
ODS rtf
file=
"Q:\bioepi\Projekte_Forschung\Legehennenhaltung\Auswertung\RTF-
Output\&Dateiname..rtf"
style=minimal bodytitle;*Einfachstes Layout. Titel nicht in der
Kopfzeile, sondern im Textkörper;
%Datum;
%MEND;
*zur Erzeugung eines ODS-RTF-Outputs im Querformat;
%MACRO ODSquer(Dateiname);
OPTIONS ORIENTATION=landscape nodate;
ODS Proctitle=off;
ODS rtf
file=
"Q:\bioepi\Projekte_Forschung\Legehennenhaltung\Auswertung\RTF-
Output\&Dateiname..rtf"
style=minimal bodytitle;
%Datum;
%MEND;
*Optionen für die allgemeine Tabellen- und Grafik-Darstellung (insbesondere
für das Programm Auswertung_TeilA);
%MACRO Optio;
GOPTIONS RESET=all HTEXT=1.1 DEVMAP=WINANSI KEYMAP=WINANSI;
*Alle vorher festgelegten GOPTIONS werden auf den DEFAULT gesetzt;
*Die Größe aller Beschriftungen wird festgelegt;
*DEVMAP und KEYMAP: Anpassung an die SAS-interne Zeichen-Kodierung:
bewirkt, dass Beschriftungen der SAS-Grafiken Umlaute, das ß und andere
Sonderzeichen enthalten können;
options number pageno=1 center dflang='german';
*dflang='german' fuer deutsches Datumsformat notwendig;
SYMBOL1 C=black VALUE=none I=join W=2 LINE=1;
SYMBOL2 C=black VALUE=none I=join W=2 LINE=2;
SYMBOL3 C=red VALUE=none I=join W=2 LINE=1;
SYMBOL4 C=red VALUE=none I=join W=2 LINE=2;
SYMBOL5 C=green VALUE=none I=join W=2 LINE=1;
SYMBOL6 C=green VALUE=none I=join W=2 LINE=2;
*Farben, Formen, Größen und Schriftarten der verwendeten Symbole und
Linien werden festgelegt;
*VALUE=none bewirkt, dass Datenpunkte nicht durch Symbole gekennzeichnet
werden;
*I=join verbindet die Datenpunkte einer Kurve durch eine Linie;
*W= legt die Breite der Linie fest (Achtung: die Linien sehen im Output
sehr viel dicker aus, als sie dann auf dem bedruckten Papier sind);
*LINE= bestimmt den Typ der Linie (durchgezogen, gestrichelt etc.);
LEGEND1 LABEL=('')
FRAME
OFFSET=(1)cm;
*Die allgemeine Form einer Legende wird festgelegt, die bei den
Optionen der Prozeduren abgerufen werden kann:
>LABEL=Beschriftung der Legende
>FRAME=ein Rahmen wird um die Legende gezogen
>OFFSET=verschiebt die Legende (hier einen cm nach rechts);
PATTERN1 C=black V=x1;
124

SAS-Programme
PATTERN2 C=black V=r1;
PATTERN3 C=red V=x1;
PATTERN4 C=red V=r1;
PATTERN5 C=green V=x1;
PATTERN6 C=green V=r1;
*Hier werden Muster festgelgt, mit denen die Balken eines Diagramms
ausgefüllt werden.
C=Farbe, V=Muster nach folgendem Schema: e=leer, s=voll ausgefüllt, r
oder l=gestreift, x=kariert, Zahl=Enge des Musters von 1 (sehr weit)
bis 5 (sehr eng);
AXIS2 LABEL=(H=1.1 'Haltungsform')
VALUE=(H=0.8)
ORDER=1 TO 6 BY 1
WIDTH=6;
*Definition der Achsendarstellung 2. In der Prozedur wird festgelegt,
ob diese für die X- oder die Y-Achse gilt.
LABEL= Achsenbeschriftung und deren Aussehen,
VALUE= Aussehen der Werte-Beschriftungen,
ORDER= die Anordnung der Ausprägungen auf der Achse,
WIDTH= Breite der Achse;
%MEND;
*Titel für die Auswertung von Teil A des Fragebogens;
%MACRO TitelA;
TITLE1 H=1.0 JUSTIFY=r "%sysfunc(date(),EURDFDD10.)%str( )" ;
*Systemdatum im deutschen Format. JUSTIFY=r bedeutet, dass der
Titel rechtsbündig positioniert wird. H= definiert die Texthöhe;
TITLE2 JUSTIFY=l "Projekt Epileg" ;
TITLE3 JUSTIFY=l "Datenbestand Originaldaten vom 20.02.2004 (675 Duchgänge)"
;
TITLE4 JUSTIFY=l "Datenbank Epileg.mdb Abfrage Q_Export_A" ;
FOOTNOTE1 H=0.9 JUSTIFY=l "Programmdatei: Auswertung_TeilA_2004-02-
20.sas" ;
FOOTNOTE2 H=0.9 JUSTIFY=l "Autor: J. Schäl - IBEI - Tierärztliche Hochschule
Hannover" ;
%MEND;
*Falls nur das Systemdatum angefordert werden soll;
%MACRO Datum;
TITLE1 h=1.0 justify=r "%sysfunc(date(),EURDFDD10.)%str( )" ;
%MEND;
****PROC TABULATE für die Auswertung ohne die Berücksichtigung von Einflussfaktoren*****;
%Macro TabuAllg(variable);
PROC TABULATE DATA=ADS;
CLASS f1_4haltung;
VAR &variable;
TABLE &variable*(N='Anzahl Durchgänge' MEAN='arithm. Mittel'
MEDIAN='Median' STD='Standardabw.' CV= 'Variationskoeffizient'
MIN='Minimum' P10='10%-Quantil'
P90='90%-Quantil' MAX='Maximum'),f1_4haltung
/RTS=20 CONDENSE;
%FormLab;
RUN;
/*class: die Klassenvariable(n) wird/werden festgelegt;
var: die zu analysierenden Daten werden festgelegt;
table: die Erscheinungsform der Tabelle wird festgelegt; Dimensionen sind
durch Kommata getrennt - hier: 1. Dim=Zeile, 2. Dim=Spalten
(gäbe es 3 Dim. wäre die 1. die Seite, die 2. die Zeile, die 3. die Spalte);
ein Asterisk(*) kreuzt Merkmale in einer Dimension; Blanks bringen Merkmale
zusammen in eine Dimension; runde Klammern gruppieren Merkmale - so kann eine
Gruppe von Merkmalen durch andere Operatoren mit einem anderen Merkmal in
Verbindung gebracht werden; Gleichheitszeichen werden genutzt um Labels zu
vergeben; Hinter einem / folgen die Optionen:
125

passt,
%MEND;
SAS-Programme
>CONDENSE bewirkt, dass möglichst viel des Outputs auf eine Seite
>RTS= bestimmt die Größe der Felder für Zeilenbeschriftungen*/
**********für die Erzeugung von Box-Plots************;
%MACRO BoxPlot(variable,byvar);
TITLE;
FOOTNOTE;
PROC BOXPLOT DATA=ADS;
BY &byvar;
PLOT &variable*f1_4haltung/BOXSTYLE=schematic HAXIS=axis2
VAXIS=axis1 IDSYMBOL=circle BOXWIDTH=3.7 CBOXES=black;
%FORMLAB;
RUN;
%MEND;
************für die deskriptive Auswertung der qualitativen Daten aus Teil A
(Übergabe einer Variablen)***********;
%MACRO Haeufig1(variable,byvar);
PROC FREQ DATA=ADS COMPRESS;
BY &byvar ;
TABLES &variable * f1_4haltung/nocum NOROW nopercent;
%FormLab;
RUN;
%MEND;
************für die deskriptive Auswertung der qualitativen Daten aus Teil A
Übergabe mehrerer Variablen***********;
%MACRO Haeufig2(variable,variable2);
PROC FREQ DATA=ADS COMPRESS;
by &Einfluss;
TABLES ( &variable -- &variable2 )*f1_4haltung/nocum NOROW
nopercent;
%FormLab;
RUN;
%MEND;
***********für die Varianzanalysen**************************;
%MACRO Vari(Einfluss2);
ODS SELECT CLASSLEVELS FITStatistics;
TITLE2 '3. Faktor allein';
PROC GLM DATA=neu;
CLASS &Einfluss2;
MODEL Verluste1000wo = &Einfluss2;
%FORMLAB_Model;
RUN;
quit;
ODS SELECT CLASSLEVELS FITStatistics;
TITLE2 'Ohne Interaktion';
PROC GLM DATA=neu;
CLASS Haltung Groesse &Einfluss2;
MODEL Verluste1000wo = Haltung Groesse Haltung*Groesse
&Einfluss2;
%FORMLAB_Model;
RUN;
quit;
TITLE2 'Mit Interaktion';
ODS SELECT CLASSLEVELS FITStatistics;
PROC GLM DATA=neu;
CLASS Haltung Groesse &Einfluss2;
MODEL Verluste1000wo = Haltung Groesse Haltung*Groesse
&Einfluss2 Haltung * &Einfluss2;
126

RUN;
quit;
%FORMLAB_Model;
TITLE "Chi² (Cramer's V)";
PROC FREQ DATA=neu;
TABLES &Einfluss2 * Haltung / Chisq;
RUN;
%MEND;
SAS-Programme
***Quantitative Variablen werden nach dem Box-Plot-Schema zu qualitativen
geformt****;
%MACRO quanti_in_quali(Vari);
DATA tmp_quali;
SET tmp6;
dummy=1;
WHERE &Vari ne .;
RUN;
PROC MEANS P25 P75 DATA=tmp_quali noprint;
BY dummy;
Var &Vari;
OUTPUT OUT=means_&Vari P25=P25_&Vari P75=P75_&Vari;
RUN;
DATA &Vari;
MERGE tmp_quali means_&Vari;
BY dummy;
IF &Vari P25_&Vari) and (&Vari =P75_&Vari THEN &Vari._quali=3;
KEEP f0_2lfdnr2 &Vari._quali;
RUN;
%MEND;
*********Weist allen Variablen Formate und Labels zu********************;
****************für die deskriptive Auswertung********************;
%MACRO FormLab;
FORMAT f0_3bdld BundLfmt. f1_2belegart belegfmt. f1_3legelinie
LLZfmt. f1_4haltung haltgfmt. f1_8beh_vor_a -- f1_8beh_vor_o
janeinfmt. f1_9beh_vor_a -- f1_9beh_vor_d janeinfmt.
f1_10beh_w_a -- f1_10beh_w_j haeufigfmt. f1_11verhalt_a --
f1_11verhalt_c haeufigBfmt. f1_17befieder federfmt.
f1_18tierquali qualifmt. f1_5wirtschaft wirtfmt.
f1_19ereig_Hitze hitzefmt. f1_19ereig_Erkr erkrfmt.
f1_19ereig_Managem mangefmt. futter1000wo_quali
f1_6anz_ein_quali AlterTage_quali LL1000BHwo_quali dauer_quali
quartfmt. Haltung vHaltfmt. grklasse einstfmt. Groesse grfmt.;
LABEL AlterTage='Alter in Tagen'
dauer='Dauer in Wochen'
futter1000wo='Futter in t pro 1000 Durchschnittsh. u. Woche'
verluste='Verluste an Hennen'
verluste1000='Verluste pro 1000 Anfangshennen'
verluste1000Wo='Verluste pro 1000 Anfangshennen u. Woche'
f0_2lfdnr2='Bogennr.'
(gekürzt)
%MEND;
******* für die Modellbildung werden z.T. andere Formate verwendet *********;
%MACRO FormLab_Model;
FORMAT f0_3bdld BundLfmt. f1_2belegart belegfmt.
(gekürzt)
%MEND;
127

B.2 Datenimport
SAS-Programme
/****************************************************************************
Programmdatei: Epileg_Daten-Import
Benötigte Programm-Datei (vorher einlesen):
autoexec.sas
Autor: Jan Schäl
Importiert die aktuellen Daten aus der Access Datenbank (befindet sich
generell unter Q:\bioepi\Projekte_Forschung\Legehennenhaltung\ Datenbank\aktueller
Datenstand') und definiert neue Variablen. Außerdem verbindet
es die einzelnen Durchgänge mit der dazugehörigen Betriebsnummer
aus der Datei Epileg.Betriebe_BRD (für Teile A und B)
****************************************************************************/
*WICHTIG! Geben Sie bitte zunächst hier das aktuelle Datum in der Form
JJJJ_MM_TT an;
%LET Datum=2004_02_19;
**************Betriebsinfos****************;
PROC IMPORT OUT= Betriebe_BRD
DATATABLE= "Tab_Betriebsnr"
DBMS=ACCESS2000 REPLACE;
DATABASE="F:\Dokumente und Einstellungen\jschael\Eigene Dateien\Epileg\Datenbank\EPILEG_DB.mdb";
RUN;
DATA wrk;
SET Betriebe_BRD;
RUN;
PROC SORT DATA=wrk;
BY f0_2lfdnr2;
RUN;
**************Teil B****************;
PROC IMPORT OUT= EPILEG_B
DATATABLE= "Q_Export_B"
DBMS=ACCESS2000 REPLACE;
DATABASE="F:\Dokumente und Einstellungen\jschael\Eigene Dateien\Epileg\Datenbank\EPILEG_DB.mdb";
RUN;
DATA tmp1;
SET EPILEG_B;
WHERE ausschluss=.;
IF f0_2lfdnr_Zusatz ne . THEN
f0_2lfdnr2=f0_2lfdnr+(f0_2lfdnr_Zusatz/100);
ELSE f0_2lfdnr2=f0_2lfdnr;
IF f1_4haltung=1 THEN LLAH1=f2_2leist_a/f1_6anz_ein/7;
IF f1_4haltung=2 THEN LLAH2=f2_2leist_a/f1_6anz_ein/7;
IF f1_4haltung=3 THEN LLAH3=f2_2leist_a/f1_6anz_ein/7;
128

RUN;
IF f1_4haltung=4 THEN LLAH4=f2_2leist_a/f1_6anz_ein/7;
IF f1_4haltung=5 THEN LLAH5=f2_2leist_a/f1_6anz_ein/7;
IF f1_4haltung=6 THEN LLAH6=f2_2leist_a/f1_6anz_ein/7;
PROC SORT DATA=tmp1;
BY f0_2lfdnr2 f2_0lw;
RUN;
DATA tmpwrk;
MERGE wrk tmp1;
BY f0_2lfdnr2;
RUN;
DATA tmp2;
SET tmpwrk;
WHERE f1_6anz_ein ne .;
RUN;
PROC MEANS DATA=tmp2 MIN MAX NOPRINT;
VAR f2_0lw;
BY f0_2lfdnr2;
OUTPUT OUT=minMax MIN=EWo MAX=LWo;
RUN;
SAS-Programme
DATA tmp3;
MERGE tmp2 minMax;
BY f0_2lfdnr2;
IF f2_0lw=LWo or f2_0lw=LWo-1 or f2_0lw=LWo-2 or f2_0lw=LWo-3 or
f2_0lw=LWo-4
or f2_0lw=LWo-5 THEN Ende=1;
IF f2_0lw=EWo or f2_0lw=EWo+1 or f2_0lw=EWo+2 or f2_0lw=EWo+3 or
f2_0lw=EWo+4
or f2_0lw=EWo+5 THEN Anfang=1;
IF entnommen=. THEN entnommen=0;
RUN;
DATA Epileg_B_&Datum;
SET tmp3;
BY f0_2lfdnr2;
vsum+(f2_1verlust+entnommen);
IF first.f0_2lfdnr2 THEN vsum=f2_1verlust+entnommen;
behe= f1_6anz_ein-vsum;
LLTH=f2_2leist_a/behe/7;
IF f1_4haltung=1 THEN LLBH1=f2_2leist_a/behe/7;
IF f1_4haltung=2 THEN LLBH2=f2_2leist_a/behe/7;
IF f1_4haltung=3 THEN LLBH3=f2_2leist_a/behe/7;
IF f1_4haltung=4 THEN LLBH4=f2_2leist_a/behe/7;
IF f1_4haltung=5 THEN LLBH5=f2_2leist_a/behe/7;
IF f1_4haltung=6 THEN LLBH6=f2_2leist_a/behe/7;
IF f0_2lfdnr2 in (2315.00 2326.00 1458.00 3119.00 3118.00 1858.00
1910.00 1890.00
1385.00 860.00 514 515 519) THEN DELETE;*werden ausgeschlossen,
da die Betriebe weniger als 3000 Haltungsplätze haben;
FK_ID;
RUN;
DROP ausschluss f0_2lfdnr f0_2lfdnr_zusatz _TYPE_ _FREQ_ Stall WO_ID
**************Teil A****************;
*geben Sie bitte hinter DATABASE= den Pfad und den Namen des aktuellen
Datenbankstandes an;
PROC IMPORT OUT= EPILEG_A
129

SAS-Programme
DATATABLE= "Q_Export_A"
DBMS=ACCESS2000 REPLACE;
DATABASE="F:\Dokumente und Einstellungen\jschael\Eigene Dateien\Epileg\Datenbank\EPILEG_DB.mdb";
RUN;
DATA tmp;
SET EPILEG_A;
WHERE ausschluss =.;
IF f0_2lfdnr_Zusatz ne . THEN
f0_2lfdnr2=f0_2lfdnr+(f0_2lfdnr_Zusatz/100);
ELSE f0_2lfdnr2=f0_2lfdnr;
RUN;
***********Verbindung mit der Betriebsinfo******************;
PROC SORT DATA=tmp;
BY f0_2lfdnr2;
RUN;
DATA tmpwrk;
MERGE tmp wrk;
BY f0_2lfdnr2;
RUN;
DATA tmp2;
SET tmpwrk;
WHERE ID ne .;
RUN;
************Berechnung der Größenklasse des Betriebes/d. Betriebsstätte*************;
PROC SORT DATA=tmp2;
BY Betriebs_Nr_3;
RUN;
PROC MEANS DATA=tmp2 MAX NOPRINT;
BY Betriebs_Nr_2 Betriebs_Nr_3;
VAR f1_6anz_ein;
OUTPUT OUT=MaxAH MAX=MaxAH;
RUN;
PROC MEANS DATA=MaxAH SUM NOPRINT;
BY Betriebs_Nr_2;
VAR MaxAH;
OUTPUT OUT=BetrGr SUM=Betr_Gr;
RUN;
DATA tmp3;
MERGE tmp2 BetrGr;
BY Betriebs_Nr_2;
RUN;
***********Berechnung der durchschnittlichen Legeleistung***********;
PROC MEANS DATA=Epileg_B_&Datum MEAN NOPRINT;
WHERE f2_3maus ne 1 and Anfang ne 1 and Ende ne 1;
BY f0_2lfdnr2;
VAR LLTH;
OUTPUT OUT=dsLLBHT MEAN=dsLLBHT;
RUN;
DATA dsLLBHT;
SET dsLLBHT;
LL1000BHwo=dsLLBHT*1000*7;
130

RUN;
PROC SORT DATA=tmp3;
BY f0_2lfdnr2;
RUN;
DATA tmp4;
MERGE tmp3 dsLLBHT;
BY f0_2lfdnr2;
RUN;
SAS-Programme
********************Berechnung der Gesamtverluste nach Teil B***************;
PROC MEANS DATA=Epileg_B_&Datum SUM NOPRINT;
WHERE f2_1verlust ne .;
VAR f2_1verlust;
BY f0_2lfdnr2;
OUTPUT OUT=VerlB SUM=verluste_B;
RUN;
DATA tmp5;
MERGE tmp4 VerlB;
BY f0_2lfdnr2;
RUN;
DATA tmp6;*Epileg.Epileg_A_&Datum;
SET tmp5;
);
AlterTage=f1_7alter_ein_w*7+f1_7alter_ein_t;
IF entnommen_ges = . THEN entnommen_ges = 0;
IF LWo ne . THEN dauer=LWo-(AlterTage/7);
ELSE dauer = floor( (f1_12dat_aus - f1_1dat_ein) / (60*60*24*7)
IF f1_19ereig_Hitze ne . THEN f1_19ereig_Hitze2 = 1;
ELSE f1_19ereig_Hitze2 = 0;
IF f1_19ereig_Erkr ne . THEN f1_19ereig_Erkr2 = 1;
ELSE f1_19ereig_Erkr2 = 0;
IF verluste_B ne . THEN verluste = verluste_B;
IF verluste_B = . THEN verluste = f1_6anz_ein - (f1_13anz_aus + entnommen_ges);
verluste1000 = (verluste /f1_6anz_ein) * 1000;
verluste1000Wo = verluste1000/dauer;
LG_Verl=LOG10(verluste1000Wo);
durchHenne=(f1_6anz_ein + (f1_6anz_ein - verluste - entnommen_ges))/2;
futter1000wo = (f1_15futter / durchHenne)/dauer * 1000;
IF f1_8beh_vor_a = 99 THEN f1_8beh_vor_a = .;
IF f1_8beh_vor_b = 99 THEN f1_8beh_vor_b = .;
IF f1_9beh_vor_a = 99 THEN f1_9beh_vor_a = .;
IF f1_9beh_vor_d = 99 THEN f1_9beh_vor_d = .;
IF f1_10beh_w_a = 99 THEN f1_10beh_w_a = .;
IF f1_10beh_w_b = 99 THEN f1_10beh_w_b = .;
IF f1_11verhalt_a = 99 THEN f1_11verhalt_a = .;
IF f1_11verhalt_b = 99 THEN f1_11verhalt_b = .;
(gekürzt)
IF f0_2lfdnr2 in (1864 3084 3085) THEN Betr_Gr=5000;*Im Betrieb 8 aus
dem Rheinland beträgt die eigentliche Betriebsgröße 5.000 Hennen und nicht
wie berechnet unter 3.000;
IF f0_2lfdnr2 in (2315.00 2326.00 1458.00 3119.00 3118.00 1858.00
1910.00 1890.00
131

SAS-Programme
1385.00 860.00 514 515 519) THEN DELETE;*werden ausgeschlossen,
da die Betriebe weniger als 3000 Haltungsplätze haben;
RUN;
IF f1_4haltung=1 THEN Haltung=3;*BoA=Boden;
IF f1_4haltung=2 THEN Haltung=4;*BmA=Freiland;
IF f1_4haltung=3 THEN Haltung=2;*VoA=Voliere;
IF f1_4haltung=4 THEN Haltung=4;*VmA=Freiland;
IF f1_4haltung=5 THEN Haltung=1;*Käfig=Käfig;
IF f1_4haltung=6 THEN Haltung=1;*Kleingruppe=Käfig;
Groesse = 10;
IF (Betr_Gr =3000 AND Betr_Gr =5000 AND Betr_Gr =10000 AND Betr_Gr =30000 AND Betr_Gr =50000 AND Betr_Gr =100000 AND Betr_Gr =200000 ) THEN Groesse = 1;
***********neue qualitative Variablen aus quantitativen (für Legeleistung s.
Definition für Teil B******************;
%quanti_in_quali(futter1000wo);
%quanti_in_quali(f1_6anz_ein);
%quanti_in_quali(AlterTage);
%quanti_in_quali(dauer);
%quanti_in_quali(LL1000BHwo);*erzeugt Datei "LL1000BHwo";
DATA Epileg.Epileg_A_&Datum;
MERGE tmp6 futter1000wo f1_6anz_ein AlterTage dauer LL1000BHwo;
BY f0_2lfdnr2;
DROP id ausschluss f1_19ereig f0_2lfdnr f0_2lfdnr_zusatz _TYPE_ _FREQ_
Stall;
RUN;
DATA tmp7;
SET Epileg.Epileg_A_&Datum;
KEEP f0_2lfdnr2 Groesse;
RUN;
DATA Epileg.Epileg_B_&Datum;
MERGE tmp7 Epileg_B_&Datum;
BY f0_2lfdnr2;
RUN;
DATA ADS_A;
SET Epileg.Epileg_A_&Datum;
RUN;
DATA ADS_B;
SET Epileg.Epileg_B_&Datum;
RUN;
132

B.3 Deskriptive Auswertungen für die Variable Legelinie
SAS-Programme
/*************************************************************************
Programmdatei: Auswertung_TeilA_LeLi.sas
Autor: Jan Schäl
Deskription für die Variable Legelinie nach unterschiedlichen
Gesichtspunkten
**************************************************************************/
*Zusammenfassung der Legelinien, Ausschluss des Ausreißers und Definition der
Variablen futter1000woKg;
DATA ADS;
SET ADS_A;
WHERE verluste1000wo=30 THEN f1_3legelinie=30;
futter1000woKg=futter1000wo*1000;
RUN;
IF f1_11verhalt_a = . THEN f1_11verhalt_a = 99;
IF f1_11verhalt_b = . THEN f1_11verhalt_b = 99;
IF f1_11verhalt_c = . THEN f1_11verhalt_c = 99;
PROC SORT DATA=ADS;
BY Groesse;
RUN;
%ODSHoch(Deskription_LeLi);
TITLE 'Zweidim. Häufigkeitstabelle nach Legeli. und Haltungssys. getrennt
nach BGK';
%Haeufig1(f1_3legelinie,Groesse);
TITLE 'Verluste pro 1000 Anfangshennen und Woche nach Legelinie und Haltungsform';
PROC TABULATE DATA=ADS;
class f1_4haltung f1_3legelinie;
var verluste1000wo;
table verluste1000wo*f1_3legelinie*(n='Anzahl' Mean='arithm. Mittel'
cv) verluste1000wo*all='Gesamt'*(n='Anzahl' Mean='arithm. Mittel' cv),
f1_4haltung all='Gesamt' /rts=20 condense;
%FormLab;
RUN;
PROC SORT DATA=ADS;
BY f1_3legelinie f1_4haltung;
RUN;
%OPTIO;
AXIS1 LABEL=(F=swiss h=1.2 'Verluste pro 1000 Anfangshennen und Woche')
VALUE=(F=swiss h=1.2)
width=1.2;
*Boxplots der Verluste pro 1000 Anfangshennen und Woche nach Haltungsformen,
getrennt nach Legelinien;
%BOXPLOT(verluste1000wo,f1_3legelinie);
TITLE 'Zweidim. Häufigkeitstabelle nach Legeli. u. Beh. während od. Verhaltensbes.';
PROC FREQ DATA=ADS COMPRESS;
133

SAS-Programme
TABLES (f1_10beh_w_a f1_10beh_w_h -- f1_10beh_w_j f1_11verhalt_a --
f1_11verhalt_c) * f1_3legelinie/nocum NOROW nopercent;
%FormLab;
RUN;
TITLE 'Futter pro 1000 Durchschnittsh. u. Wo. nach Legelinie';
PROC TABULATE DATA=ADS;
CLASS f1_3legelinie;
VAR futter1000wokg;
TABLE futter1000wokg*(n='Anzahl Durchgänge' Mean='arithm. Mittel'
median='Median' std='Standardabw.'cv='Variationskoeffizient'
min='Minimum' p10='10%-Quantil' p90='90%-Quantil'
max='Maximum'),f1_3legelinie/rts=20 CONDENSE;
%FormLab;
RUN;
ODS RTF CLOSE;
B.4 Ausreißertest
/*************************************************************************
Programmdatei: Ausreissertest.sas
Autor: Jan Schäl
Austeißertest nach Grubbs/Beck
**************************************************************************/
*Logarithmierung der Variablen verluste1000wo;
DATA neu;
SET ADS_A;
LG_Verl=LOG10(verluste1000wo);
RUN;
PROC SORT DATA=neu;
BY f1_4haltung;
RUN;
*Berechnung der Residuen für die Variable LG_Verl;
PROC GLM DATA=neu noprint;
CLASS f1_4haltung;
MODEL LG_Verl = f1_4haltung;
OUTPUT OUT=Resi R=Residuen;
RUN;
QUIT;
*Berechnung der erforderlichen Kenngrößen für den Grubbs-Test;
PROC MEANS DATA=Resi NOPRINT;
BY f1_4haltung;
VAR Residuen;
OUTPUT OUT=Grubbs MEAN=xq STD=s;
RUN;
PROC SORT DATA=Grubbs;
BY f1_4haltung;
RUN;
PROC SORT DATA=Resi;
BY f1_4haltung;
RUN;
*Berechnung des Kritischen Werts T getrennt nach Haltungssystemen;
134

DATA Ausr;
MERGE Resi Grubbs;
BY f1_4haltung;
T=(xq-Residuen)/s;
RUN;
PROC SORT DATA=Ausr;
BY f1_4haltung T;
RUN;
SAS-Programme
*Ausgabe der Kritischen Werte zu jeder Beobachtung;
%ODSHoch(Ausreißer);
TITLE2 'Ausreißertest';
PROC PRINT NOOBS DATA=Ausr;
BY f1_4haltung;
WHERE T ne .;
VAR T f0_2lfdnr2 verluste1000wo f1_4haltung f1_6anz_ein f1_13anz_aus;
RUN;
ODS RTF CLOSE;
B.5 Histogramm der Residuen und Residuenplot
/*************************************************************************
Programmdatei: Residuen_Grafiken
Autor: Jan Schäl
Histogramm der Residuen und Residuenplot
**************************************************************************/
DATA neu;
SET ADS_A;
IF verluste1000Wo>90 THEN DELETE;
RUN;
IF f1_3legelinie in (10 12 17 18) THEN f1_3legelinie=1;
IF f1_3legelinie >=30 THEN f1_3legelinie=2;
IF f1_10beh_w_a = 2 THEN f1_10beh_w_a = 1;
IF f1_10beh_w_b = 2 THEN f1_10beh_w_b = 1;
IF f1_10beh_w_c = 2 THEN f1_10beh_w_c = 1;
IF f1_10beh_w_d = 2 THEN f1_10beh_w_d = 1;
IF f1_10beh_w_e = 2 THEN f1_10beh_w_e = 1;
IF f1_10beh_w_f = 2 THEN f1_10beh_w_f = 1;
IF f1_10beh_w_g = 2 THEN f1_10beh_w_g = 1;
IF f1_10beh_w_h = 2 THEN f1_10beh_w_h = 1;
IF f1_10beh_w_i = 2 THEN f1_10beh_w_i = 1;
IF f1_10beh_w_j = 2 THEN f1_10beh_w_j = 1;
IF f1_11verhalt_a = 2 THEN f1_11verhalt_a = 1;
IF f1_11verhalt_b = 2 THEN f1_11verhalt_b = 1;
IF f1_11verhalt_c = 2 THEN f1_11verhalt_c = 1;
IF f1_4haltung=3 THEN DELETE;*VoA=Ausschluss wegen zu kleinem n;
IF Haltung=1 AND Groesse=0 THEN Gruppe=1;
IF Haltung=3 AND Groesse=0 THEN Gruppe=2;
IF Haltung=4 AND Groesse=0 THEN Gruppe=3;
IF Haltung=1 AND Groesse=1 THEN Gruppe=4;
IF Haltung=3 AND Groesse=1 THEN Gruppe=5;
IF Haltung=4 AND Groesse=1 THEN Gruppe=6;
135

*Berechnung der Residuen des Endmodells;
PROC GLM DATA=neu noprint;
CLASS Haltung Groesse;
MODEL verluste1000wo = Haltung | Groesse;
output out=residuenM1_Mort r=Res;
RUN;
quit;
PROC FORMAT;
VALUE grufmt
1='Kä. < 50000'
2='Bo. < 50000'
3='Fr. < 50000'
4='Kä. >= 50000'
5='Bo. >= 50000'
6='Fr. >= 50000';
RUN;
%ODSQuer(Residuenplot);
%OPTIO;
*Histogramm der Residuen;
PROC GCHART;
HBAR res;
LABEL Res='Residuen';
RUN;
QUIT;
SYMBOL I=none V=PLUS;
*Residuenplot;
PROC GPLOT;
PLOT Res*Gruppe /VREF=0;
FORMAT Gruppe grufmt.;
LABEL Res='Residuen'
Gruppe='Faktorstufenkombination';
RUN;
QUIT;
ODS RTF CLOSE;
B.6 Interaktionsplots
SAS-Programme
/*************************************************************************
Programmdatei: Interaktionsplots.sas
Autor: Jan Schäl
Interaktionsplots für die Endmodelle
**************************************************************************/
%OPTIO;
PROC FORMAT;
VALUE vHaltfmt
1='Käfig-Batteriehaltung'
2='Bodenhaltung'
3='Freilandhaltung';
RUN;
DATA neu;
SET ADS_A;
IF verluste1000Wo>90 THEN DELETE;
IF f1_3legelinie in (10 12 17 18) THEN f1_3legelinie=1;
136

RUN;
IF f1_3legelinie >=30 THEN f1_3legelinie=2;
IF f1_10beh_w_a = 2 THEN f1_10beh_w_a = 1;
IF f1_10beh_w_b = 2 THEN f1_10beh_w_b = 1;
IF f1_10beh_w_c = 2 THEN f1_10beh_w_c = 1;
IF f1_10beh_w_d = 2 THEN f1_10beh_w_d = 1;
IF f1_10beh_w_e = 2 THEN f1_10beh_w_e = 1;
IF f1_10beh_w_f = 2 THEN f1_10beh_w_f = 1;
IF f1_10beh_w_g = 2 THEN f1_10beh_w_g = 1;
IF f1_10beh_w_h = 2 THEN f1_10beh_w_h = 1;
IF f1_10beh_w_i = 2 THEN f1_10beh_w_i = 1;
IF f1_10beh_w_j = 2 THEN f1_10beh_w_j = 1;
IF f1_11verhalt_a = 2 THEN f1_11verhalt_a = 1;
IF f1_11verhalt_b = 2 THEN f1_11verhalt_b = 1;
IF f1_11verhalt_c = 2 THEN f1_11verhalt_c = 1;
SAS-Programme
IF f1_4haltung=3 THEN DELETE;*VoA=Ausschluss wegen zu kleinem n;
IF Haltung=3 THEN Haltung=2;
IF Haltung=4 THEN Haltung=3;
*Übergabe von jeweils zwei Variablennamen, -ausprägungen und -bedeutungen
sowie einer WHERE-Bedingung;
%MACRO IAP(F1,F2,LF1,LF2,NF1,NF2,WO);
PROC SORT DATA=neu;
BY &F1 &F2;
RUN;
PROC MEANS DATA=neu MEAN NOPRINT;
VAR verluste1000wo;
BY &F1 &F2;
&WO;
OUTPUT OUT=mean mean=mwe;
RUN;
LEGEND LABEL=(h=1.1)
VALUE=(h=1.1);
AXIS1 LABEL=(h=1.1 angle=90 'Mittelw. d. Verluste pro 1000 AH u. Wo')
VALUE=(h=1.1)
width=1.5
ORDER=0 to 5;
SYMBOL1 C=black VALUE=none H=0.8 I=join W=2 LINE=1;
SYMBOL2 C=black VALUE=none H=0.8 I=join W=2 LINE=2;
SYMBOL3 C=black VALUE=none H=0.8 I=join W=2 LINE=4;
AXIS2 LABEL=(h=1.1 "&NF1 ")
VALUE=(h=1.1)
SPLIT="*"
order=&LF1 by 1
width=1.5;
TITLE1 'Mittelwerte der Verluste pro 1000 AH u. Woche';
TITLE2 "Variable &NF1 auf der X-Achse";
PROC GPLOT DATA=mean;
PLOT mwe*&F1=&F2/HAXIS=axis2 VAXIS=axis1 LEGEND=legend;
%FORMLAB;
LABEL mwe='Mittelw. d. Verluste pro 1000 AH u. Wo';
RUN;
AXIS2 LABEL=(h=1.1 "&NF2 ")
VALUE=(h=1.1)
SPLIT="*"
order=&LF2 by 1
width=1.5;
137

TITLE2 "Variable &NF2 auf der X-Achse";
PROC GPLOT DATA=mean;
PLOT mwe*&F2=&F1/HAXIS=axis2 VAXIS=axis1 LEGEND=legend;
%FORMLAB;
LABEL mwe='Mittelw. d. Verluste pro 1000 AH u. Wo';
RUN;
QUIT;
%MEND;
SAS-Programme
%ODSQuer(Interaktionsplots_2004_04_26);
%IAP(Haltung,Groesse,1 to 3,0 to 1,Haltungsform,Betriebsgrößenklasse);
%IAP(f1_6anz_ein_quali,haltung,1 to 3,1 to 3, Anfangshennen, Haltungsform);
%IAP(f1_6anz_ein_quali,Groesse,1 to 3,0 to 1, Anfangshennen, Betriebsgrößenklasse);
%IAP(f1_10beh_w_i,haltung,0 to 1,1 to 3, Milben während, Haltungsform,
WHERE f1_10beh_w_i ne .);
%IAP(f1_10beh_w_i,f1_6anz_ein_quali,0 to 1,1 to 3,Milben während, Anfangshennen,
WHERE f1_10beh_w_i ne .);
%IAP(f1_10beh_w_i,Groesse,0 to 1,0 to 1,Milben während,Betriebsgrößenklasse,
WHERE f1_10beh_w_i ne .);
ODS RTF CLOSE;
B.7 Modellbildung für das modifizierte Endmodell
/*************************************************************************
Programmdatei: Endmodellbildung_Diplom.sas
Autor: Jan Schäl
Modellbildung für das modifizierte Endmodell
**************************************************************************/
DATA neu;
SET ADS_A;
IF verluste1000Wo>90 THEN DELETE;
IF f1_3legelinie in (10 12 17 18) THEN f1_3legelinie=1;
IF f1_3legelinie >=30 THEN f1_3legelinie=2;
IF f1_10beh_w_a = 2 THEN f1_10beh_w_a = 1;
IF f1_10beh_w_b = 2 THEN f1_10beh_w_b = 1;
IF f1_10beh_w_c = 2 THEN f1_10beh_w_c = 1;
IF f1_10beh_w_d = 2 THEN f1_10beh_w_d = 1;
IF f1_10beh_w_e = 2 THEN f1_10beh_w_e = 1;
IF f1_10beh_w_f = 2 THEN f1_10beh_w_f = 1;
IF f1_10beh_w_g = 2 THEN f1_10beh_w_g = 1;
IF f1_10beh_w_h = 2 THEN f1_10beh_w_h = 1;
IF f1_10beh_w_i = 2 THEN f1_10beh_w_i = 1;
IF f1_10beh_w_j = 2 THEN f1_10beh_w_j = 1;
IF f1_11verhalt_a = 2 THEN f1_11verhalt_a = 1;
IF f1_11verhalt_b = 2 THEN f1_11verhalt_b = 1;
IF f1_11verhalt_c = 2 THEN f1_11verhalt_c = 1;
IF f1_4haltung=3 THEN DELETE;*VoA=Ausschluss wegen zu kleinem n;
138

RUN;
SAS-Programme
%ODSHoch(Endmodell_4Faktoren);
*Bewertung der Interaktionen - Die nicht-signifikante Wechselwirkung mit dem
höchsten p-Wert wurde im jeweils nächten Schritt ausgeschlossen;
TITLE 'Schritt 1';
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i
Groesse*f1_10beh_w_i Haltung*f1_10beh_w_i
f1_6anz_ein_quali*f1_10beh_w_i Haltung*Groesse Haltung*f1_6anz_ein_quali;
%FORMLAB;
RUN;
QUIT;
TITLE 'Schritt 2';
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i
Groesse*f1_10beh_w_i
f1_6anz_ein_quali*f1_10beh_w_i Haltung*Groesse Haltung*f1_6anz_ein_quali;
%FORMLAB;
RUN;
QUIT;
TITLE 'Schritt 3';
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i
Groesse*f1_10beh_w_i
f1_6anz_ein_quali*f1_10beh_w_i Haltung*f1_6anz_ein_quali;
%FORMLAB;
RUN;
QUIT;
TITLE 'Schritt 4';
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i
Groesse*f1_10beh_w_i
Haltung*f1_6anz_ein_quali;
%FORMLAB;
RUN;
QUIT;
TITLE 'Schritt 5';
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i
Groesse*f1_10beh_w_i;
%FORMLAB;
RUN;
QUIT;
*Modifiziertes Endmodell mit vier Einflussfaktoren;
TITLE 'Modell mit 4 Faktoren';
PROC GLM DATA=neu;
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i
Groesse*f1_10beh_w_i;
LSMEANS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i Groesse*f1_10beh_w_i/
PDIFF ADJUST=SCHEFFE;
%FORMLAB;
RUN;
QUIT;
ODS RTF CLOSE;
139

C. SAS-Outputs
C.1 Modellbildung für das modifizierte Endmodell (gekürzt)
Schritt 1
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
SAS-Outputs
Source DF Sum of Squares Mean Square F Value Pr > F
Model 17 540.351130 31.785361 18.52 F
Haltung 2 342.6523647 171.3261824 99.83

SAS-Outputs
Source DF Type III SS Mean Square F Value Pr > F
Haltung*f1_10beh_w_i 2 0.2221941 0.1110971 0.06 0.9373
f1_6anz_e*f1_10beh_w 2 7.1624224 3.5812112 2.09 0.1250
Haltung*Groesse 2 4.2548386 2.1274193 1.24 0.2902
Haltung*f1_6anz_ein_ 4 11.2581622 2.8145405 1.64 0.1626
Schritt 2
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
Source DF Sum of Squares Mean Square F Value Pr > F
Model 15 540.128936 36.008596 21.05 F
Haltung 2 342.6523647 171.3261824 100.13

SAS-Outputs
Source DF Type III SS Mean Square F Value Pr > F
f1_10beh_w_i 1 18.0102789 18.0102789 10.53 0.0012
Groesse*f1_10beh_w_i 1 15.3076347 15.3076347 8.95 0.0029
f1_6anz_e*f1_10beh_w 2 7.6743885 3.8371942 2.24 0.1070
Haltung*Groesse 2 4.2179253 2.1089626 1.23 0.2923
Haltung*f1_6anz_ein_ 4 13.7694327 3.4423582 2.01 0.0913
Schritt 3
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
Source DF Sum of Squares Mean Square F Value Pr > F
Model 13 535.911010 41.223924 24.08 F
Haltung 2 342.6523647 171.3261824 100.06

SAS-Outputs
Source DF Type III SS Mean Square F Value Pr > F
f1_10beh_w_i 1 18.7793657 18.7793657 10.97 0.0010
Groesse*f1_10beh_w_i 1 13.9768919 13.9768919 8.16 0.0044
f1_6anz_e*f1_10beh_w 2 6.5436096 3.2718048 1.91 0.1488
Haltung*f1_6anz_ein_ 4 15.2322854 3.8080713 2.22 0.0651
Schritt 4
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
Source DF Sum of Squares Mean Square F Value Pr > F
Model 11 529.367401 48.124309 28.02 F
Haltung 2 342.6523647 171.3261824 99.76

SAS-Outputs
Source DF Type III SS Mean Square F Value Pr > F
Groesse*f1_10beh_w_i 1 7.5891215 7.5891215 4.42 0.0359
Haltung*f1_6anz_ein_ 4 13.8788220 3.4697055 2.02 0.0900
Schritt 5
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche
Source DF Sum of Squares Mean Square F Value Pr > F
Model 7 515.488579 73.641226 42.60 F
Haltung 2 342.6523647 171.3261824 99.11

D. CD-Verzeichnis
Ordner Dateien Inhalt / Aufgabe
CD-Verzeichnis
Diplomarbeit_PDF Diplom_Schael.pdf Gesamte Diplomarbeit als PDF
SAS-Outputs VariSelektion.rtf Variabelenselektion für das Endmo-
SAS-Programme
dell (ein- und dreifaktorielle Vari-
anzanalysen sowie Cramér’s V)
Ausreißertest.sas Ausreißertest nach Grubbs / Beck
Auswertung_TeilA_LeLi.sas Deskription für die Variable Legeli-
nie nach unterschiedlichen Ge-
sichtspunkten
autoexec.sas Definition der EpiLeg-Library und
der Auswertedatensätze ADS_A
und ADS_B sowie Einlesen der
grundlegenden Formate und Mak-
ros
Endmodell.sas Endmodell mit den Faktoren Hal-
tungsform und Betriebsgrößenklas-
se und deren Interaktion für die
Zielvariable Verluste pro 1000 An-
fangshennen und Woche
Endmodellbildung_Diplom.sas Modellbildung für das modifizierte
Endmodell
Epileg_Daten-Import.sas Datenimport aus MS-Access
Interaktionsplots.sas Erstellung von Interaktionsplots
Residuen_Grafiken.sas Erstellung von Residuenplots und
Histogrammen der Residuen
VariSelektion.sas Variabelenselektion für das Endmo-
dell (ein- und dreifaktorielle Vari-
anzanalysen sowie Cramér’s V)
145