Link - Frau Prof. Dr. rer. nat. Kira Klenke - Hochschule Hannover
Link - Frau Prof. Dr. rer. nat. Kira Klenke - Hochschule Hannover
Link - Frau Prof. Dr. rer. nat. Kira Klenke - Hochschule Hannover
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Multiple Abhängigkeiten am Beispiel einer orientierenden<br />
epidemiologischen Untersuchung zum Leistungsniveau und<br />
Gesundheitsstatus von Legehennen<br />
Datenmanagement, Dokumentation und statistische Auswertung<br />
Diplomarbeit<br />
von Jan Schäl<br />
Fachhochschule <strong>Hannover</strong><br />
Studiengang Biowissenschaftliche Dokumentation<br />
Sommersemester 2004
Multiple Abhängigkeiten am Beispiel einer orientierenden<br />
epidemiologischen Untersuchung zum Leistungsniveau und<br />
Gesundheitsstatus von Legehennen<br />
Datenmanagement, Dokumentation und statistische Auswertung<br />
Diplomarbeit<br />
im Studiengang Biowissenschaftliche Dokumentation<br />
<strong>Hannover</strong>, den 26. Mai 2004<br />
an der Fachhochschule <strong>Hannover</strong><br />
vorgelegt von<br />
Jan Schäl
Erklärung<br />
Erklärung<br />
Hiermit versichere ich, dass ich die vorliegende Arbeit selbständig verfasst und<br />
keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe.<br />
Ich bin damit einverstanden, dass meine Arbeit in der Bibliothek der Fach-<br />
hochschule <strong>Hannover</strong> eingestellt wird.<br />
<strong>Hannover</strong>, den 26. Mai 2004<br />
Jan Schäl<br />
1. Prüferin: <strong>Prof</strong>. <strong>Dr</strong>. <strong>Kira</strong> <strong>Klenke</strong><br />
2. Prüfer: <strong>Prof</strong>. <strong>Dr</strong>. Lothar Kreienbrock
Zusammenfassung<br />
Zusammenfassung<br />
Durch die erste Verordnung zur Änderung der Tierschutz-<br />
Nutztierhaltungsverordnung wurde es notwendig, eine Datenbasis zur Bewer-<br />
tung verschiedener Legehennen-Haltungssysteme zur Verfügung zu haben.<br />
Die „Orientierende epidemiologische Untersuchung zum Leistungsniveau und<br />
Gesundheitsstatus in Legehennenhaltungen verschiedener Haltungssysteme“,<br />
kurz EpiLeg genannt, wurde zu diesem Zweck vom Niedersächsischen Minis-<br />
terium für den ländlichen Raum, Ernährung, Landwirtschaft und Verbraucher-<br />
schutz in Auftrag gegeben. Das Institut für Biometrie, Epidemiologie und<br />
Informationsverarbeitung der Tierärztlichen <strong>Hochschule</strong> <strong>Hannover</strong> war der Auf-<br />
tragnehmer der Studie. Im Rahmen der Studie wurden mittels Fragebögen bei<br />
legehennenhaltenden Betrieben Daten zur aktuellen Situation in der Legehen-<br />
nenhaltung gesammelt.<br />
Die vorliegende Arbeit beschäftigt sich mit den Bereichen Datenmanagement,<br />
Dokumentation und einigen Teilaspekten der statistischen Auswertung der<br />
Studie. Es wird erläutert, wie die Daten mittels Fragebögen und elektronisch<br />
erfasst, wie sie aufbereitet und auf Plausibilität geprüft und abschließend mit<br />
deskriptiven und analytischen Methoden der Statistik ausgewertet wurden. Die<br />
bisherigen Ergebnisse der Studie werden kurz zusammengefasst dargestellt<br />
und um weitere Auswertungsresultate ergänzt. Den zentralen Parameter der<br />
dargestellten Auswertungen bildet dabei die Mortalitätsrate der Legehennen.
Inhaltsverzeichnis<br />
Zusammenfassung<br />
Inhaltsverzeichnis<br />
Inhaltsverzeichnis<br />
1 Einleitung .................................................................................................. 1<br />
1.1 Die Studie EpiLeg .............................................................................. 1<br />
1.2 Haltungssysteme................................................................................ 3<br />
1.3 Struktur der Legehennenhaltung........................................................ 4<br />
1.4 Repräsentativität der Stichprobe ........................................................ 5<br />
2 Material und Methoden.............................................................................. 8<br />
2.1 Der Fragebogen ................................................................................. 8<br />
2.1.1 Fragebogenstruktur..................................................................... 8<br />
2.1.2 Versand und Rücklauf............................................................... 10<br />
2.2 Elektronische Datenerfassung ......................................................... 11<br />
2.2.1 Fragencodierung....................................................................... 11<br />
2.2.2 Struktur der Datenbank............................................................. 14<br />
2.2.3 Dateneingabe und nachträgliche Variablendefinition ................ 20<br />
2.2.4 Probleme bei der Dateneingabe ............................................... 21<br />
2.2.5 Definition der Stallinformationen ............................................... 23<br />
2.2.6 Strukturinformationen................................................................ 25<br />
2.3 Datenaufbereitung............................................................................ 26<br />
2.3.1 Datenimport in SAS aus MS- Access........................................ 26<br />
2.3.2 Definition neuer Variablen......................................................... 27<br />
2.3.3 Plausibilitätskontrollen in SAS................................................... 33<br />
2.3.4 Überprüfung inplausibler Daten anhand der Fragebögen ......... 39<br />
2.4 Statistische Methoden und Vorbereitung der Daten......................... 41<br />
2.4.1 Deskription ................................................................................ 41<br />
2.4.2 Gruppierung der erhobenen Merkmale ..................................... 41<br />
2.4.3 Zusammenfassung und Ausschluss von Faktorstufen.............. 43<br />
2.4.4 Varianzanalyse ......................................................................... 45<br />
2.4.5 Ausreißertest............................................................................. 56<br />
2.4.6 Assoziationsmaß nach Cramér ................................................. 57<br />
2.4.7 Umwandlung quantitativer Merkmale........................................ 59<br />
I
Inhaltsverzeichnis<br />
3 Ergebnisse .............................................................................................. 60<br />
3.1 Deskriptive Auswertung.................................................................... 60<br />
3.2 Statistische Modelle ......................................................................... 69<br />
3.2.1 Einfaktorielle Varianzanalyse .................................................... 69<br />
3.2.2 Zweifaktorielle Varianzanalyse mit Interaktion (Grundmodell) .. 71<br />
3.2.3 <strong>Dr</strong>eifaktorielle Varianzanalyse und Cramér’s V......................... 77<br />
3.2.4 Gesamtmodell mit sieben Einflussfaktoren ............................... 78<br />
3.2.5 Scheffé – Test und adjustierte Erwartungswerte....................... 80<br />
3.2.6 Gesamtmodell mit vier Einflussfaktoren.................................... 84<br />
4 Diskussion und Ausblick.......................................................................... 93<br />
5 Danksagung ............................................................................................ 96<br />
6 Literaturverzeichnis ................................................................................. 97<br />
7 Anhänge................................................................................................ 102<br />
II
1 Einleitung<br />
1.1 Die Studie EpiLeg<br />
Die Studie EpiLeg<br />
Durch die erste Verordnung zur Änderung der Tierschutz-<br />
Nutztierhaltungsverordnung (BMVEL, 2002) wurde festgelegt, dass die Käfig-<br />
haltung für Legehennen, die nicht nur in Deutschland die bei weitem verbrei-<br />
tetste Haltungsform ist, ab dem 1. Januar 2007 nicht mehr eingesetzt werden<br />
darf. Diese Verordnung war die Ursache für die Durchführung einer „Orientie-<br />
renden epidemiologischen Untersuchung zum Leistungsniveau und Gesund-<br />
heitsstatus in Legehennenhaltungen verschiedener Haltungssysteme“, kurz<br />
EpiLeg genannt. Sie wurde im November 2002 durch das Niedersächsische<br />
Ministerium für den ländlichen Raum, Ernährung, Landwirtschaft und Verbrau-<br />
cherschutz (NML) in Auftrag gegeben. Auftragnehmer war das Institut für Bio-<br />
metrie, Epidemiologie und Informationsverarbeitung (IBEI) der Tierärztlichen<br />
<strong>Hochschule</strong> <strong>Hannover</strong> (TiHo).<br />
Im Rahmen der Studie wurden bei entsprechenden Betrieben, mittels einer<br />
Erhebung anhand von Fragebögen, Daten zur aktuellen Situation in der Lege-<br />
hennenhaltung gesammelt. Dies geschah unter Einbezug einer Vielzahl von<br />
Projektbeteiligten, die der Tabelle 1.1.1 zu entnehmen sind. Die Aufgabe einer<br />
Treuhandstelle beinhaltete dabei die Kontaktaufnahme zu den legehennenhal-<br />
tenden Betrieben und die spätere Anonymisierung der erhobenen Daten. Die-<br />
se Daten waren die Basis für die Bewertung unterschiedlicher<br />
Haltungssysteme (auch Haltungsformen genannt) in Hinblick auf die Gesund-<br />
heit der Hennen und andere bestandsbegleitende Parameter mit Hilfe statisti-<br />
scher Methoden (Kreienbrock [et al.], 2004).<br />
1
Tabelle 1.1.1: Projektbeteiligte (Kreienbrock [et al.], 2004, S. 9)<br />
Wissenschaftliche<br />
Koordi<strong>nat</strong>ion<br />
Treuhandstelle<br />
Fachliche Beratung<br />
Aufgabe Beteiligte Institution<br />
Die Studie EpiLeg<br />
− Institut für Biometrie, Epidemiologie und Informationsverarbeitung,<br />
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong><br />
− Niedersächsisches Ministerium für den ländlichen<br />
Raum, Ernährung, Landwirtschaft und Verbraucherschutz<br />
− Bezirksregierung Weser-Ems<br />
− Niedersächsisches Landesamt für Verbraucherschutz<br />
und Lebensmittelsicherheit<br />
− Niedersächsische Geflügelwirtschaft, Landesverband<br />
e. V.<br />
− Niedersächsisches Ministerium für den ländlichen<br />
Raum, Ernährung, Landwirtschaft und<br />
Verbraucherschutz<br />
− Ministerium für Ernährung, Landwirtschaft, Forsten<br />
und Fischerei, Mecklenburg-Vorpommern<br />
− Veterinärbehörden der Landkreise Osnabrück und<br />
Cloppenburg sowie weitere zuständige örtliche Veterinärbehörden<br />
− Fachtierärzte für Geflügel<br />
− Niedersächsische Geflügelwirtschaft, Landesverband<br />
e. V.<br />
− Bundesverband Deutsches Ei e.V.<br />
Die vorliegende Arbeit beschäftigt sich mit den Gesichtspunkten Datenmana-<br />
gement, Dokumentation und statistische Auswertung der Untersuchung Epi-<br />
Leg. Das Vorgehen von der Datenerhebung bis zur statistischen Modellbildung<br />
wird erläutert. Neben der näheren Darstellung statistischer Modelle, die auch<br />
im Abschlussbericht der Studie (Kreienbrock [et al.], 2004) zu finden sind,<br />
werden weitere deskriptive und analytische Auswertungen gezeigt und inter-<br />
pretiert.<br />
2
1.2 Haltungssysteme<br />
Haltungssysteme<br />
Ein Hauptgesichtspunkt der beschriebenen Untersuchung war der Vergleich<br />
der verschiedenen in der Praxis eingesetzten Haltungssysteme. Diese Hal-<br />
tungssysteme werden im Folgenden genauer erläutert.<br />
• Bodenhaltung<br />
Die Tiere werden auf einer Ebene gehalten. Sie können sich frei in ei-<br />
nem Stall bewegen, der mindestens zu einem <strong>Dr</strong>ittel eingestreut sein<br />
muss, um den Hennen das Scharren zu ermöglichen. Auch das Vor-<br />
handensein von Legenestern ist vorgeschrieben. Jedes Tier muss min-<br />
destens 1 100 cm² Fläche zur Verfügung haben, wobei höchstens neun<br />
Tiere pro m² erlaubt sind. Es wird zwischen Bodenhaltung mit Auslauf<br />
und ohne Auslauf unterschieden. Bei Bodenhaltung mit Auslauf (auch<br />
Freilandhaltung genannt) hat jedes Tier eine Freilauffläche von 2,5 bis<br />
10 m² zur Verfügung.<br />
• Volierenhaltung<br />
Die Legehennen können annähernd das komplette Stallvolumen nut-<br />
zen, da sie auf meh<strong>rer</strong>en Ebenen gehalten werden. Pro m² Bodenfläche<br />
sind, je nach Anzahl der Ebenen, 10 bis 25 Tiere üblich. Sitzstangen mit<br />
einer Mindestlänge von 15 cm je Tier und das Bereitstellen von Lege-<br />
nestern sind vorgeschrieben. Es wird zwischen Volierenhaltung mit<br />
Auslauf und ohne Auslauf unterschieden. Bei Volierenhaltung mit Aus-<br />
lauf (auch Freilandhaltung genannt) hat jedes Tier eine Freilauffläche<br />
von 2,5 bis 10 m² zur Verfügung.<br />
• Käfighaltung<br />
Mindestens 550 cm² Bodenfläche pro Tier müssen zur Verfügung ste-<br />
hen, wobei höchstens 5 Hennen pro Käfig zulässig sind. Ab 2007 ist die<br />
Käfighaltung in Deutschland gesetzlich verboten.<br />
• Kleingruppenhaltung (ausgestaltete Käfige)<br />
In dieser Haltungsform sind höchstens 13 Hennen je m² Bodenfläche<br />
erlaubt. Die Gruppengröße pro Käfig ist nicht genau definiert, da sich<br />
das Haltungssystem derzeit noch in der Erprobung befindet, um Aspek-<br />
3
Struktur der Legehennenhaltung<br />
te der Artgerechtheit und der allgemeinen Produktionsbedingungen ab-<br />
zustimmen. In einem Käfig der Kleingruppenhaltung befinden sich aller-<br />
dings mehr Tiere als in einem Käfig der herkömmlichen Käfighaltung.<br />
Es gibt Legenester und die Möglichkeit zum Sandbaden. Außerdem<br />
sind mindestens 15 cm Sitzstange pro Tier erforderlich. Auch dieses<br />
Haltungssystem gilt als Käfighaltung und darf daher ab 2007 deutsch-<br />
landweit nicht mehr genutzt werden. Gegebenenfalls können Weiter-<br />
entwicklungen dieser Haltungsform auch zukünftig eingesetzt werden.<br />
(Landtag Mecklenburg-Vorpommern, (1998) und Tierärztliche <strong>Hochschule</strong><br />
<strong>Hannover</strong>, (2004))<br />
1.3 Struktur der Legehennenhaltung<br />
Die Grundlage der Untersuchung sind die sogenannten Legedurchgänge. Ein<br />
Legedurchgang ist die Zeit zwischen der Ein- und Ausstallung einer Herde von<br />
Tieren eines Stalles. Dieser Zeitraum beträgt ungefähr ein Jahr. Es wird immer<br />
eine kompletter Stall ein- bzw. ausgestallt. Verluste durch Tod der Hennen<br />
werden nicht ersetzt.<br />
Zu Beginn der Studie wurden zunächst alle Betriebe mit mehr als 3 000 Lege-<br />
hennenplätzen im Bundesland Niedersachsen als Untersuchungskollektiv de-<br />
finiert. Es wurde jedoch in einer frühen Phase auf alle Bundesländer erweitert.<br />
Von diesen Betrieben wurden Daten zu Durchgängen in den Jahren 2000,<br />
2001 und 2002 erhoben. Anhand der Abb. 1.3.1 soll gezeigt werden, wie die<br />
Struktur der Legehennenhaltung aufgebaut ist.<br />
4
Stall<br />
Produzent<br />
Betrieb Betrieb<br />
Repräsentativität der Stichprobe<br />
Betrieb<br />
Stall Stall Stall Stall<br />
Durchgänge Durch-<br />
Durchgänge Durch-<br />
Durchgänge<br />
gang<br />
gang<br />
Abb. 1.3.1: Struktur der Legehennenhaltung<br />
Legehennenhaltende Betriebe können unabhängig sein oder ein Teil eines<br />
größeren Unternehmens (Produzenten), das mehr als einen Betrieb besitzt.<br />
Ein Betrieb hat wiederum einen oder meh<strong>rer</strong>e Ställe, wobei jeder Stall mit ei-<br />
nem anderen Haltungssystem ausgestattet sein kann. Jeder der Ställe konnte<br />
in den betreffenden Jahren bis zu dreimal mit Tieren belegt werden, in Aus-<br />
nahmefällen auch häufiger. Nicht alle dieser Durchgänge müssen allerdings in<br />
die Studie eingeflossen sein.<br />
1.4 Repräsentativität der Stichprobe<br />
Die Gesamtanzahl der eingegangenen Fragebögen beläuft sich auf 706, wobei<br />
davon 675 Durchgänge auswertbar waren. Diese Durchgänge repräsentieren<br />
175 Betriebe von 120 Produzenten mit insgesamt 406 Ställen. Es wurde er-<br />
wartet, dass die Anzahl der größeren Betriebe, die in die Studie eingingen,<br />
höher war als die Anzahl der kleineren Betriebe. Außerdem gilt die Betriebs-<br />
größe als ein Parameter, „der in vielerlei Hinsicht betriebliche Verhaltenswei-<br />
sen und betriebliche Ergebnisse beeinflusst […].“ (Kreienbrock [et al.], 2004,<br />
S. 19). Aus diesen Gründen wurde das Untersuchungskollektiv in zwei Grup-<br />
5
Repräsentativität der Stichprobe<br />
pen geteilt. Die Betriebsgröße wird im Allgemeinen durch die Anzahl der ver-<br />
fügbaren Legehennenplätze jedes Betriebes bestimmt. Betriebe mit weniger<br />
als 50 000 Legehennenplätzen bilden in dieser Studie die Gruppe der kleine-<br />
ren Betriebe, während Betriebe mit mehr als 50 000 Legehennenplätzen zu<br />
den größeren Betrieben zählen.<br />
Innerhalb dieser beiden Gruppen wurde untersucht, ob die Verteilung der ein-<br />
zelnen Haltungssysteme in der Stichprobe der Verteilung in der Grundgesamt-<br />
heit entspricht. Da die Haltungsform den bedeutendsten Parameter der Studie<br />
darstellt, ist eine vergleichbare Verteilung der Haltungsformen eine entschei-<br />
dende Voraussetzung zur Beurteilung der Repräsentativität der Stichprobe. In<br />
Abb. 1.4.1 ist dieser Vergleich in grafischer Form dargestellt. Es zeigt sich,<br />
dass die Verteilung der Haltungsformen in der Studie getrennt nach Betriebs-<br />
größenklassen der Verteilung in der Grundgesamtheit grundsätzlich gut ent-<br />
spricht. Allerdings ist bei den kleineren Betrieben auffällig, dass hier in der<br />
Stichprobe prozentual mehr Boden- und Freilandhaltungen und weniger Käfig-<br />
haltungen vertreten sind als in der Grundgesamtheit. Die daraus resultieren-<br />
den größeren Stichprobenzahlen für die Boden- und Freilandhaltung<br />
vergrößern allerdings die Exaktheit der Aussagen bezüglich dieser Haltungs-<br />
systeme, so dass die Differenz zwischen Grundgesamtheit und Stichprobe<br />
wurde daher als annehmbar bewertet wurde (Kreienbrock [et al.], 2004, S.20).<br />
6
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
Käfig-<br />
Batteriehaltung<br />
Käfig-<br />
Batteriehaltung<br />
Betriebe mit weniger als 50 000 Haltungsplätzen<br />
Stichprobe EpiLeg<br />
Repräsentativität der Stichprobe<br />
Grundgesamtheit nach Stat. Bundesamt<br />
Volierenhaltung Bodenhaltung Freilandhaltung<br />
Betriebe mit mehr als 50 000 Haltungsplätzen<br />
Stichprobe EpiLeg<br />
Grundgesamtheit nach Stat. Bundesamt<br />
Volierenhaltung Bodenhaltung Freilandhaltung<br />
Abb. 1.4.1: Betriebe mit Legehennenhaltung in Deutschland gesamt und in dieser Un-<br />
tersuchung nach Haltungssystemen und Betriebsgröße (Kreienbrock<br />
[et al.], 2004, S.21)<br />
7
2 Material und Methoden<br />
2.1 Der Fragebogen<br />
Der Fragebogen<br />
Zur Datenerhebung wurde am Institut für Biometrie, Epidemiologie und Infor-<br />
mationsverarbeitung der Tierärztlichen <strong>Hochschule</strong> <strong>Hannover</strong> in enger Zu-<br />
sammenarbeit mit allen Projektbeteiligten (vergl. Tabelle 1.1.1) im November<br />
2002 ein Fragebogen entwickelt. Dieser wurde als Pretest von Dezember 2002<br />
bis Januar 2003 mit 16 Legedurchgängen geprüft, wodurch Verständnis-<br />
schwierigkeiten, die in den ausgefüllten Bögen ersichtlich wurden, beseitigt<br />
werden konnten. Eine modifizierte endgültige Version wurde im Februar 2003<br />
fertiggestellt.<br />
2.1.1 Fragebogenstruktur<br />
Das Deckblatt des Fragebogens zeigt Titel, Kurztitel und Logo des Projektes<br />
sowie Namen und Logo des IBEI. Über die Projektbeteiligten und die Einhal-<br />
tung der Datenschutzrichtlinien informiert das Einstiegsanschreiben. Der Fra-<br />
gebogen selbst gliedert sich in die folgenden drei Fragenkomplexe:<br />
Angaben zum Betrieb<br />
Zunächst geben die teilnehmenden Legehennenhalter Namen, Anschrift und<br />
das Bundesland ihres Betriebes an, wobei nur die Bundeslandinformation an<br />
das IBEI weitergeleitet wurde. Ansonsten wurde dieser Teil durch die Treu-<br />
handstelle anonymisiert.<br />
Durchgangscharakteristika<br />
Der zweite Fragenkomplex (Teil A) befasst sich mit Daten, die sich auf die Ge-<br />
samtzeit eines Durchgangs beziehen. Hier gibt es eine weitere Unterteilung in<br />
vier zeitlich abgrenzbare Untergruppen:<br />
8
• Vor Beginn der Legeperiode (Frage A-1 bis A-8)<br />
Der Fragebogen<br />
In dieser Gruppe von Fragen wird auf allgemeine Durchgangscharakte-<br />
ristika eingegangen, die vor bzw. bei der Einstallung festgelegt werden.<br />
Sie beinhaltet das Einstalldatum, die Belegungsart (Erst- oder Folgebe-<br />
legung), die eingestallte Legelinie (die Hühnerrasse), das Haltungssys-<br />
tem, die Wirtschaftsform (herkömmlich oder ökologisch), die Anzahl<br />
eingestallter Tiere, das Alter der Tiere am Einstalltag sowie Impfungen<br />
und Behandlungen während der Aufzuchtphase.<br />
• Während der Legeperiode (Fragen A-9 bis A-11 und A-15)<br />
Diese Fragengruppe geht auf Impfungen und Behandlungen während<br />
der Legeperiode, Verhaltensbesonderheiten der Tiere sowie den Fut-<br />
terverbrauch während der Legeperiode ein.<br />
• Am Ende der Legeperiode (Fragen A-12 bis A-14)<br />
Das Ausstalldatum, die Anzahl der ausgestallten Tiere und das Gewicht<br />
der Tiere gehören in die Gruppe der Daten, die das Ende der Legeperi-<br />
ode charakterisieren.<br />
• Daten aus dem Veterinärmedizinischen Untersuchungsbericht<br />
(Fragen A-16 bis A-18)<br />
Die Fragen dieser Gruppe befassen sich mit der Schlachtung der Tiere<br />
und sollten von den Haltern nur ausgefüllt werden, falls ihnen Daten aus<br />
dem veterinärmedizinischen Untersuchungsbericht vorlagen.<br />
Durchgangsbezogene Wochendaten<br />
Im dritten Teil (Teil B) werden Daten erfragt, die sich auf einzelne Legewochen<br />
beziehen. Dazu gehören die Anzahl der im Durchgang verendeten Tiere, die<br />
Anzahl gelegter und aussortierter Eier sowie das durchschnittliche Eigewicht in<br />
Gramm.<br />
9
2.1.2 Versand und Rücklauf<br />
Der Fragebogen<br />
Der Fragebogen wurde auf drei DIN A3 Seiten doppelseitig gedruckt und ge-<br />
falzt. Am IBEI wurde jeder einzelne Bogen mit Hilfe eines Paginierstempels mit<br />
einer laufenden Nummer versehen, um ihn eindeutig identifizierbar zu ma-<br />
chen. Hierbei wurden jeweils die Seiten 1, 3 und 12 mit derselben Nummer<br />
versehen, um zu vermeiden, dass lose Seiten nicht mehr mit einem Fragebo-<br />
gen in Verbindung gebracht werden konnten. Anschließend wurden sie an die<br />
Niedersächsische Geflügelwirtschaft (NGW) versandt, die einen Teil der Bö-<br />
gen an die Legehennenbetriebe in Niedersachsen verteilte und die weiteren<br />
Bögen gruppiert nach Bogennummern an die Geflügelverbände im Bundesge-<br />
biet weiterleitete. Diese wiederum verteilten sie an die einzelnen Legehennen-<br />
betriebe mit einer Hennenkapazität von mindestens 3 000 Tieren in ihrem<br />
Einzugsbereich. Jeder Betrieb erhielt pro Stall drei Bögen, da für jeden Lege-<br />
hennen-Durchgang der Jahre 2000, 2001 und 2002 ein Fragebogen ausgefüllt<br />
werden sollte. Dabei wurde von durchschnittlich einem Durchgang pro Jahr<br />
ausgegangen.<br />
Die ausgefüllten Bögen wurden von den teilnehmenden Betrieben schließlich<br />
an die NGW zurückgesandt. Hier trennte man die erste Seite, die unter ande-<br />
rem Name und Anschrift des Legehennenbetriebes enthält, ab. Eingegangene,<br />
ausgefüllte Fragebögen wurden zusammen mit dem dazugehörigen Produzen-<br />
ten in Listen als zurückgekommen verzeichnet, wobei bei Fragebögen aus<br />
Niedersachsen auch nachverfolgt werden konnte, zu welchem Betrieb des<br />
Produzenten ein Durchgang gehört. Die anonymisierten Bögen wurden an das<br />
IBEI zurückgesandt und dort archiviert. Auch die Listen mit allen Fragebogen-<br />
nummern, der Rücklaufinformation und Codes für den dazugehörigen Produ-<br />
zenten sowie, falls vorhanden, dem Betrieb wurden an das IBEI weitergeleitet.<br />
10
2.2 Elektronische Datenerfassung<br />
Elektronische Datenerfassung<br />
Unter Microsoft Access 2000 wurde eine Datenbankapplikation entwickelt, um<br />
die Daten aus den Fragebögen elektronisch zu erfassen und sie in folgenden<br />
Schritten rechnergestützt auswerten zu können.<br />
2.2.1 Fragencodierung<br />
Zunächst wurden für alle Fragen bzw. Unterfragen des Erhebungsbogens Variablennamen<br />
definiert und in einem Codierungsplan niedergeschrieben. Jeder<br />
Variablenname beginnt mit einer Ziffer. Variablen des ersten Fragenkomplexes<br />
beginnen mit der Ziffer 0, während Variablen aus Teil A mit der Ziffer 1 und<br />
Fragen aus Teil B mit der Ziffer 2 beginnen. An nächster Stelle folgt die Nummer<br />
der Frage, anschließend eine Abkürzung oder ein Schlagwort für den Frageninhalt.<br />
Einige Beispiele für die Konstruktion von Variablennamen sind in<br />
Tabelle 2.2.1 aufgeführt. Die Darstellung dieser Variablen im Fragebogen ist in<br />
Tabelle 2.2.2 und Tabelle 2.2.3 ersichtlich.<br />
Tabelle 2.2.1: Fragencodierung (Beispiele aus dem Codierungsplan)<br />
Frage Variablenname Bedeutung<br />
A-1 1_1dat_ein Datum der Hennen-Einstallung<br />
A-2 1_2belegart Art der Belegung<br />
A-3 1_3legelinie eingestallte Legelinie<br />
B 2_0lw Lebenswoche<br />
B 2_1verlust Anzahl verendeter Tiere je Woche<br />
11
Elektronische Datenerfassung<br />
Tabelle 2.2.2: Ausschnitt aus dem Fragebogenteil A – Fragen A-1 bis A-3<br />
A-1<br />
A-2<br />
A-7<br />
An welchem Datum wurden die<br />
Tiere eingestallt?<br />
Erfolgt die Belegung des Hal-<br />
tungssystems zum ersten Mal,<br />
oder gab es schon vorherige Be-<br />
legungen in diesem Haltungssys-<br />
tem?<br />
Wie alt waren die Hennen am<br />
Einstallungstag?<br />
Tabelle 2.2.3: Ausschnitt aus dem Fragebogenteil B<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
Lebenswoche<br />
. .<br />
� Erstbelegung<br />
� Folgebelegung<br />
_____Wochen ____ Tage<br />
Tierverluste Leistungsziffern<br />
ANZAHL<br />
der im Bestand<br />
verendeten Tiere<br />
ANZAHL der<br />
gelegten Eier<br />
ANZAHL der<br />
aussortierten Eier<br />
durchschnittliches<br />
Eigewicht in<br />
Gramm<br />
Wie in Tabelle 2.2.4, die den in Tabelle 2.2.5 dargestellten Ausschnitt aus dem<br />
Fragebogen codiert, zu sehen ist, werden für Fragen, bei denen Mehrfachan-<br />
gaben möglich sind, einzelne Teilantworten durch einen angehängten Buch-<br />
12
Elektronische Datenerfassung<br />
staben unterschieden. Für die erste Teilfrage ist dieser Buchstabe ein „a“. Er<br />
wird bei allen weiteren in alphabetischer Reihenfolge verändert.<br />
Tabelle 2.2.4: Codierung von Teilfragen (Beispiele aus dem Codierungsplan)<br />
Frage Variablenname Bedeutung<br />
A-8 (Impfungen in der Aufzuchtphase<br />
/ vor der Einstallung)<br />
1_8beh_vor_a Aviäre Enzephalomyelitis<br />
1_8beh_vor_b Egg-<strong>Dr</strong>op-Syndrom<br />
1_8beh_vor_c Escherichia coli-Infektion<br />
1_8beh_vor_d Coryza contagiosa<br />
1_8beh_vor_e Infektiöse Bronchitis<br />
1_8beh_vor_f Infektiöse Bursitis (Gumboro)<br />
1_8beh_vor_g Infektiöse Laryngotracheitis<br />
1_8beh_vor_h Kokzidiose<br />
1_8beh_vor_i Mareksche Krankheit<br />
1_8beh_vor_j Mykoplasma-Infektion<br />
1_8beh_vor_k Newcastle Disease<br />
Tabelle 2.2.5: Ausschnitt aus dem Fragebogenteil A – Mehrfachauswahl<br />
A-8 Wurden die Hennen in der Aufzuchtphase bzw. vor der Einstallung gegen<br />
folgende Krankheiten geimpft?<br />
Aviäre Enzephalomyelitis (AE)<br />
Egg-<strong>Dr</strong>op-Syndrom (EDS)<br />
Escherichia coli-Infektion<br />
Coryza contagiosa (ansteck. Geflügelschnupfen)<br />
Infektiöse Bronchitis (IB)<br />
Infektiöse Bursitis (Gumboro)<br />
Infektiöse Laryngotracheitis (ILT)<br />
Kokzidiose<br />
Marek’sche Krankheit (IBD)<br />
Mykoplasma-Infektion (MG)<br />
Newcastle Disease (ND)<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
13
Elektronische Datenerfassung<br />
Bei qualitativen Merkmalen wurde jede einzelne Antwortmöglichkeit codiert,<br />
wobei jeweils der Code 99 für „keine Angabe“ steht. Als Beispiel für die weitere<br />
Codierung ordinaler Merkmale seien die Fragen mit den Antwortmöglichkeiten<br />
„ja“ und „nein“ genannt (s. z.B. Tabelle 2.2.5). Hier wurde ein „nein“ mit der<br />
Ziffer 0 und ein „ja“ mit der Ziffer 1 codiert. Für quantitative Merkmale wurde<br />
ein Wertebereich festgelegt, in dem die Antworten liegen können. So ist beim<br />
Einstallalter der Hennen in Wochen nur eine zweistellige Angabe möglich, da<br />
die Tiere in der Praxis unter keinen Umständen vor der zehnten Woche einge-<br />
stallt werden. Der Codierungsplan enthält 62 Variablen, die den Informations-<br />
gehalt des Erhebungsbogens vollständig abdecken. Er ist in der<br />
Dokumentation im Anhang zu finden.<br />
2.2.2 Struktur der Datenbank<br />
Tabellen<br />
Microsoft Access ist ein Instrument zur Entwicklung relationaler Datenbanken.<br />
Grundlage dieser Datenbanken sind Tabellen, die in der Datenbanksprache<br />
synonym als Relationen bezeichnet werden. Die Tabellen beinhalten alle Vari-<br />
ablen der Datenstruktur, was bedeutet, dass Daten nur in diesen Tabellen ge-<br />
speichert werden. Sie können durch eindeutige Zuweisungen miteinander<br />
verknüpft werden. Diese Verknüpfung einzelner Tabellen erfolgt über die Ver-<br />
gabe von Primär- und Fremdschlüsseln. Ein Primärschlüssel (auch Identifikati-<br />
onsschlüssel) ist die eindeutige Identifizierung eines Datensatzes einer<br />
Tabelle. Fremdschlüssel sind Verweise auf Primärschlüssel einer anderen Ta-<br />
belle und verknüpfen somit diese Tabellen (Noack [Hrsg.], 2003, Kapitel 1 u.<br />
2).<br />
Die Fragen der ersten beiden Abschnitte des EpiLeg - Erhebungsbogens las-<br />
sen pro Fragebogen lediglich jeweils eine Angabe zu. Jeder Variablen wird<br />
daher auch nur ein Wert pro Bogen zugewiesen. Die Eingabe eines Fragebo-<br />
gens erzeugt daher nur einen Datensatz. Zur besseren Übersicht wurden die<br />
Variablen allerdings auf vier Tabellen verteilt, obwohl dies nicht zwingend not-<br />
14
Elektronische Datenerfassung<br />
wendig war. Die Variablen des dritten Komplexes, der die Wochendaten bein-<br />
haltet, mussten ande<strong>rer</strong>seits auch aus logischen Gründen in einer einzelnen<br />
Tabelle dargestellt werden, da hier für jede einzelne Legewoche jedes Frage-<br />
bogens ein neuer Datensatz erzeugt wird. Eine Übersicht der Datentabellen,<br />
wie sie in Microsoft Access umgesetzt wurden, finden sich in Tabelle 2.2.6.<br />
Tabelle 2.2.6: Tabellen in der Datenbank EpiLeg_DB<br />
Tabellenname Beinhaltete Fragen<br />
Tab_Ident Grundsätzliche Angaben zum Betrieb und<br />
zum Fragebogen<br />
Tab_Durch_Dat_1 A-1 bis A-9<br />
Tab_Durch_Dat_2 A-10 bis A-15, A-19<br />
Tab_Vet_Bericht A-16 bis A-18<br />
Tab_Wochen_Dat B (Wochendaten)<br />
In Abb. 2.2.1 ist das Datenbankschema dargestellt, das die Beziehungen die-<br />
ser Tabellen untereinander verdeutlicht. Hier finden sich auch die drei Prüfta-<br />
bellen Prf_Bundesland, Prf_Haltungsform und Prf_Legelinie. Sie dienen<br />
nur als Grundlage der Auswahllisten im Eingabeformular und werden während<br />
der Datenerfassung nicht mit Daten gefüllt.<br />
Die Beziehungen der Tabellen werden durch Verbindungslinien zwischen Pri-<br />
mär- und Fremdschlüsseln dargestellt. Der Primärschlüssel der Tabelle<br />
Tab_Ident heißt ID und ist als Fremdschlüssel FK_ID in den weiteren Tabel-<br />
len der Datenstruktur zu finden. Jede Tabelle der EpiLeg - Datenbank steht auf<br />
diese Weise mit der Tabelle Tab_Ident in Beziehung. Es handelt sich daher<br />
um eins zu unendlich (1 : ∞) Beziehungen. Das bedeutet, dass ein Datensatz<br />
aus der Tabelle Tab_Ident mit mehr als einem Datensatz in jeder anderen<br />
Tabelle in Beziehung stehen kann. Umgekehrt kann allerdings jeder Datensatz<br />
in den anderen Relationen nur mit einem Datensatz aus der Tabelle<br />
Tab_Ident verbunden sein. Als Beispiel seien hier die Lebenswochen der<br />
Legehennen genannt, deren Daten in der Tabelle Tab_Wochen_Dat gespei-<br />
15
Elektronische Datenerfassung<br />
chert werden. Ein Durchgang (=Fragebogen) beinhaltet meh<strong>rer</strong>e solcher Wo-<br />
chen. Es gehören also Daten aus meh<strong>rer</strong>en Wochen zu einem Durchgang,<br />
wogegen zu einer Lebenswoche allerdings nur jeweils ein Durchgang gehört.<br />
Abb. 2.2.1: Beziehungen in der Datenbank EpiLeg_DB<br />
Die Variablennamen wurden aus dem Codierungsschema in der Entwurfsan-<br />
sicht von Microsoft Access in die einzelnen Tabellen übernommen. Als Bei-<br />
spiel ist in Abb. 2.2.2 die Entwurfsansicht der Tabelle Tab_Wochen_Dat<br />
dargestellt.<br />
16
Abb. 2.2.2: Entwurfsansicht der Tabelle Tab_Wochen_Dat<br />
Elektronische Datenerfassung<br />
An erster Stelle steht die Variable WO_ID, die den Primärschlüssel der Tabelle<br />
darstellt, was durch den abgebildeten Schlüssel links neben dem Feldnamen<br />
verdeutlicht wird. Der Felddatentyp dieser Variablen ist „AutoWert“. Dadurch<br />
wird beim Anlegen eines neuen Datensatzes unmittelbar und automatisch ein<br />
Wert für den Primärschlüssel festgelegt. Der erste Datensatz der Tabelle be-<br />
kommt den Schlüssel „1“, während für die folgenden Datensätze dieser Wert<br />
jeweils um eins erhöht wird. An zweiter Position in der Entwurfsansicht findet<br />
sich die Variable FK_ID, der Fremdschlüssel, der auf einen Datensatz in der<br />
Tabelle Tab_Ident verweist. Die folgenden Variablen dienen dem eigentli-<br />
chen Erfassen von Daten aus den Fragebögen. Jede dieser Variablen ist vom<br />
Typ „Zahl“, wobei die genauen Feldeigenschaften auf den Registerblättern am<br />
unteren Ende der Tabellen-Entwurfsansicht definiert werden. In Abb. 2.2.2<br />
sind die Eigenschaften der Variablen 2_2leist_c (Eigewicht) zu sehen. Die<br />
Feldgröße wurde als „Dezimal“ definiert. Zwei Nachkommastellen (Dezimal-<br />
stellen=2) können für jeden Wert gespeichert werden.<br />
17
Eingabemasken<br />
Elektronische Datenerfassung<br />
Zur vereinfachten Erfassung der Daten wurde in der Anwendung eine Benut-<br />
zeroberfläche in Form eines Eingabeformulars eingerichtet. Sie ist ein Abbild<br />
des Fragebogens und dient dazu, den Eingeber durch die Datenstruktur zu<br />
führen. Die Maske gliedert sich in ein Hauptformular mit vier Unterformularen.<br />
Diese Unterformulare liegen auf Registerkarten auf dem Hauptformular und<br />
können durch Aktivierung dieser Registerkarten einzeln angesprochen wer-<br />
den. Der obere Bereich des Hauptformulars (oberhalb der gestrichelten Linie<br />
in Abb. 2.2.3) dient der Eingabe der Daten in die Tabelle Tab_Ident, während<br />
die vier Unterformulare, die im unteren Bereich zu finden sind (unterhalb der<br />
gestrichelten Linie in Abb. 2.2.3), die weiteren vier Tabellen der Datenstruktur<br />
als Grundlage haben.<br />
Abb. 2.2.3: Ausschnitt aus dem Hauptformular der Datenbank EpiLeg_DB<br />
Für jede Variable der Datenstruktur ist ein Eingabefeld auf den Formularen zu<br />
finden. Diese Eingabefelder werden entweder durch die Auswahl einer Ant-<br />
18
Elektronische Datenerfassung<br />
wortmöglichkeit aus einer Auswahlliste gefüllt oder durch die direkte Eingabe<br />
eines Codes, beziehungsweise eines numerischen oder alphanumerischen<br />
Wertes. So wird zum Beispiel für die Variable 0_3bdld (Bundesland des Be-<br />
triebes) ein Eintrag aus einer Liste von Bundesländern, die die Prüftabelle<br />
Prf_Bundesland als Grundlage hat, ausgewählt. In der Variablen selbst wird<br />
nur der entsprechende Code des Bundeslandes gespeichert. Als Beispiel für<br />
die direkte Eingabe eines Codes sei die Variable f1_8beh_vor_a (Impfung<br />
gegen Aviäre Enzephalomyelitis in der Aufzuchtphase) genannt. Hier trägt der<br />
Eingeber entweder die Angabe „1“ für „ja“, „0 „für „nein“ oder „99“ für „keine<br />
Angabe“ direkt in das Eingabefeld ein.<br />
Die Benutzerführung gewährleistet, dass die Fragen in der Reihenfolge des<br />
Fragebogens nacheinander abgearbeitet werden. Nach dem Ausfüllen einer<br />
Variablen wird automatisch zur nächsten gesprungen. Auch der Identifikati-<br />
onsschlüssel für jeden Fragebogen wird in der Tabelle Tab_Ident automa-<br />
tisch gesetzt und bei Eingaben in Unterformulare ebenso automatisch in diese<br />
als Fremdschlüssel übernommen.<br />
Gültigkeitsprüfungen während der Dateneingabe<br />
In der Datenbank-Applikation wurden die einzelnen Variablenfelder der Formu-<br />
lare mit Gültigkeitsregeln hinterlegt, die dem im Codierungsplan entsprechen.<br />
Umfangreichere Plausibilitätskontrollen wurden später im SAS-System reali-<br />
siert. Darüber hinaus gibt es Gültigkeitsregeln bei den Variablen 1_1dat_ein<br />
(Einstalldatum) und 1_12dat_aus (Ausstalldatum), die nur die Eingabe eines<br />
Datums ermöglichen, das nicht in der Zukunft liegt. Außerdem muss das ein-<br />
gegebene Ausstalldatum zeitlich nach dem Einstalldatum liegen und die Werte<br />
der Variablen 1_13anz_aus (Anzahl ausgestallter Hennen) und 2_1verlust<br />
(Anzahl der im Bestand verendeten Tiere) können nicht größer sein als der<br />
Wert der Variablen 1_6anz_ein (Anzahl eingestallter Hennen). Wird eine<br />
Gültigkeitsregel verletzt, erscheint eine Fehlermeldung, die das Problem be-<br />
schreibt. Das Speichern solcher ungültigen Werte wird generell durch das Ac-<br />
cess-Datenbanksystem verhindert.<br />
19
Elektronische Datenerfassung<br />
2.2.3 Dateneingabe und nachträgliche Variablendefinition<br />
Die Erfassung der Fragebögen in der Datenbank wurde von verschiedenen<br />
Personen teilweise zeitgleich an unterschiedlichen Arbeitsplätzen erledigt. Da<br />
aber ein Mehrbenutzerbetrieb unter MS Access schwer zu realisieren ist, war<br />
es notwendig, das fertige Eingabeinstrument an meh<strong>rer</strong>en Arbeitsplätzen zu<br />
installieren.<br />
Während der Dateneingabe wurde es erforderlich, weitere Variablen zu defi-<br />
nieren. Dies geschah aus unterschiedlichen Gründen, die hier im Einzelnen<br />
beschrieben werden sollen.<br />
Zusatz zur Bogennummer<br />
Ein Teil der teilnehmenden Betriebe vervielfältigte Fragebögen durch Kopieren<br />
selbst. Da diese Bögen alle dieselbe laufende Nummer aufwiesen, wurden sie<br />
mit einer weiteren laufenden Nummer als Zusatz versehen (z. B. 735-1, 735-<br />
2), um sie trotzdem unterscheidbar zu machen. Die numerische Variable<br />
0_2lfdnr_Zusatz wurde aufgenommen, um diesen Zusatz zur Bogen-<br />
nummer erfassen zu können. Sie befindet sich in der Tabelle Tab_Ident und<br />
somit auf dem Hauptformular.<br />
Eingebender<br />
Die Text-Variable eingebender in der Tabelle Tab_Ident und auf dem<br />
Hauptformular wurde eingeführt, da kontrolliert werden sollte, welche Person<br />
welche Fragebögen eingegeben hat.<br />
Entnommene Tiere<br />
Weiterhin enthielten einige Bögen Informationen über entnommene Tiere, ob-<br />
wohl diese Information nicht explizit im Fragebogen abgefragt wurde und da-<br />
her zunächst auch in der Datenbank unberücksichtigt blieb. Diese, für die<br />
korrekte Berechnung der Mortalität wichtige Information, wurde in den Variab-<br />
len entnommen und entnommen_ges gespeichert. In der erstgenannten Vari-<br />
ablen können entnommene Tiere wochenweise erfasst werden. Bei einigen<br />
Bögen gab es neben einer Gesamtzahl verkaufter Tiere allerdings keine An-<br />
20
Elektronische Datenerfassung<br />
gaben zum Zeitpunkt des Verkaufs. Diese Gesamtzahl wurde in der letztge-<br />
nannten Variablen erfasst. Beide Variablen sind numerischen Typs. Die Vari-<br />
able entnommen findet sich in der Tabelle Tab_Wochen_Dat und auf dem<br />
dazugehörigen Unterformular, während entnommen_ges in die Tabelle<br />
Tab_Durch_Dat_2 und das entsprechende Unterformular aufgenommen<br />
wurde.<br />
Tages-, Mo<strong>nat</strong>s- und Vierwochendaten<br />
In einigen Fällen wurden im B-Teil des Fragebogens keine Angaben für ein-<br />
zelne Wochen gemacht, wie es die Fragebogenstruktur eigentlich vorgibt,<br />
sondern für jeden Tag des Legedurchgangs, für jeweils einen vollen Mo<strong>nat</strong><br />
oder für eine Vier-Wochen-Periode. Mo<strong>nat</strong>s- und Vierwochendaten wurden<br />
zunächst zu Tagesdaten transformiert. Jeweils sieben Tage wurden dann zu-<br />
sammengefasst, um sie den anderen Daten anzupassen, also um Wochenda-<br />
ten zu erhalten. Bei Tagesdaten wurden jeweils sieben aufeinanderfolgende<br />
Tage zusammengefasst. In der nachträglich erzeugten Variablen<br />
teilB_MTDat wird gekennzeichnet, ob es sich bei den Daten eines Bogens<br />
um solche berechneten Wochendaten handelt. „NULL“ codiert Bögen ohne<br />
berechnete Wochendaten, eine „1“ Bögen mit Tagesdaten, eine „2“ Fragebö-<br />
gen mit Mo<strong>nat</strong>sdaten und eine „3“ Fragebögen mit Daten auf Basis von vier-<br />
wöchigen Perioden.<br />
2.2.4 Probleme bei der Dateneingabe<br />
Bei der Eingabe der Daten in die Eingabemaske kam es zu verschiedenen<br />
Problemen, die sich aus unklaren und unvorhergesehenen Angaben im Fra-<br />
gebogen ergaben. Für jede dieser Angaben wurde eine generelle Lösungs-<br />
möglichkeit für alle betreffenden Fragebögen entwickelt und angewendet. In<br />
den betreffenden Fragebögen wurde jeweils vermerkt, wie die unklare Angabe<br />
in die Datenbasis übernommen wurde.<br />
21
Fragen A-1 und A-12: Daten der Ein- und Ausstallung<br />
Elektronische Datenerfassung<br />
Sowohl bei der Angabe des Einstalldatums, als auch bei der Angabe des Aus-<br />
stalldatums wurden in einem kleinen Teil der Fragebögen Zeitfenster von drei<br />
bis vier Tagen genannt, in denen die Ein- bzw. Ausstallung erfolgte. Da aber in<br />
der Untersuchung nach einem konkreten Datum gefragt wurde, erfasste man<br />
in der Datenbank nur den jeweils letzten Tag des angegebenen Zeitintervalls.<br />
Lautete der Eintrag zum Beispiel 12.03.2001 bis 15.03.2001, so wurde der<br />
15.03.2001 in die Datenbank übernommen und dies im Fragebogen vermerkt.<br />
Frage A-3: Eingestallte Legelinie<br />
Die Datenbank-Applikation sieht für die Eingabe der Legelinie nur jeweils ei-<br />
nen Eintrag pro Fragebogen vor. In ca. 10% der erhobenen Durchgänge wur-<br />
de allerdings mehr als eine Linie eingestallt. Um diesem Problem zu<br />
begegnen, wurde die bestehende Prüftabelle, die alle erlaubten Ausprägungen<br />
der Variablen Legelinie enthält, um Einträge für die berichteten Legelinien -<br />
Kombi<strong>nat</strong>ionen erweitert. In einem Fall wurde eine zusätzliche braune Legeli-<br />
nie in die Liste aufgenommen, die im Fragebogen nicht zur Auswahl stand,<br />
aber in einem Durchgang eingestallt worden war.<br />
Frage A-8 und A-9: Impfungen und Behandlungen vor der Einstallung<br />
Bei den Impfungen und Behandlungen vor der Einstallung kam es in einem<br />
Teil der Fragebögen vor, dass bei einigen Impfungen bzw. Behandlungen bei-<br />
de möglichen Antworten angekreuzt wurden, also „ja“ und „nein“. Hier wurde<br />
der Eintrag „keine Angabe“ in die Datenbank übernommen, da nicht gesagt<br />
werden konnte, welche der beiden Möglichkeiten tatsächlich zutraf. Eine Aus-<br />
nahme bildeten allerdings die Fälle, in denen von Seiten des Betriebes ange-<br />
geben wurde, dass beide Möglichkeiten angekreuzt wurden, da nur ein Teil<br />
der Tiere behandelt, bzw. geimpft worden war. Das Merkmal wurde dann in<br />
der Datenbank als „ja“ vermerkt.<br />
22
Elektronische Datenerfassung<br />
Frage A-17 und A-18: Befiederungszustand und Tierkörperqualität der<br />
Hennen laut veterinärmedizinischem Untersuchungsbericht<br />
Für den Befiederungszustand und die Tierkörperqualität der Hennen laut vete-<br />
rinärmedizinischem Untersuchungsbericht wurden zum Teil zwei der mögli-<br />
chen vier Kategorien durch den Betrieb ausgewählt. In diesen Fällen wurde die<br />
jeweils geringere Kategorie in die Datenbank übernommen. Wurde z.B. die<br />
Frage nach dem Befiederungszustand der Hennen mit den Antworten „gut“<br />
und „mäßig“ beantwortet, so wurde vom Eingebenden der Eintrag „mäßig“ in<br />
die Datenbank übernommen.<br />
Teil B: Anzahl der im Bestand verendeten Tiere<br />
Neben der Angabe der im Bestand verendeten Tiere wurden in einigen Frage-<br />
bögen auch Angaben über die vom Betrieb entnommenen Legehennen ge-<br />
macht. Diese Information wurde in einer neuen Variablen in der Datenbank<br />
erfasst (siehe auch Kapitel 2.2.3).<br />
In wenigen Fällen wurden statt der Verluste in der betreffenden Legewoche die<br />
kumulierten Verluste in die Bögen eingetragen, also jeweils die Verluste, die<br />
bis zur betreffenden Woche im Legedurchgang auftraten. Hier mussten die<br />
Daten entsprechend umformatiert werden.<br />
2.2.5 Definition der Stallinformationen<br />
In der Treuhandstelle wurden lediglich der Produzent und der betreffende Be-<br />
trieb erfasst, jedoch keine Information dazu, für welchem Stall eines Betriebes<br />
die Daten erhoben wurden. Da diese Stallinformation aber ein wichtiges<br />
Merkmal darstellt, wurde sie am IBEI mit Hilfe der vorhandenen Daten nach-<br />
träglich ermittelt. Hierzu wurde nach Abschluss der Dateneingabe und Prüfung<br />
der Daten auf Plausibilität (siehe Kapitel 2.2.4 bis 2.3.4) aus dem SAS-<br />
Datensatz eine Liste aller erfassten Durchgänge erstellt. Diese wurde zu-<br />
nächst nach der Betriebsnummer und innerhalb der Betriebsnummer nach<br />
dem Einstalldatum sortiert. In der Liste waren die Variablen Bogennummer,<br />
Betriebsnummer, Einstalldatum, Ausstalldatum, Anfangshennen, Bundesland,<br />
Haltungsform und Belegart für jeden Durchgang zu finden. Anhand des Ein-<br />
23
Elektronische Datenerfassung<br />
stall- und Ausstalldatums wurde dann überprüft, welche Durchgänge im selben<br />
Stall durchgeführt wurden. Dies soll anhand der Tabelle 2.2.7 verdeutlicht<br />
werden, die einen fiktiven Ausschnitt dieser Liste zeigt.<br />
Tabelle 2.2.7: SAS-Output zur Bestimmung der Stallinformationen (fiktive Daten)<br />
Bogen Betrieb Einstallung Ausstallung AH Haltung Belegart Stall<br />
14 8004.02 16DEC1999 26JAN2001 110700 5 2 1<br />
17 8004.02 05MAY2000 04JUN2001 180400 5 2 2<br />
15 8004.02 16JUN2000 27JUL2001 98170 5 1 3<br />
16 8004.02 16JUN2000 21JUL2001 92014 5 2 4<br />
13 8004.02 30SEP2000 04NOV2001 170175 5 2 5<br />
18 8004.02 17FEB2001 23MAR2002 110800 5 2 1<br />
11 8004.02 16JUN2001 08AUG2002 179800 5 2 2<br />
20 8004.02 30JUL2001 17AUG2002 100000 5 2 3<br />
Der Durchgang aus Bogennummer 14 begann am 16. Dezember 1999 und<br />
endete am 26. Januar 2001. Er ist der erste dokumentierte Durchgang für die-<br />
sen Betrieb und wird dem Stall 1 zugeordnet. Der nächste Durchgang dieses<br />
Betriebes begann am 05. Mai 2000. Er kann also nicht im selben Stall durch-<br />
geführt worden sein. Außerdem wurde mit diesem Durchgang der Stall das<br />
erste Mal belegt (Belegart=1) und kann auch daher nicht zum selben Stall ge-<br />
hören wie Bogennummer 14. Er wird in Stall 2 eingeordnet. Für Bogennummer<br />
18 wird als Einstalldatum der 17. Februar 2001 genannt. Dies sollte der<br />
Durchgang sein, der dem in Bogen 14 dokumentierten Durchgang folgt. Es<br />
liegen ca. drei Wochen zwischen Ausstallung des einen und Einstallung des<br />
nächsten Durchgangs, was einer plausiblen Pause entspricht. Auch die Zahlen<br />
der Anfangshennen stimmen in etwa überein (110700 und 110800 Tiere).<br />
Auf diese Weise wurden alle erfassten Durchgänge einem Stall zugeordnet.<br />
Für einen Teil der Betriebe war es jedoch schwer die Stallinformation auf die<br />
beschriebene Art zu erzeugen, da die Legedurchgänge dieser Betriebe nicht<br />
dem in Tabelle 2.2.7 dargestellten Muster entsprachen. Hier stellte die Treu-<br />
24
Elektronische Datenerfassung<br />
handstelle den Kontakt zu den Betriebsleitern her, die die nötige Stallinforma-<br />
tion in allen Problemfällen nachträglich liefern konnten.<br />
In der Tabelle Tab_Betriebsnr der Datenbank EpiLeg_DB wurde die Stallin-<br />
formation zusammen mit den Informationen zu Produzenten und Betrieben<br />
gespeichert (siehe das folgende Kapitel).<br />
2.2.6 Strukturinformationen<br />
In der Datenbank EpiLeg_DB findet sich die Tabelle Tab_Betriebsnr, die die<br />
anonymisierten Informationen zu den Produzenten, Betrieben und Ställen ent-<br />
hält. Diese ist mit keiner der anderen Tabellen der Applikation verknüpft. Sie<br />
beinhaltet vier Variablen. In der Variablen f0_2lfdnr2 findet sich die zu-<br />
sammengesetzte Fragebogennummer, deren Erstellung in Kapitel 2.3.2 be-<br />
schrieben wird. Sie ist numerischen Typs. Betriebs_Nr_1 ist der Code für<br />
den Produzenten, der höchstens fünf Zeichen lang und, wie die im Folgenden<br />
beschriebenen Variablen auch, als Text realisiert ist. Das erste Zeichen (bei<br />
vierstelliger Nummer) bzw. die ersten zwei Zeichen (bei fünfstelliger Nummer)<br />
repräsentieren das Bundesland, in dem der Produzent ansässig ist. So kommt<br />
ein Produzent mit einer vierstelligen Nummer und der Anfangsziffer „8“ aus<br />
Niedersachsen. Ein Produzent mit einem fünfstelligen Schlüssel, der mit „14“<br />
beginnt, hat seinen Hauptsitz in Sachsen-Anhalt.<br />
In Betriebs_Nr_2 ist der Betrieb dokumentiert. Der Code beginnt mit der<br />
vier- oder fünfstelligen Produzentennummer. Darauf folgt ein Punkt als Trenn-<br />
zeichen und der zweistellige Code für den Betrieb des Produzenten. Da bei<br />
Produzenten außerhalb Niedersachsens keine Betriebsinformationen vorlie-<br />
gen, ist der Betrieb bei diesen jeweils mit „00“ codiert. Die Stallinformation,<br />
deren Definition im vorangegangenen Kapitel beschrieben wurde, ist in der<br />
Variablen Betriebs_Nr_3 erfasst. Sie beginnt mit dem Betriebscode, auf<br />
dem ein Punkt folgt, und endet mit einer zweistelligen Stallnummer.<br />
25
Tabelle 2.2.8: Fiktive Beispiele der Strukturinformation<br />
f0_2lfdnr2<br />
(Bogennummer)<br />
Betriebs_Nr_1<br />
(Produzentencode)<br />
Betriebs_Nr_2<br />
(Betriebscode)<br />
Datenaufbereitung<br />
Betriebs_Nr_3<br />
(Stallcode)<br />
551 14012 14012.00 14012.00.01<br />
552 14012 14012.00 14012.00.02<br />
553 14112 14112.00 14112.00.03<br />
854 8110 8110.01 8110.01.01<br />
855 8110 8110.01 8110.01.01<br />
856 8110 8110.02 8110.02.01<br />
857 8110 8110.02 8110.02.02<br />
In Tabelle 2.2.8 finden sich fiktive Beispieldaten zu diesem Themenkreis. Die<br />
Bogennummern 551 bis 553 gehören zu einem Produzenten aus Sachsen-<br />
Anhalt mit der Nummer 14012. Da hier keine Betriebsinformation vorliegt, ist<br />
der Betrieb mit „00“ codiert. Die Fragebögen beziehen sich auf drei unter-<br />
schiedliche Ställe des Produzenten, nämlich auf die Ställe 01 bis 03.<br />
Der Produzent 8110 aus Sachsen-Anhalt ist hier mit zwei Betrieben aufgeführt<br />
(01 und 02). Aus dem Betrieb 01 kommen zwei Durchgänge, die zeitversetzt<br />
im selben Stall (01) durchgeführt wurden. Für Betrieb 02 werden zwei Durch-<br />
gänge aus zwei unterschiedlichen Ställen dokumentiert (01 und 02).<br />
2.3 Datenaufbereitung<br />
2.3.1 Datenimport in SAS aus MS- Access<br />
Für den standardisierten Import der Daten in das SAS-System wurden zu-<br />
nächst in der Access-Datenbank zwei Abfragen erstellt, die Daten aus den<br />
verschiedenen Tabellen zusammenfassten. In der Abfrage Q_Export_A be-<br />
finden sich alle Durchgangs- und Fragebogencharakteristika sowie die Variab-<br />
le LWo, die als maximaler Wert der Variablen f2_0lw aus den<br />
26
Datenaufbereitung<br />
wochenbezogenen Daten definiert ist und direkt in der Abfrage mit einem<br />
SQL - Statement berechnet wird. Die Abfrage Q_Export_B beinhaltet die<br />
Fragebogencharakteristika, ausgewählte Durchgangscharakteristika und die<br />
wochenbezogenen Daten. Da das SAS - System keine Variablennamen unter-<br />
stützt, die mit einer Ziffer beginnen, wurde jedem Variablennamen mit einer<br />
Ziffer an erster Stelle in beiden Abfragen ein „f“ als Kürzel für „Frage“ vorange-<br />
stellt.<br />
Anschließend wurden diese Abfragen mit Hilfe einer durch den SAS Import -<br />
Wizard erstellten Import – Prozedur, in SAS importiert. Diese SAS – Datensät-<br />
ze heißen EPILEG_A und EPILEG _B. Exemplarisch lautet die Import-Syntax<br />
der Abfrage Q_Export_A:<br />
PROC IMPORT OUT= EPILEG_A<br />
DATATABLE= "Q_Export_A"<br />
DBMS=ACCESS2000 REPLACE;<br />
DATABASE="Q:\bioepi\Projekte_Forschung\Legehennenhaltung\<br />
Datenbank\aktueller Datenstand\EPILEG_DB.mdb";<br />
RUN;<br />
SAS-Programm 2.3.1: Syntax von PROC IMPORT für Access 2000-Abfrage Q_Export_A<br />
Auf gleiche Weise wurde auch die Tabelle Tab_Betriebsnr in das SAS-<br />
System importiert und in einem DATA - Step durch das MERGE – Statement<br />
anhand der Fragebogennummer mit den Datensätze EPILEG_A und EPI-<br />
LEG_B verbunden.<br />
2.3.2 Definition neuer Variablen<br />
Um den Informationsgehalt des Datenbestandes voll auszuschöpfen, wurden<br />
im SAS DATA - Step durch Verknüpfung bestehender Variablen neue Para-<br />
meter definiert. Zur Variablendefinition wurde zum Teil auch die MEANS - Pro-<br />
zedur angewandt.<br />
27
Datenaufbereitung<br />
Eine besondere Ausnahmestellung haben die Stall- und Betriebsinformatio-<br />
nen. Ihre Definitionen sind in Kapitel 2.2.5 und Kapitel 2.2.6 zu finden.<br />
Fragebogennummer<br />
Da die zwei Teile der Fragebogennummer in der Access-Datenstruktur in zwei<br />
unterschiedlichen Variablen realisiert sind, wurden sie zur eindeutigen Identifi-<br />
zierung jedes Bogens in der Variablen f0_2lfdnr2 zusammengefasst. Der<br />
erste Teil (f0_2lfdnr) repräsentiert die eigentliche vorgedruckte Fragebo-<br />
gennummer. Der zweite Teil (f0_2lfdnr_Zusatz) ist der Zusatz zur Bogen-<br />
nummer, der nur bei den von den Betrieben vervielfältigten Bögen auftritt. Er<br />
wurde durch 100 dividiert und zur Bogennummer addiert.<br />
Alter der Tiere<br />
if f0_2lfdnr_Zusatz ne . then<br />
f0_2lfdnr2 = f0_2lfdnr+(f0_2lfdnr_Zusatz/100);<br />
else f0_2lfdnr2=f0_2lfdnr;<br />
Auf Basis der zwei Teile der Frage A-7 wurde das Alter der Tiere bei der Ein-<br />
stallung in Tagen berechnet (AlterTage). Der erste Teil, das Einstallalter in<br />
Wochen (f1_7alter_ein_w), wurde mit sieben multipliziert und zu den dar-<br />
über hinaus gehenden Tagen, dem zweiten Teil der Frage,<br />
(f1_7alter_ein_t) addiert. Die dazugehörige SAS-Syntax stellt sich fol-<br />
gendermaßen dar:<br />
AlterTage = f1_7alter_ein_w*7+f1_7alter_ein_t;<br />
Dauer der Legeperiode<br />
Einen wichtigen Grundparameter stellt die Dauer der Legeperiode in Wochen<br />
(dauer) dar. Sie wurde auf zwei verschiedene Arten berechnet. Bei Fragebö-<br />
gen, in denen Teil B nicht ausgefüllt worden ist, wurde sie als der Zeitraum<br />
zwischen Ein- und Ausstalldatum (f1_1dat_ein und f1_12dat_aus) defi-<br />
niert. Da die Einzelangaben in Teil B aber als valider gelten dürften, wurde für<br />
Bögen, in denen Daten für diesen Teil vorhanden sind, die Differenz zwischen<br />
dem Alter der Hennen am Einstalltag in Wochen (AlterTage / 7) und dem<br />
28
Datenaufbereitung<br />
Alter der Hennen in der letzten Legewoche (LWo) als Dauer der Legeperiode<br />
definiert.<br />
if LWo ne . then dauer=LWo-(AlterTage/7);<br />
else dauer = floor( (f1_12dat_aus - f1_1dat_ein)<br />
/ (60*60*24*7) );<br />
Das Ergebnis aus der Subtraktion zweier Daten ist im SAS – System eine An-<br />
gabe in Sekunden. Wird diese nun durch 60 Sekunden, 60 Minuten, 24 Stun-<br />
den und sieben Tagen dividiert, erhält man eine Zeitangabe in Wochen. Die<br />
Funktion floor liefert durch Abrunden des Ergebnisses einen Integer – Wert<br />
(eine Ganzzahl).<br />
Mortalität<br />
Einer der wichtigsten Parameter des Projektes ist die Mortalität. Um diese zu<br />
bestimmen, wurden zunächst die Gesamtverluste während der Legeperiode<br />
berechnet. Diese ergeben sich auf zwei verschiedene Arten. Zum Ersten sind<br />
sie als Differenz zwischen eingestallten (f1_6anz_ein) und ausgestallten<br />
(f1_13anz_aus) Hennen zu sehen, wobei in der Legeperiode entnommene<br />
Tiere (entnommen_ges) nicht zu den Verlusten zählen und von der Differenz<br />
subtrahiert wurden.<br />
verluste = f1_6anz_ein - f1_13anz_aus –<br />
entnommen_ges;<br />
Zum Zweiten können die Gesamtverluste während der Legeperiode auch als<br />
Summe der wöchentlichen Verluste aus den Wochendaten berechnet werden.<br />
Dies geschah in einer MEANS Prozedur, deren Output-Datensatz mit dem Da-<br />
tensatz der Durchgangsdaten mit Hilfe eines MERGE – Statements in einem<br />
DATA - Step verbunden wurde.<br />
PROC MEANS DATA=ADS_B SUM NOPRINT;<br />
WHERE f2_1verlust ne .;<br />
VAR f2_1verlust;<br />
BY f0_2lfdnr2;<br />
29
OUTPUT OUT=VerlB SUM=verluste_B;<br />
RUN;<br />
Datenaufbereitung<br />
Zunächst wurde ausschließlich die erstgenannte Version zur Definition der<br />
Verluste verwendet. Sie ist am einfachsten zu realisieren. Da sich jedoch bei<br />
der genaueren Prüfung der Daten (s. Kapitel 2.3.3 und 2.3.4) ergab, dass die<br />
Verluste aus Teil B die genauere Grundlage darstellen, wurden diese zur Defi-<br />
nition der Gesamtverluste verwendet und die Verluste aus Teil A nur dann,<br />
wenn Wochendaten nicht vorlagen.<br />
IF verluste_B ne . THEN verluste = verluste_B;<br />
IF verluste_B = . THEN verluste = f1_6anz_ein –<br />
(f1_13anz_aus + entnommen_ges);<br />
Der Parameter verluste wurde durch die Anfangshennen (f1_6anz_ein)<br />
dividiert und mit 1 000 multipliziert, um eine relative Mortalität pro 1 000 An-<br />
fangshennen zu erhalten (verluste1000).<br />
verluste1000 = (verluste/f1_6anz_ein) * 1000;<br />
Da die Dauer der Legeperiode (dauer) zwischen den verschiedenen Durch-<br />
gängen variiert, war es zweckmäßig eine durchschnittliche Mortalität je Tau-<br />
send Tiere und Woche zu berechnen, um die Mortalität vergleichba<strong>rer</strong> zu<br />
gestalten. Für diesen neu definierten Parameter verluste1000wo (Verluste<br />
pro 1 000 Anfangshennen und Woche) lautet die SAS-Syntax:<br />
verluste1000Wo = verluste1000/dauer;<br />
Durchschnittshennen<br />
Die sogenannten Durchschnittshennen sind als Anzahl der sich durchschnitt-<br />
lich im Durchgang befindenden Tiere definiert. Sie können als der Mittelwert<br />
aus eingestallten (f1_6anz_ein) und ausgestallten (f1_13anz_aus) Hen-<br />
nen interpretiert werden. Die Variable durchHenne wurde wie folgt erzeugt:<br />
durchHenne = (f1_6anz_ein+f1_13anz_aus)/2;<br />
30
Bestandshennen<br />
Datenaufbereitung<br />
Mit Hilfe von Teil B des Fragebogens lässt sich bestimmen, wie viele Tiere in<br />
jeder einzelnen Legewoche im Durchgang verblieben waren. Für jeden Bogen,<br />
identifiziert durch die Variable f0_2lfdnr2, wurden die Verluste<br />
(f2_1verlust) inklusive der entnommenen Tiere (entnommen) von Daten-<br />
satz zu Datensatz in der Variablen vsum aufsummiert. Dafür musste die Datei<br />
vorher nach der Bogennummer und innerhalb der Bogennummer nach der Le-<br />
benswoche sortiert werden. Außerdem beginnt bei jedem ersten Datensatz<br />
eines Fragebogens (first.f0_2lfdnr2) die Variable vsum erneut bei null.<br />
Die sogenannten Bestandshennen (behe) ergaben sich dann aus der Diffe-<br />
renz aus Anfangshennen (f1_6anz_ein) und aufsummierten Verlusten sowie<br />
Abgängen je Woche. Diese Definition wurde folgendermaßen realisiert:<br />
Futterverbrauch<br />
by f0_2lfdnr2;<br />
vsum+(f2_1verlust+entnommen);<br />
if first.f0_2lfdnr2 then<br />
vsum=f2_1verlust+entnommen;<br />
behe= f1_6anz_ein-vsum;<br />
Um den Futterverbrauch (f1_15futter) zwischen den Durchgängen ver-<br />
gleichba<strong>rer</strong> zu machen, wurde dieser auf die Anzahl der Durchschnittshennen<br />
(durchHenne) und die Dauer der Legeperiode (dauer) bezogen. So ergab<br />
sich ein durchschnittlicher Futterverbrauch je 1000 Durchschnittshennen und<br />
Legewoche. Die Syntax zur Erzeugung des Merkmals futter1000wo lautet:<br />
Legeleistung<br />
futter1000wo =<br />
((f1_15futter/durchHenne)/dauer)*1000;<br />
Aus der Anzahl der gelegten Eier je Woche (f2_2leist_a) und der Anzahl<br />
der Bestandshennen (behe) wurde der Parameter Legeleistung je Tag und<br />
Henne (LLTH) definiert, der die Produktivität des Hennenbestandes repräsen-<br />
tiert.<br />
31
Betriebsgröße<br />
LLTH=f2_2leist_a/behe/7;<br />
Datenaufbereitung<br />
Da Angaben zur Größe der einzelnen teilnehmenden Betriebe, die als die Zahl<br />
der vorhandenen Legehennenplätze definiert ist, zum größten Teil nicht vorla-<br />
gen, musste dieses Merkmal aus den verfügbaren Daten generiert werden.<br />
Dafür wurde zunächst für jeden Stall in einer MEANS - Prozedur die maximale<br />
Anzahl von Anfangshennen (Anfangshennen = f1_6anz_ein, Maximum der<br />
Anfangshennen pro Stall = MaxAH) aller darin dokumentierten Durchgänge<br />
berechnet. Die maximale Anzahl von Anfangshennen aller Durchgänge sollte<br />
der Zahl der tatsächlich vorhandenen Legehennenplätze in einem Stall am<br />
Nächsten kommen.<br />
PROC MEANS DATA=tmp2 MAX NOPRINT;<br />
BY Betriebs_Nr_2 Betriebs_Nr_3;<br />
VAR f1_6anz_ein;<br />
OUTPUT OUT=MaxAH MAX=MaxAH;<br />
RUN;<br />
Anschließend wurde ebenfalls in einer MEANS - Prozedur die Zahl der maxi-<br />
malen Anfangshennen pro Stall über alle Ställe eines Betriebs in der Variablen<br />
BetrGr aufsummiert und mit den Durchgangsdaten in einem DATA - Step<br />
zusammengefügt.<br />
PROC MEANS DATA=MaxAH SUM NOPRINT;<br />
BY Betriebs_Nr_2;<br />
VAR MaxAH;<br />
OUTPUT OUT=BetrGr SUM=Betr_Gr;<br />
RUN;<br />
DATA tmp3;<br />
MERGE tmp2 BetrGr;<br />
BY Betriebs_Nr_2;<br />
32
RUN;<br />
Betriebsgrößenklasse<br />
Datenaufbereitung<br />
Auf Basis der Variablen Betriebsgröße (BetrGr) wurden die Betriebe in zwei<br />
Kollektive eingeteilt. Ein Kollektiv besteht aus Betrieben mit weniger als 50 000<br />
Legehennenplätzen (Groesse = 0), ein zweites aus Betrieben mit mehr als<br />
50 000 Legehennenplätzen (Groesse = 1). Die Definition der Variablen Gro-<br />
esse lautet wie folgt:<br />
IF (Betr_Gr =50000) THEN Groesse = 1;<br />
2.3.3 Plausibilitätskontrollen in SAS<br />
Die Prüfung der Daten auf Plausibilität wurde ebenfalls im SAS-System reali-<br />
siert. Alle Prozeduraufrufe für diesen Zweck sind im Programm EPI-<br />
LEG_Plausis.sas zusammengefasst. Jeder Datensatz wurde für die jeweils<br />
betreffende Variable auf Plausibilität geprüft. Datensätze, die man zunächst<br />
als inplausibel bewertete, wurden mit Hilfe eines WHERE - Statements mit der<br />
PRINT - Prozedur aus den SAS-Datentabellen herausgefiltert und unter Ver-<br />
wendung des Output-Delivery-Systems (ODS) in einer RTF-Datei ausgege-<br />
ben. Die generelle Syntax dieser PRINT- Prozedur ist im SAS-Programm<br />
2.3.2 zu finden.<br />
PROC PRINT DATA=[Datensatzname];<br />
WHERE [Bedingung, bei der ein Datensatz zunächst als<br />
inplausibel gilt];<br />
VAR [Fragebogennummer; Name der zu prüfenden Variablen;<br />
bei Variablen, die aus anderen berechnet wurden, Namen<br />
der zugrunde liegenden Variablen];<br />
RUN;<br />
SAS-Programm 2.3.2: Generelle Syntax von PROC PRINT für Plausibilitätsprüfungen<br />
33
Datenaufbereitung<br />
Im Folgenden werden die einzelnen WHERE- Statements genauer beschrie-<br />
ben. Alle Datensätze wurden nur dann geprüft, wenn der Wert für die zu prü-<br />
fende Variable nicht fehlt, also in der entsprechenden Tabellenzelle kein Punkt<br />
steht.<br />
Gesamtmortalität<br />
Bei den Verlusten je 1000 Anfangshennen (verluste1000) wurde überprüft,<br />
ob sie größer gleich 350 oder kleiner gleich 20 Tiere sind.<br />
Futterverbrauch<br />
where(verluste1000 =>350 or verluste1000=1 or Futter1000wo
Einstalldatum<br />
Datenaufbereitung<br />
Da bei einem Einstalldatum (f1_1dat_ein), das nach dem 30. April 2002<br />
liegt, die Möglichkeit besteht, dass der Durchgang bis zum Ausfüllen des Fra-<br />
gebogens nicht beendet war, wurden alle Daten, die nach diesem Datum lie-<br />
gen, als zunächst inplausibel eingestuft. Auch ein fehlendes Einstalldatum galt<br />
als zu prüfend.<br />
Ausstalldatum<br />
where f1_1dat_ein>='01MAY2002:00:00:00'dt or<br />
f1_1dat_ein=.;<br />
Das Ausstalldatum (f1_12dat_aus) wurde zunächst als inplausibel angese-<br />
hen, wenn es nach dem 31. Mai 2003 liegt, da nach diesem Datum die Befra-<br />
gung abgeschlossen war. Ein fehlendes Ausstalldatum deutet auf eine nicht<br />
beendete Legeperiode hin und wurde daher auch durch die folgende Abfrage<br />
überprüft.<br />
where f1_12dat_aus>='01JUN2003:00:00:00'dt or<br />
f1_12dat_aus=.;<br />
Gewicht der Tiere bei der Ausstallung<br />
Für das durchschnittliche Gewicht der Tiere am Ausstalltag in Gramm<br />
(f1_14gewicht) wurde der Bereich von 1 500 g und weniger sowie der Be-<br />
reich von 2 300 g und mehr als zunächst inplausibel bewertet.<br />
where (f1_14gewicht=2300)<br />
and f1_14gewicht ne .;<br />
Alter der Hennen bei der Einstallung in Tagen<br />
Wenn bei einem Durchgang das Alter der Hennen am Einstalltag weniger als<br />
90 oder mehr als 155 Tagen betrug, so wurde dies als zu prüfend bewertet.<br />
35
Wochenangabe<br />
Datenaufbereitung<br />
where (AlterTage =155) and Al-<br />
terTage ne .;<br />
Die Angabe der Lebenswoche in Teil B des Fragebogens wurde vo<strong>rer</strong>st als<br />
inplausibel bewertet, wenn diese nicht in einem Rahmen von 12 bis 119 Wo-<br />
chen lag.<br />
where f2_0lw ne . and (f2_0lw>=120 or f2_0lw20;<br />
36
Legeleistung je Tag und Bestandshenne<br />
Datenaufbereitung<br />
Die Legeleistung je Tag und Bestandshenne (LLTH) wurde zunächst als<br />
inplausibel bewertet, wenn ihr Wert größer gleich 1,01 oder kleiner gleich 0,6<br />
betrug. Die ersten und letzten Wochen der Legeperiode wurden hier nicht ge-<br />
prüft, da die Legeleistung in dieser Zeit eher gering ist. Gleiches gilt für Mau-<br />
serwochen.<br />
Eigewicht<br />
where (LLTH>=1.01 or LLTH=75 or f2_2leist_c=24 and f2_2leist_c ne . and f2_3maus=0;<br />
Verluste aus Teil A gegen Verluste aus Teil B<br />
Vergleicht man die aus den Durchgangsdaten berechneten Verluste mit denen<br />
aus den Wochenangaben, so sollten sich keine gravierenden Unterschiede<br />
ergeben. Um dies zu überprüfen, wurden zunächst die Verluste aus den ein-<br />
zelnen Legewochen in der Variablen sum_verl aufsummiert und von den<br />
Verlusten aus Teil A des Fragebogens (verluste) subtrahiert. Da diese Prü-<br />
fung in einer früheren Phase der Studie erfolgte, basierte die Variable ver-<br />
luste hier noch ausschließlich auf den Daten des Fragebogenteils A (vergl.<br />
Kapitel 2.3.2 – Mortalität). Diese Differenz wurde durch die Zahl der Anfangs-<br />
hennen (f1_6anz_ein) dividiert und mit 100 multipliziert, um eine Aussage<br />
darüber zu erhalten, welchen Prozentsatz an den Anfangshennen die Diffe-<br />
renzen zwischen den Verlusten ausmachen.<br />
37
proz_DiffVerlAH = (verluste - sum_verl) /<br />
f1_6anz_ein * 100;<br />
Datenaufbereitung<br />
Beträgt dieser Anteil 5% der Anfangshennen und mehr, so wurden diese Diffe-<br />
renzen als zu prüfend betrachtet.<br />
WHERE verluste ne . and sum_verl ne . and<br />
(proz_DiffVerlAH>=5 or proz_DiffVerlAH3 or AHAT-LWO
Datenaufbereitung<br />
2.3.4 Überprüfung inplausibler Daten anhand der Fragebögen<br />
Die RTF-Dokumente, die wie im Kapitel 2.3.3 beschrieben erstellt wurden,<br />
wurden ausgedruckt und die Daten in diesen gedruckten Listen anschließend<br />
mit den Angaben im Original-Fragebogen verglichen. Inplausibilitäten, die sich<br />
durch Eingabefehler ergaben, wurden sofort in der Datenbank korrigiert. Dabei<br />
wurde durch die Korrektur einer Angabe oft auch eine Erklärung für die Inplau-<br />
sibilität ande<strong>rer</strong> Daten geliefert. Eine Ursache für einen unglaubwürdigen Wert<br />
der Verluste pro 1000 Anfangshennen und Woche konnte etwa in einer fal-<br />
schen Dauer der Legeperiode liegen. Wurde solch eine fehlerhafte Dauer der<br />
Legeperiode korrigiert, so führte das unter Umständen auch zu einer Berichti-<br />
gung des Futterverbrauchs pro 1000 Durchschnittshennen und Woche.<br />
Inplausible Daten, die nicht durch Eingabefehler entstanden waren, konnten<br />
zum Teil auch durch weitere Angaben im Fragebogen erklärt werden. In Frage<br />
A-19 konnten die Betriebe in Freitextform ungewöhnliche Ereignisse beschrei-<br />
ben. So kam es beispielsweise durch fehlerhafte Futtermittellieferungen zu<br />
Einbrüchen bei der Legeleistung oder durch Hitzetote zu außergewöhnlichen<br />
Verlusten. Konnten Daten auf diese Weise erklärt werden, galten sie als plau-<br />
sibel. Angaben, bei denen solche Hinweise nicht vorlagen, wurden institutsin-<br />
tern im Fachkreis besprochen. Kam es auch hier zu keiner Klärung, wurden<br />
die entsprechenden Angaben für den jeweiligen Datensatz auf „fehlend“ ge-<br />
setzt.<br />
Bei der Kontrolle der Differenzen zwischen den Verlusten aus den Teilen A<br />
und B des Fragebogens wurden die Daten in der Treuhandstelle deanonymi-<br />
siert und die Betriebsleiter kontaktiert, um zu klären, wie es zu diesen Diffe-<br />
renzen kam. Durch dieses Verfahren konnten fast alle Unstimmigkeiten dieser<br />
Art geklärt werden. Einer der Hauptgründe war, dass die Zahl der ausgestall-<br />
ten Tiere oft nur geschätzt wurde. Die Tiere wurden im Kollektiv gewogen und<br />
dieses Gesamtgewicht wurde durch ein geschätztes Gewicht pro Hennen divi-<br />
diert. War dieses geschätzte Gewicht zu hoch, wurde eine zu geringe Tierzahl<br />
berechnet. Wurde das Gewicht der Hennen zu niedrig geschätzt, wurden mehr<br />
ausgestallte Hennen angegeben als eigentlich vorhanden waren. Aufgrund<br />
39
Datenaufbereitung<br />
dieser Umstände wurde beschlossen, dass die Mortalität ausschließlich aus<br />
der Summe der Verluste aus den Wochendaten gebildet werden sollte und<br />
nicht aus der Differenz aus eingestallten und ausgestallten Tieren (s. auch Ka-<br />
pitel 2.3.2). Nur bei zwei Durchgängen konnten die Differenzen nicht ausrei-<br />
chend geklärt werden. Diese Durchgänge wurden im Folgenden aus den<br />
weiteren Auswertungen ausgeschlossen.<br />
Auch Durchgänge, die nicht zum Kollektiv der Betriebe mit mehr als 3000 Hen-<br />
nenhaltungsplätzen gehörten oder die beim Ausfüllen des Fragebogens noch<br />
nicht abgeschlossen waren, wurden ausgeschlossen. In einigen Fällen kam es<br />
vor, dass Betriebe zwei Fragebögen für denselben Durchgang ausfüllten. Hier<br />
ging nur einer der beiden Datensätze in die Auswertungen ein.<br />
Um auszuschließende Fragebögen zu kennzeichnen, wurde die Variable aus-<br />
schluss in die Datenbank EpiLeg_DB aufgenommen. Sie findet sich dort in<br />
der Tabelle Tab_Ident und dem dazugehörigen Formular Frm_Grunddat.<br />
Die Variable hat vier mögliche Ausprägungen. „NULL“ steht für „kein Aus-<br />
schluss des Fragebogens von weiteren Auswertungen“ und „1“ für den Aus-<br />
schluss des Bogens, da der beschriebene Durchgang beim Ausfüllen des<br />
Bogens nicht beendet war. Die Ausprägung „2“ wird verwendet, wenn die Dif-<br />
ferenz zwischen den berechneten Verlusten aus den Teilen A und B mindes-<br />
tens 5 % der Anfangshennen betrugen und diese Differenz nicht ausreichend<br />
geklärt werden konnte. Wenn derselbe Durchgang durch den Betrieb bereits in<br />
einem anderen Bogen erfasst wurde, wird die Ausprägung „3“ für den Aus-<br />
schluss des Bogens verwendet. Durchgänge von Betrieben, die nicht zum Un-<br />
tersuchungskollektiv gehören, wurden direkt beim Einlesen der Daten ins SAS-<br />
System ausgeschlossen.<br />
40
Statistische Methoden und Vorbereitung der Daten<br />
2.4 Statistische Methoden und Vorbereitung der Daten<br />
2.4.1 Deskription<br />
Die Daten der Studie wurden zunächst rein deskriptiv mit dem SAS-System<br />
ausgewertet. Für die Auswertung qualitativer Merkmale wurden Häufigkeitsta-<br />
bellen benutzt, wobei in den Spalten die zu untersuchende Variable mit ihren<br />
Ausprägungen zu finden ist und in den Zeilen die Klassen des Faktors Legeli-<br />
nie. Die Zellen der Tabelle zeigen jeweils die absoluten Häufigkeiten und die<br />
Spaltenprozente. Diese Auswertung wurde mit der Prozedur FREQ realisiert.<br />
Bei quantitativen Merkmalen wurden Kenngrößen wie arithmetischer Mittel-<br />
wert, Median, Standardabweichung, Variationskoeffizient usw. mit der TABU-<br />
LATE – Prozedur berechnet. Diese Berechnungen wurden getrennt nach den<br />
Klassen des Faktors Legelinie dargestellt. Zum Teil wurde zusätzlich nach den<br />
Klassen des Faktors Legelinie gruppiert, also eine weitere Schichtung durch-<br />
geführt. Box-and-Whisker-Plots, die mit der Prozedur BOXPLOT erzeugt wur-<br />
den, dienen der grafischen Darstellung.<br />
Alle SAS-Outputs wurden mit Hilfe des Output Delivery Systems (ODS) als<br />
RTF - Datei gespeichert. Das Layout der Tabellen und Grafiken wurde<br />
anschließend mit Microsoft - Word bearbeitet.<br />
2.4.2 Gruppierung der erhobenen Merkmale<br />
Um zu bestimmen, welche in der Studie erhobenen Faktoren einen Einfluss<br />
auf die Zielgröße Verluste pro 1000 Anfangshennen und Woche haben kön-<br />
nen, wurde eine Kausalitätsstruktur der erhobenen Merkmale erstellt, wie sie<br />
in Abb. 2.4.1 zu sehen ist.<br />
41
Haltungsform Legelinie<br />
Behandlungen vor<br />
der Einstallung<br />
Impfungen vor der<br />
Einstallung<br />
Impfungen während<br />
der Legeperiode<br />
Statistische Methoden und Vorbereitung der Daten<br />
Primäre Einflussfaktoren Sekundäre Prozessvariablen Zielgröße<br />
Betriebsgröße<br />
Stall<br />
Belegungsart<br />
Hennenalter bei Einstallung<br />
Anzahl Anfangshennen<br />
Behandlungen während der<br />
Legeperiode<br />
Verhaltensbesonderheiten<br />
Dauer der Legeperiode<br />
Legeleistung<br />
Futterverbrauch<br />
Abb. 2.4.1: Kausalitätsstruktur der erhobenen Merkmale (Kreienbrock [et al.], 2004,<br />
S. 87)<br />
Primäre Einflussfaktoren sind Größen, die bereits vor Beginn der Legeperiode<br />
feststehen. Sie werden durch die Verantwortlichen im Betrieb zu Beginn jedes<br />
Durchgangs jeweils neu festgelegt, wie etwa die einzustallende Legelinie oder<br />
sie sind durch die Struktur des Betriebes gegeben, wie zum Beispiel der Stall<br />
und die darin enthaltene Haltungsform. Alle primären Einflussfaktoren können<br />
die Zielvariable potenziell beeinflussen.<br />
Sekundäre Prozessvariablen ergeben sich im Laufe der Legeperiode. So wer-<br />
den Behandlungen während der Legeperiode hauptsächlich erst dann durch-<br />
geführt, wenn sie notwendig werden. Die Impfungen während der Legeperiode<br />
sind im Allgemeinen schon im Vorfeld geplant worden. Eine Ausnahme bilden<br />
Notimpfungen, die erst durchgeführt werden, wenn die Krankheit bereits aus-<br />
gebrochen ist.<br />
Sämtliche sekundären Prozessvariablen sind ein Ergebnis der Gegebenheiten<br />
im Durchgang und werden daher durch die primären Faktoren beeinflusst. Al-<br />
lerdings ist nur zwischen den Behandlungen und den Verhaltensbesonderhei-<br />
M<br />
o<br />
r<br />
t<br />
a<br />
l<br />
i<br />
t<br />
ä<br />
t<br />
42
Statistische Methoden und Vorbereitung der Daten<br />
ten ein kausaler Zusammenhang zur Zielvariablen Verlusten pro 1000 An-<br />
fangshennen und Woche zu erwarten. So können Verhaltensbesonderheiten<br />
wie Kannibalismus zum Beispiel dazu führen, dass mehr Tiere im Bestand ver-<br />
enden. Im Gegensatz dazu beeinflusst die Legeleistung die Mortalität aber<br />
nicht, sondern ist auch als mögliche Zielgröße zu sehen, die ein Indiz für den<br />
Gesundheitszustand der Tiere ist.<br />
Da also von den Faktoren Dauer der Legeperiode, Legeleistung und Futter-<br />
verbrauch kein Einfluss auf die Mortalität erwartet werden kann, wurden sie<br />
aus dem weiteren Modellbildungsprozess von Anfang an ausgeschlossen.<br />
(Kreienbrock [et al.], 2004, S. 87 ff.)<br />
2.4.3 Zusammenfassung und Ausschluss von Faktorstufen<br />
Bei der Variablen f1_3legelinie (Eingestallte Legelinie) zeigte sich, dass<br />
bestimmte Legelinien besonders häufig eingesetzt wurden (zum Beispiel<br />
„Lohmann braun“ und „Lohmann LSL“), andere dagegen eher selten bis gar<br />
nicht (zum Beispiel „Hisex“ oder „Shaver“). Neben „Lohmann LSL“ wurden kei-<br />
ne weiteren weißen Legelinien allein eingestallt, sondern wenn sie eingestallt<br />
wurden, nur in Kombi<strong>nat</strong>ion mit anderen braunen Legelinien. Diese Kombi<strong>nat</strong>i-<br />
onen aus meh<strong>rer</strong>en Linien wurden in einer Kategorie „mehr als eine Legelinie“<br />
zusammengefasst. Auch die selten genannten braunen Legelinien „Bovans<br />
braun“, „Hy-Linie braun“, „ISA“ und „Warren braun“ wurden in einer Gruppe<br />
namens „weitere braune Legelinien“ zusammengefasst. So wurden die Aus-<br />
prägungen der Variable Legelinie, die teilweise nur mit wenigen Beobachtun-<br />
gen besetzt waren, auf die sechs Stufen „Lohmann braun“, „Lohmann<br />
Tradition“, „Tetra“, „weitere braune Legelinien“, „Lohmann LSL“ und „mehr als<br />
eine Legelinie“ reduziert.<br />
In der hier beschriebenen Studie besteht das Hauptinteresse zunächst in der<br />
Beurteilung des Einflussfaktors Haltungssystem auf die Zielgröße Verluste pro<br />
1000 Anfangshennen und Woche. Die einzelnen Stufen des Faktors Haltungs-<br />
system sind jedoch zum Teil nur gering besetzt. Besonders, wenn man das<br />
Untersuchungskollektiv nach Betriebsgrößenklassen unterteilt, wie in Tabelle<br />
43
Statistische Methoden und Vorbereitung der Daten<br />
2.4.1 zu sehen ist, ergeben sich Probleme mit geringen Zellbesetzungszahlen.<br />
Sogar leere Zellen treten auf, wie bei der Kleingruppenhaltung in Betrieben mit<br />
mehr als 50 000 Legehennenplätzen zu beobachten ist.<br />
Tabelle 2.4.1: Durchgänge nach Haltungsform (sechs Stufen) und Betriebsgröße<br />
Betriebsgröße<br />
weniger als 50 000 Legehennen-<br />
plätze<br />
mehr als 50 000 Legehennenplät-<br />
ze<br />
(Quelle: Kreienbrock [et al.], 2004)<br />
Haltungsform<br />
Boden<br />
o. A.<br />
46<br />
14,1<br />
21<br />
6,0<br />
Boden<br />
m. A.<br />
50<br />
15,3<br />
36<br />
10,3<br />
Voliere<br />
o. A.<br />
8<br />
2,5<br />
6<br />
1,7<br />
Voliere<br />
m. A. Käfig<br />
30<br />
9,2<br />
30<br />
8,6<br />
173<br />
53,1<br />
256<br />
73,4<br />
Klein-<br />
gruppe<br />
Gesamt 67 86 14 60 429 19 675<br />
Um dieses Problem zu vermindern, wurden die sechs Haltungssysteme nach<br />
der Klassifikation des Statistischen Bundesamtes / ZMP (Böttcher, 2003) zu<br />
den vier Kategorien „Freilandhaltung“, „Bodenhaltung“, „Volierenhaltung“ und<br />
„Käfighaltung“ zusammengefasst (siehe Tabelle 2.4.2). Die Zusammenfassung<br />
wurde in einem SAS DATA - Step umgesetzt, wobei die Käfighaltung mit „1“,<br />
die Volierenhaltung mit „2“, die Bodenhaltung mit „3“ und die Freilandhaltung<br />
mit „4“ in der neuen Variablen Haltung codiert wurden.<br />
Tabelle 2.4.2: Durchgänge nach Haltungsform (vier Stufen) und Betriebsgröße<br />
Betriebsgröße<br />
weniger als 50 000 Legehennenplätze<br />
Haltungsform<br />
Bodenhaltung<br />
46<br />
14,1<br />
mehr als 50 000 Legehennenplätze 21<br />
6,0<br />
Freilandhaltung<br />
80<br />
24,5<br />
66<br />
18,9<br />
19<br />
5,8<br />
-<br />
-<br />
Ge-<br />
samt<br />
326<br />
349<br />
Volierenhaltung<br />
Käfighaltung Gesamt<br />
8<br />
2,5<br />
6<br />
1,7<br />
191<br />
58,9<br />
256<br />
73,4<br />
Gesamt 67 146 14 448 675<br />
Da die Volierenhaltung (ohne Auslauf) eine eher selten eingesetzte Haltungs-<br />
form ist und daher auch in dieser Studie einen sehr kleinen Teil der erhobenen<br />
326<br />
349<br />
44
Statistische Methoden und Vorbereitung der Daten<br />
Durchgänge ausmacht, wurde sie aus weiteren Analysen vollständig ausge-<br />
schlossen. Nach Ausschluss des Ausreißers aus der Käfighaltung (siehe Kapi-<br />
tel 2.4.5) und der 14 Durchgänge in der Volierenhaltung beruhen somit weitere<br />
Analysen, die über die rein deskriptive Sichtweise hinausgehen, auf 660 von<br />
675 Datensätzen.<br />
2.4.4 Varianzanalyse<br />
Mit Hilfe von Varianzanalysen wird der Einfluss von einem Faktor (einfaktoriel-<br />
le Varianzanalyse) oder meh<strong>rer</strong>en Faktoren (mehrfaktorielle Varianzanalyse)<br />
mit qualitativ erfassten Merkmalsausprägungen auf eine quantitativ erfasste<br />
Größe untersucht.<br />
Eine einfaktorielle Varianzanalyse stellt sich nach Fahrmeir [et al.], 2001, S.<br />
500f. folgendermaßen dar:<br />
y +<br />
= µ + α e<br />
ij<br />
i ij .<br />
für i = 1 bis a und j = 1 bis ni.<br />
y ij benennt den beobachteten Wert des j-ten Individuums in der i-ten<br />
Stufe des Faktors A<br />
µ ist der Gesamtmittelwert, der auch als globaler Erwartungswert<br />
bezeichnet wird<br />
α i stellt die feste Abweichung des Mittelwerts der i-ten Stufe des<br />
Faktors A vom Gesamtmittelwert µ dar, wobei die Summe aller<br />
α i null betragen muss<br />
e ij bezeichnet den zufälligen individuellen Restfehler des j-ten Indi-<br />
viduums in der i-ten Stufe des Faktors A, wobei die Summe aller<br />
e ij null betragen muss.<br />
45
Statistische Methoden und Vorbereitung der Daten<br />
Bei Varianzanalyse-Modellen muss generell zwischen Modellen unterschieden<br />
werden, die auf balancierten Daten beruhen und solchen, die unbalancierte<br />
Daten als Grundlage haben. Balanciert bedeutet, dass für jede Faktorkombina-<br />
tion die gleiche Anzahl von Beobachtungen vorliegt. Häufig kann jedoch kein<br />
Einfluss darauf genommen werden, wie viele Beobachtungen pro Faktorkom-<br />
bi<strong>nat</strong>ion anfallen. Dann liegen unbalancierte Daten vor, die in ih<strong>rer</strong> Zellbeset-<br />
zungszahl stark schwanken können (Dufner/Jensen/Schumacher, 1992,<br />
S.288). Einige Faktorkombi<strong>nat</strong>ionen können auch gar nicht besetzt sein. In der<br />
in der hier beschriebenen Studie wurde letzteres durch Zusammenfassung von<br />
Faktorstufen vermieden (siehe Kapitel 2.4.3).<br />
Ein zweifaktorielles, unbalanciertes Varianzanalysemodell mit Interaktion<br />
(Wechselwirkung) und Beobachtungen in allen Faktorkombi<strong>nat</strong>ionen stellt sich<br />
auf folgende Weise dar:<br />
y = µ + α + β + ( αβ)<br />
+ e<br />
ijk<br />
i<br />
j<br />
für i = 1,…, a, j = 1, …, b und k = 1, …, nij (nij>0)<br />
ij<br />
ijk<br />
Dabei bezeichnet y ijk den beobachteten Wert des k-ten Individuums in der i-<br />
ten Stufe des Faktors A und der j-ten Stufe des Faktors B.<br />
µ ist der Gesamtmittelwert<br />
α i bezeichnet die feste Abweichung des Mittelwerts der i-ten Stufe<br />
des Faktors A vom Gesamtmittelwert µ , wobei die Summe aller<br />
α i null betragen muss<br />
β j benennt die feste Abweichung des Mittelwerts der j-ten Stufe des<br />
Faktors B vom Gesamtmittelwert µ , wobei die Summe aller j β<br />
null betragen muss<br />
46
Statistische Methoden und Vorbereitung der Daten<br />
( αβ)<br />
ij stellt den festen Wechselwirkungseffekt zwischen Faktor A auf<br />
der i-ten Stufe und Faktor B auf der j-ten Stufe dar, wobei die<br />
Summe aller ( αβ)<br />
ij null betragen muss<br />
e ijk ist der zufällige individuelle Restfehler, deren Summe null betra-<br />
gen muss<br />
Wenn mehr als zwei Einflussfaktoren vorliegen, wird das Modell um weitere<br />
Faktoren und ihre eventuellen Wechselwirkungen mit anderen Faktoren erwei-<br />
tert.<br />
Interaktionen<br />
Eine Interaktion liegt vor, wenn die Stufen des einen Einflussfaktors auf jeder<br />
der Stufen des anderen Faktors unterschiedlich große Effekte auf die Zielvari-<br />
able haben (Dufner/Jensen/Schumacher, 1992, S. 237).<br />
Anhand des Beispiels in Tabelle 2.4.3 lässt sich erkennen, dass sich die Mit-<br />
telwerte für den Faktor B je nach Ausprägung des Faktors A unterschiedlich<br />
verhalten.<br />
Tabelle 2.4.3: Fiktives Datenbeispiel für Interaktion<br />
Stufen von Faktor B<br />
Stufen von Faktor A B1 B2<br />
A1 20 2<br />
A2 24 18<br />
Auf der Stufe 1 des Faktors A ist der Mittelwert von B1 zehnmal größer als der<br />
von B2, während auf Stufe 2 des Faktors A der Mittelwert für B1 nur 1,5-mal<br />
so groß ist wie der von B2. Dies soll auch anhand des Interaktionsplots in Abb.<br />
2.4.2 verdeutlicht werden, in dem die in Tabelle 2.4.3 beschriebene Interaktion<br />
durch „Nicht - Parallelität“ dargestellt ist.<br />
47
Mittelwert<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
Statistische Methoden und Vorbereitung der Daten<br />
1 2<br />
Faktorstufe von A<br />
B1 B2<br />
Abb. 2.4.2: Interaktionsplot durch Mittelwertsbildung in den Faktorstufen (mit Interak-<br />
tion)<br />
Läge keine Interaktion der beiden Faktoren vor, so sollten die beiden Linien<br />
ungefähr parallel verlaufen, wie zum Beispiel in Abb. 2.4.3 zu sehen ist. (Byr-<br />
kit, 1987, S. 677 – 680)<br />
Mittelwert<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
1 2<br />
Faktorstufe von A<br />
B1 B2<br />
Abb. 2.4.3: Interaktionsplot durch Mittelwertbildung in den Faktorstufen (keine Interaktion)<br />
48
Schätzung der Modellparameter<br />
Statistische Methoden und Vorbereitung der Daten<br />
Ist ein Modell der Varianzanalyse endgültig spezifiziert, so werden die unbe-<br />
kannten Parameter des Modells mit Hilfe geeigneter Mittelwerte geschätzt. So<br />
gilt etwa für das oben angegebene Modell der Zweifachklassifikation<br />
µˆ<br />
=<br />
y<br />
...<br />
=<br />
1<br />
N<br />
αˆ y<br />
n<br />
a b ij<br />
∑∑∑<br />
i=<br />
1 j=<br />
1 k=<br />
1<br />
i = yi.. - ... mit i=1,…,a<br />
β ˆ y<br />
y<br />
= y -<br />
j . j.<br />
... mit j=1,…,b<br />
∧<br />
( αβ)<br />
y<br />
ijk<br />
ij = yij. - yi..<br />
- y.<br />
j.<br />
+ ... mit i=1,…,a und j=1,…,b.<br />
Mit diesen Schätzern lässt sich für eine beliebige Untersuchungseinheit ein<br />
Wert aus dem Modell schätzen durch<br />
y β + ( αβ)<br />
ˆ<br />
∧<br />
ˆ = µˆ + αˆ +<br />
ijk<br />
(Hartung [et al.], 1999, S. 625).<br />
Normalverteilung der Residuen<br />
i<br />
j<br />
ij<br />
mit i=1,…,a; j=1,…,b und k=1,…,nij<br />
Eine Voraussetzung für die Anwendung der Varianzanalyse ist eine Normal-<br />
verteilung der geschätzten Abweichungen der Einzelwerte ( ê ijk ) vom zugrun-<br />
deliegenden Mittelwert. Diese Voraussetzung kann etwa anhand eines<br />
Histogramms überprüft werden.<br />
49
Die geschätzte Abweichung ergibt sich als<br />
eˆ = y - yˆ<br />
ijk ijk ijk .<br />
Statistische Methoden und Vorbereitung der Daten<br />
Hierbei stellt yˆ ijk den aus den geschätzten Modellparametern geschätzten<br />
Wert einer einzelnen Untersuchungseinheit dar.<br />
Ein fiktives Beispiel für ein solches Histogramm findet sich in Abb. 2.4.4. Hier<br />
wird die Normalverteilung sehr gut erreicht. Die Verteilung der Residuen ist<br />
eingipfelig und symmetrisch.<br />
Residuen<br />
3<br />
2<br />
1<br />
0<br />
-1<br />
-2<br />
-3<br />
0 10 20 30<br />
Häufigkeit<br />
Abb. 2.4.4: Histogramm der Residuen für fiktive Daten<br />
Auch anhand eines Residuenplots lässt sich Verteilung der Residuen beurtei-<br />
len. In Abb. 2.4.5 ist ein solcher Plot dargestellt. Die Residuen sollten gleich-<br />
mäßig um null streuen, was in diesem fiktiven Beispiel gegeben ist.<br />
50
Abb. 2.4.5: Residuenplot für fiktive Daten<br />
Bestimmtheitsmaß<br />
Statistische Methoden und Vorbereitung der Daten<br />
Ein aus der Analyse der Abweichungsquadratsummen herzuleitendes Ergeb-<br />
nis der Varianzanalyse ist das Bestimmtheitsmaß R². Es gibt den Anteil der<br />
Varianz der Zielgröße Y an, der durch die Einflussfaktoren (A, B, …) erklärt<br />
werden kann. R² ergibt sich als Verhältnis der durch das Modell erklärten Vari-<br />
ation zur Gesamtvarianz der Zielgröße. Im Umkehrschluss kann auch gesagt<br />
werden, es ist das von 1 subtrahierte Verhältnis der unerklärten Variation zur<br />
Gesamtvariation also<br />
R² = 1-<br />
SS<br />
SS<br />
E<br />
G<br />
.<br />
Ist R² = 0, erklären die Einflussfaktoren nichts von der Variation der Zielvariab-<br />
len. Wenn R²=1 ist, erklären sie die Variation von Y vollständig (Pflau-<br />
mer/Heine/Hartung, 1999, S. 149 ff.).<br />
51
ANOVA – Tafel und F-Test<br />
Statistische Methoden und Vorbereitung der Daten<br />
Die Ergebnisse der Varianzanalyse werden in der sogenannten ANOVA – Ta-<br />
fel (auch Varianzanalysetafel) dargestellt. ANOVA steht dabei für ANalysis Of<br />
VAriance. In der Tabelle 2.4.4 findet sich die allgemeine Form einer solchen<br />
Tafel für eine zweifaktorielle Varianzanalyse für unbalancierte Daten mit Inter-<br />
aktion.<br />
Tabelle 2.4.4: ANOVA-Tafel eines zweifaktoriellen unbalancierten Modells mit Interak-<br />
Streuungs-<br />
ursache <br />
Einfluss-<br />
faktor A<br />
Einfluss-<br />
faktor B<br />
Wechselwir-<br />
kung <br />
tion (Searle, 1987, S. 112 und Hartung [et al.], 1999, S. 611 ff.)<br />
Freiheits-<br />
grade (FG)<br />
Quadrat-<br />
summe (SS)<br />
Mittlere Quadrat-<br />
summe (MS)<br />
Prüfgröße<br />
(F-Wert)<br />
a - 1 SSA MSA = SSA / (a-1) FA = MSA/MSE<br />
b - 1 SSB MSB = SSB / (b-1) FB = MSB/MSE<br />
ab-a-b+1 SS(AB) MS(AB) = SS(AB) /<br />
(ab-a-b+1)<br />
Fehler N-ab SSE MSE = SSE / (N-ab)<br />
Gesamt N-1 SSG<br />
F(AB) = MS(AB) / MSE<br />
Die Anzahl der Stufen des Faktors A wird durch a repräsentiert, b ist die An-<br />
zahl von Stufen des Faktors B und N die Gesamtzahl der Beobachtungen. SSA<br />
und SSB sind die Quadratsummen der Einflussfaktoren A und B.<br />
Die Quadratsummen SSE und SSG lassen sich in einfacher Form nach folgender<br />
Formel darstellen:<br />
SS<br />
SS<br />
E<br />
G<br />
a b nij<br />
∑∑∑ ij<br />
i=<br />
1 j=<br />
1 k=<br />
1<br />
= ( yijk<br />
- y . )²<br />
n<br />
a b ij<br />
= ∑∑∑( yijk<br />
- y...<br />
)²<br />
i=<br />
1 j=<br />
1 k=<br />
1<br />
.<br />
und<br />
52
Statistische Methoden und Vorbereitung der Daten<br />
y ij.<br />
bezeichnet hier den Mittelwert der ij-ten Zelle und ... y den Mittelwert aller<br />
Beobachtungen mit i=1,…,a und j=1,…,b.<br />
Die Quadratsummen der einzelnen Einflussfaktoren und Wechselwirkungen<br />
lassen sich auf unterschiedliche Weise berechnen. Es wird zwischen vier Ty-<br />
pen der Quadratsummenzerlegung unterschieden. Im Folgenden soll nur auf<br />
die Typen I und III eingegangen werden, die die SAS-Prozedur GLM stan-<br />
dardmäßig ausgibt.<br />
Typ I – Quadratsummen zeichnen sich dadurch aus, dass die Gesamtquadratsumme<br />
SSG sich als Summe der weiteren Quadratsummen SS ergibt. Bei der<br />
Berechnung der Quadratsummen spielt die Reihenfolge, in der die einzelnen<br />
Einflussfaktoren ins Modell aufgenommen werden eine wichtige Rolle, da sich<br />
je nach Reihenfolge eine andere Zerlegung der Quadratsummen ergibt. Der<br />
Grund dafür ist, dass die Quadratsumme für einen Effekt um die vorangegan-<br />
genen aber nicht um die folgenden Effekte bereinigt wird.<br />
Bei Typ III – Quadratsummen entspricht die Summe der einzelnen Quadrat-<br />
summen, im Gegensatz zum Typ I, in der Regel nicht der Gesamtquadrat-<br />
summe SSG. Der Vorteil dieses Typs ist jedoch, dass die Reihenfolge, in der<br />
die Faktoren in das Modell aufgenommen werden, keine Rolle spielt, da die<br />
Quadratsumme zu einem Effekt um alle anderen im Modell befindlichen Effek-<br />
te bereinigt ist (Dufner / Jensen / Schumacher, 1992, S.288ff.),<br />
Wenn die Daten, wie im vorliegenden Fall, unbalanciert sind, so lassen sich<br />
die Quadratsummen der Einflussfaktoren und Wechselwirkungen nicht mehr in<br />
einer einfachen Form darstellen. Vielmehr basieren sie auf den Lösungen ei-<br />
nes allgemeinen linearen Gleichungssystems mit N Gleichungen und<br />
(a+b+ab+1) Unbekannten. Daher wird hier auf die Darstellung der expliziten<br />
Form der Quadratsummen verzichtet (Scheffé, 1959).<br />
53
Statistische Methoden und Vorbereitung der Daten<br />
Die Nullhypothese besagt, dass es keinen Unterschied zwischen den Stufen<br />
des Einflussfaktors gibt, also die Effekte aller Stufen gleich sind. Diese Hypo-<br />
these wird bei einer Irrtumswahrscheinlichkeit γ verworfen, wenn<br />
gilt.<br />
FA F1-<br />
γ,<br />
a-1;<br />
N -ab<br />
> für Faktor A<br />
FB F1<br />
-γ,<br />
b-1;<br />
N-ab<br />
> für Faktor B beziehungsweise<br />
F ( AB)<br />
> F1<br />
-γ,<br />
a-1;<br />
ab-a-b+<br />
1 für den Wechselwirkungseffekt<br />
Die Prüfgröße des F-Tests definiert sich, wie in Tabelle 2.4.4 zu sehen ist, als<br />
Verhältnis der mittleren Quadratsumme eines Faktors zur mittleren<br />
Quadratsumme des Fehlers. Es kann also gesagt werden, dass die<br />
Nullhypothese dann verworfen wird, wenn die Variation zwischen den Stufen<br />
des Einflussfaktors (zum Beispiel MSA) wesentlich größer ist als die innerhalb<br />
der Stufen (MSE).<br />
Scheffé - Test und adjustierte Erwartungswerte<br />
Hat der zu untersuchende Einflussfaktor mehr als zwei Stufen und will man<br />
herausfinden, welche Mittelwerte dieser Stufen sich paarweise unterscheiden,<br />
so nutzt man multiple Vergleiche (Hartung [et al.], 1999, S. 614). Für ein unba-<br />
lanciertes Modell lautet die H0 Hypothese für den Faktor A wie folgt:<br />
H<br />
wobei .<br />
: µ r.<br />
µ . = 0<br />
A,<br />
rt<br />
0 t<br />
µ r und t.<br />
(Dufner/Jensen/Schumacher, 1992, S. 304),<br />
µ die adjustierten Mittelwerte der Faktorstufen r und t des<br />
Einflussfaktors A sind. Analog gilt also:<br />
H<br />
: µ . r µ .<br />
B,<br />
rt<br />
0 t<br />
= 0<br />
54
für den Einflussfaktor B, wobei . r<br />
Faktorstufen r und t dieses Einflussfaktors sind.<br />
Statistische Methoden und Vorbereitung der Daten<br />
µ und µ . t die adjustierten Mittelwerte der<br />
Diese adjustierten Erwartungswerte (Least Square Means) lauten:<br />
µ<br />
i.<br />
=<br />
1<br />
b<br />
a<br />
1<br />
∑µ ij<br />
b bzw. µ = . j ∑<br />
j=<br />
1<br />
a i=<br />
1<br />
Die Anzahl der Stufen des Faktors A wird durch a repräsentiert, während b die<br />
Anzahl der Stufen des Faktors B darstellt. Adjustierte Erwartungswerte sind<br />
unabhängig von unterschiedlichen Zellbesetzungszahlen, da sie aus den Mit-<br />
telwerten der Faktorkombi<strong>nat</strong>ionen gebildet werden. Treten allerdings Faktor-<br />
stufenkombi<strong>nat</strong>ionen auf, in denen keine Beobachtungen vorliegen, so sind die<br />
adjustierten Erwartungswerte nicht schätzbar. Es gilt also die Bedingung nij>0.<br />
(Dufner/Jensen/Schumacher, 1992, S. 303)<br />
Die oben genannten Null-Hypothesen lassen sich mit unterschiedlichen multip-<br />
len Tests prüfen. In der hier beschrieben Studie fiel die Wahl auf den Test<br />
nach Scheffé.<br />
Die allgemeine SAS-Syntax für die Berechnung der adjustierten Mittelwerte<br />
und den Scheffé - Test findet sich im SAS-Programm 2.4.1.<br />
PROC GLM DATA=neu;<br />
CLASS [Faktor A] [Faktor B];<br />
MODEL [Zielvariable] = [Faktor A] [Faktor B];<br />
LSMEANS [Faktor A] [Faktor B]/PDIFF ADJUST=SCHEFFE;<br />
RUN;<br />
SAS-Programm 2.4.1: Prozedur GLM mit adjustierten Erwartungswerten und Test nach<br />
Scheffé<br />
LSMEANS weist SAS an, die adjustierten Erwartungswerte für die angegebe-<br />
nen Faktoren zu berechnen. Die Option PDIFF bewirkt, dass die Unterschie-<br />
de zwischen den Faktorstufenmittelwerten getestet werden, während durch die<br />
µ<br />
ij<br />
.<br />
55
Statistische Methoden und Vorbereitung der Daten<br />
dazugehörige Option ADJUST= mit dem Wert SCHEFFE dafür der Scheffé –<br />
Test genutzt wird.<br />
2.4.5 Ausreißertest<br />
Wie im vorangegangenen Kapitel beschrieben, reagieren statistische Modelle<br />
empfindlich auf Extremwerte (Ausreißer). Um die größten Extremwerte aus<br />
diesen Modellen auszuschließen, wurde die zu untersuchende Zielgröße Ver-<br />
luste pro 1 000 Anfangshennen und Woche logarithmiert und dann einem Test<br />
auf Ausreißer unterzogen. Es gibt unterschiedliche Verfahren, um Ausreißer<br />
zu erkennen. In der beschriebenen Untersuchung wurde sich für das Verfah-<br />
ren nach Grubbs / Beck (1972) entschieden. Die Urliste muss für diesen Test<br />
in aufsteigender Reihenfolge sortiert werden, also nach dem Schema:<br />
x(1) ≤ x(2) ≤ … ≤ x(n).<br />
Die Hypothese<br />
H01 : x1 ist kein Ausreißer<br />
wird danach mit einer Irrtumswahrscheinlichkeit von α =5% verworfen, wenn<br />
x - x<br />
s<br />
1<br />
= ><br />
1<br />
n;<br />
1 α T<br />
T .<br />
T den<br />
x1 bezeichnet dabei den kleinsten Wert in der sortierten Urliste und n;<br />
1-α<br />
kritischen Wert für n Beobachtungen bei einem Signifikanzniveau von 1-α aus<br />
der Tafel der kritischen Werte des Grubbs - Tests.<br />
Die Hypothese<br />
H0n : xn ist kein Ausreißer<br />
wird bei einer Irrtumswahrscheinlichkeit von α=5% verworfen, wenn<br />
56
T<br />
n<br />
=<br />
x - x n<br />
> T<br />
s<br />
n;<br />
1<br />
Statistische Methoden und Vorbereitung der Daten<br />
α<br />
zutrifft.<br />
xn steht hier für den größten Wert der sortierten Stichprobe.<br />
In dieser Studie wurden nur Maxima getestet, also nur die zweite beschriebe-<br />
ne Hypothese geprüft. Der Test wurde getrennt nach Haltungsformen durchge-<br />
führt, wobei der kritische Wert sich je nach Haltungsform anders gestaltet. Für<br />
Bodenhaltung ohne Auslauf (n=67) beträgt er 3,066, für Boden mit Auslauf<br />
(n=86) 3,155, für Volierenhaltung ohne Auslauf (n=14) 2,371, für Voliere mit<br />
Auslauf (n=60) 3,025 und für Kleingruppenhaltung (n=19) 2,532. Bei der Kä-<br />
fighaltung (n=429) wurde der kritische Wert für die größte verfügbare Stichpro-<br />
bengröße (n=147) verwendet. Hier beträgt T n;<br />
1-0,<br />
5 = 3,334. (Grubbs/Beck,<br />
1972)<br />
Die Hypothese H0n konnte für die Käfighaltung bei einer Irrtumswahrschein-<br />
lichkeit von α=5% verworfen werden und führte daher zum Ausschluss eines<br />
Datensatzes aus den weiteren Auswertungen. Das entsprechende SAS-<br />
Programm findet sich im Anhang dieser Arbeit.<br />
2.4.6 Assoziationsmaß nach Cramér<br />
Um den Zusammenhang zwischen der Haltungsform und einem zweiten Faktor<br />
zu testen, wurde das Assoziationsmaß von Cramér (Cramér’s V) verwen-<br />
det. Es beschreibt, inwieweit ein Merkmal mit einem anderen verknüpft ist und<br />
ist definiert als:<br />
V<br />
=<br />
χ²<br />
n(min(<br />
r,<br />
s)<br />
-1)<br />
(Hartung, 1999, S. 452).<br />
n ist die Anzahl der Beobachtungen<br />
min(r, s) ist die minimale Anzahl von Zeilen oder Spalten der zu bewer-<br />
mit<br />
tenden Kontingenztafel. Bei einer 2x3 Tafel hat min(r, s) eben-<br />
so den Wert von 2, wie bei einer 3x2 Tafel.<br />
57
χ²<br />
( n<br />
= ∑∑<br />
Statistische Methoden und Vorbereitung der Daten<br />
ij<br />
n n i.<br />
.<br />
-<br />
n<br />
n n<br />
i j i.<br />
. j<br />
n<br />
j<br />
)²<br />
.<br />
Der maximale Wert von V beträgt eins, was einem absoluten Zusammenhang<br />
der beiden Merkmale entspricht. Bei einem V ≥ 0,5 wurde das zweite Merkmal<br />
neben der Haltungsform nicht in weitere Modellbildungsschritte aufgenommen,<br />
da die Assoziation der beiden Merkmale als zu stark angesehen wurde. Ein<br />
Beispiel für die beschriebene Studie ist etwa eine Impfung, die in der Boden-<br />
haltung in vielen Durchgängen durchgeführt wird und in Durchgängen ande<strong>rer</strong><br />
Haltungsformen zumeist nicht. Diese Impfung ist also stark mit der Haltungs-<br />
form „Boden“ verknüpft. Würde dieser Faktor in ein statistisches Modell aufge-<br />
nommen werden, so ergäbe sich daraus kein neuer unabhängiger<br />
Einflussfaktor, da er mit dem Faktor Haltungsform gewissermaßen eine Einheit<br />
bildet.<br />
Das Assoziationsmaß nach Cramér wird standardmäßig von der Prozedur<br />
FREQ des SAS-Systems ausgegeben. Die SAS-Syntax wird im folgenden<br />
Programm am Beispiel der Variablen f1_3legelinie (eingestallte Legelinie)<br />
und Haltung (Haltungsform) gezeigt.<br />
PROC FREQ DATA=neu;<br />
TABLES f1_3legelinie * Haltung / CHISQ;<br />
RUN;<br />
SAS-Programm 2.4.2: Chi² für die Variablen Legelinie und Haltungsform<br />
Im TABLES - Statement werden die zu untersuchenden Merkmale mit einem<br />
Multiplikationszeichen verknüpft, wodurch eine zweidimensionale Häufigkeits-<br />
tabelle ausgegeben wird. Die Option CHISQ bewirkt, dass verschiedene<br />
Kenngrößen, vor allem Chi²-Werte, von SAS berechnet werden. Die Reihen-<br />
folge der beiden Merkmale hinter dem TABLES – Statement spielt dabei für<br />
die Ergebnisse der CHISQ – Option keine Rolle.<br />
58
2.4.7 Umwandlung quantitativer Merkmale<br />
Statistische Methoden und Vorbereitung der Daten<br />
Damit im weiteren Verlauf der Untersuchung auch die quantitativen Einfluss-<br />
größen als Faktoren in eine mehrfaktorielle Varianzanalyse eingehen konnten<br />
und nicht im Rahmen einer zweifaktoriellen Kovarianzanalyse ein Regressi-<br />
onsmodell formuliert werden musste, wurden diese Variablen in qualitative<br />
Größen umgewandelt. Für die beiden Merkmale Anfangshennen und Alter der<br />
Hennen bei der Einstallung wurden zu diesem Zweck jeweils drei Kategorien<br />
gebildet, die als Ausprägungen in den neuen Variablen AlterTage_quali<br />
und f1_6anz_ein_quali gespeichert wurden. In die erste Kategorie (unte-<br />
res Quartil) mit der Ausprägung „1“ fallen die kleinsten 25% der Werte. Die<br />
mittlere Kategorie (im IQR) mit der Ausprägung „2“ besteht aus den mittleren<br />
50% der Werte, während die Kategorie mit der Ausprägung „3“ (oberes Quar-<br />
til) die größten 25% der Werte umfasst. Die SAS-Syntax dieses Vorgehens<br />
findet sich im Anhang dieser Arbeit im Bereich „Datenimport“.<br />
59
3 Ergebnisse<br />
3.1 Deskriptive Auswertung<br />
Deskriptive Auswertung<br />
Die deskriptive Auswertung der Daten auf Basis der Haltungssysteme ist be-<br />
reits bei Kreienbrock [et al.] (2004) zu finden. Daher soll hier ein anderes<br />
Merkmal, die Legelinie, im Vordergrund stehen. In Tabelle 3.1.1 und Tabelle<br />
3.1.2 sind die absoluten Häufigkeiten der Legelinie und die Spaltenprozente<br />
getrennt nach Haltungssystem für Betriebe mit weniger als 50 000 Haltungs-<br />
plätzen bzw. mehr als 50 000 Haltungsplätzen dargestellt.<br />
Tabelle 3.1.1: Durchgänge nach Legelinie und Haltungsform für Betriebe mit weniger<br />
als 50 000 Hennenhaltungsplätzen<br />
Legelinie<br />
Haltungsform<br />
Boden<br />
ohne<br />
Auslauf<br />
Lohmann braun 23<br />
50,00<br />
Lohmann Tradition 7<br />
15,22<br />
Tetra 13<br />
28,26<br />
Boden<br />
mit<br />
Auslauf<br />
16<br />
32,00<br />
8<br />
16,00<br />
8<br />
16,00<br />
weitere braune Legelinien - 4<br />
8,00<br />
Lohmann LSL 2<br />
4,35<br />
mehr als eine Legelinie 1<br />
2,17<br />
8<br />
16,00<br />
6<br />
12,00<br />
Voliere<br />
ohne<br />
Auslauf<br />
2<br />
25,00<br />
2<br />
25,00<br />
1<br />
12,50<br />
3<br />
37,50<br />
Voliere<br />
mit Auslauf<br />
16<br />
53,33<br />
5<br />
16,67<br />
5<br />
16,67<br />
- 1<br />
3,33<br />
1<br />
3,33<br />
- 2<br />
6,67<br />
Käfig<br />
71<br />
41,04<br />
10<br />
5,78<br />
1<br />
0,58<br />
4<br />
2,31<br />
47<br />
27,17<br />
40<br />
23,12<br />
Kleingruppe<br />
6<br />
31,58<br />
1<br />
5,26<br />
2<br />
10,53<br />
5<br />
26,32<br />
5<br />
26,32<br />
Gesamt<br />
134<br />
41,10<br />
33<br />
10,12<br />
30<br />
9,20<br />
- 9<br />
2,76<br />
66<br />
20,25<br />
54<br />
16,56<br />
Gesamt 46 50 8 30 173 19 326<br />
60
Deskriptive Auswertung<br />
Tabelle 3.1.2: Durchgänge nach Legelinie und Haltungsform für Betriebe mit mehr als<br />
Legelinie<br />
50 000 Hennenhaltungsplätzen<br />
Haltungsform<br />
Boden<br />
ohne<br />
Auslauf<br />
Lohmann braun 11<br />
52,38<br />
Lohmann Tradition 4<br />
19,05<br />
Tetra 1<br />
4,76<br />
weitere braune Legelinien 1<br />
4,76<br />
Lohmann LSL 3<br />
14,29<br />
mehr als eine Legelinie 1<br />
4,76<br />
Boden<br />
mit<br />
Auslauf<br />
19<br />
52,78<br />
2<br />
5,56<br />
6<br />
16,67<br />
4<br />
11,11<br />
4<br />
11,11<br />
1<br />
2,78<br />
Voliere<br />
ohne<br />
Auslauf<br />
1<br />
16,67<br />
5<br />
83,33<br />
Voliere<br />
mit Aus-<br />
lauf<br />
3<br />
10,00<br />
17<br />
56,67<br />
Käfig<br />
167<br />
65,23<br />
6<br />
2,34<br />
- - 4<br />
- 6<br />
20,00<br />
- 3<br />
10,00<br />
- 1<br />
3,33<br />
1,56<br />
5<br />
1,95<br />
67<br />
26,17<br />
7<br />
2,73<br />
Klein-<br />
gruppe <br />
Ge-<br />
samt<br />
- 201<br />
57,59<br />
- 34<br />
61<br />
9,74<br />
- 11<br />
-<br />
-<br />
3,15<br />
16<br />
4,58<br />
- 77<br />
22,06<br />
- 10<br />
Gesamt 21 36 6 30 256 - 349<br />
Über 90% der Durchgänge aller Haltungssysteme wurden in Großbetrieben<br />
alleine mit den vier Haltungsformen „Lohmann braun“, „Lohmann Tradition“,<br />
„Tetra“ sowie „Lohmann LSL“ belegt. Auch bei Betrieben mit weniger als<br />
50 000 Haltungsplätzen ist dieser Wert mit über 80% der Durchgänge sehr<br />
hoch.<br />
Es ist auffällig, dass vor allem in großen Betrieben mit Käfighaltung die Legeli-<br />
nie „Lohmann braun“ besonders häufig eingestallt wurde. Ihr Anteil beträgt hier<br />
65,23%, während er bei kleineren Betrieben in der Käfighaltung lediglich<br />
41,04% ausmacht. Auch in der Bodenhaltung mit Auslauf zeigt sich ein ähnli-<br />
ches Bild. Die Volierenhaltung mit Auslauf wurde dagegen nur in 10% der<br />
Durchgänge in Betrieben mit mehr als 50 000 Haltungsplätzen mit dieser Linie<br />
belegt, wogegen es im selben Haltungssystem bei kleineren Betrieben über<br />
die Hälfte der Durchgänge war.<br />
2,87
Deskriptive Auswertung<br />
Betrachtet man die Volierenhaltung mit und ohne Auslauf, so erkennt man,<br />
dass bei großen Betrieben in diesen Haltungsformen besonders die Legelinie<br />
„Lohmann Tradition“ vorherrscht, wogegen bei kleineren Betrieben auch wie-<br />
der vermehrt auf die Linie „Lohmann braun“ zurückgegriffen wurde.<br />
Kleinere Betriebe besetzten ihre Durchgänge weitaus häufiger mit mehr als<br />
einer Legelinie als Großbetriebe. In der Käfighaltung waren es beispielsweise<br />
bei Betrieben mit weniger als 50 000 Haltungsplätzen 23,12% aller Durchgän-<br />
ge, während in der gleichen Haltungsform bei größeren Betrieben dieser Wert<br />
nur bei 2,73% aller Durchgänge liegt.<br />
In Tabelle 3.1.3 werden die Verluste pro 1 000 Anfangshennen und Woche für<br />
jede Kombi<strong>nat</strong>ion der Variablen Haltungsform und Legelinie dargestellt. Die<br />
Kategorie der Legelinie mit den geringsten Verlusten stellt dabei die Ausprä-<br />
gung „mehr als eine Legelinie“ dar. Zuvor wurde festgestellt, dass bei Betrie-<br />
ben mit weniger als 50 000 Hennenplätzen weitaus häufiger mehr als eine<br />
Linie eingestallt wurde als bei größeren Betrieben. Wie bei Kreienbrock [et al.]<br />
(2004) beschrieben, lagen die Verluste jedoch in kleineren Betrieben generell<br />
niedriger, was eine Ursache für die niedrigen Verluste speziell in der Kategorie<br />
„mehr als eine Legelinie“ sein könnte.<br />
Lässt man die Kategorie mit mehr als einer Legelinie außer Acht, so zeigen die<br />
Linien „Lohmann braun“ und „Lohmann LSL“, über alle Haltungsformen be-<br />
trachtet, mit jeweils durchschnittlich 2,1 Tieren pro 1 000 Anfangshennen und<br />
Woche, die geringsten Mortalitäten. Betrachtet man allerdings die Haltungs-<br />
formen für sich, so wird ersichtlich, dass „Lohmann braun“ nur in der Boden-<br />
haltung ohne Auslauf (mit x =2,2), der Käfighaltung (mit x =1,8) und der<br />
Kleingruppenhaltung (mit x =1,1) die geringste Mortalität aufweist. „Lohmann<br />
LSL“ zeigt in der Käfighaltung ebenfalls einen Mittelwert der Verluste von 1,8<br />
Tieren pro Woche und 1 000 Anfangshennen. In allen anderen Haltungsfor-<br />
men gibt es Linien, die geringere Verluste aufweisen. In der Bodenhaltung mit<br />
Auslauf und der Voliere mit Auslauf ist das arithmetische Mittel bei der Legeli-<br />
nie „Tetra“ am niedrigsten. Hier betragen die Verluste 2,5 bzw. 3,0 Tiere pro<br />
1 000 Anfangshennen und Woche.<br />
62
Deskriptive Auswertung<br />
Tabelle 3.1.3: Verluste pro 1 000 Anfangshennen und Woche nach Haltungsform und<br />
Legelinie<br />
Lohmann<br />
braun<br />
Lohmann<br />
Tradition<br />
Tetra<br />
weitere<br />
braune Le-<br />
gelinien<br />
Lohmann<br />
LSL<br />
mehr als<br />
eine Legeli-<br />
nie<br />
Legelinie (deskriptive Kenngrößen)<br />
Haltungsform<br />
Boden<br />
ohne<br />
Auslauf<br />
Boden<br />
mit<br />
Auslauf<br />
Voliere<br />
ohne<br />
Auslauf<br />
Voliere<br />
mit Aus-<br />
lauf<br />
Käfig Klein-<br />
gruppe<br />
Gesamt<br />
Anzahl 34 35 3 19 236 6 333<br />
arithm. Mittel 2,2 3,1 . 3,6 1,8 1,1 2,1<br />
Variationskoeff. 63,92 46,40 . 35,58 59,64 55,82 62,31<br />
Anzahl 11 10 7 22 16 1 67<br />
arithm. Mittel 3,2 3,0 3,8 4,4 2,4 . 3,4<br />
Variationskoeff. 61,86 45,09 34,26 40,68 76,42 . 55,07<br />
Anzahl 14 14 1 5 5 2 41<br />
arithm. Mittel 3,3 2,5 . 3,0 2,5 . 3,0<br />
Variationskoeff. 93,25 44,61 . 67,74 48,94 . 72,52<br />
Anzahl 1 8 - 7 9 - 25<br />
arithm. Mittel . 4,3 - 5,0 1,2 - 3,3<br />
Variationskoeff. . 56,58 - 74,22 43,83 - 87,11<br />
Anzahl 5 12 3 4 114 5 143<br />
arithm. Mittel 3,7 2,9 . . 1,8 1,5 2,1<br />
Variationskoeff. 34,00 32,89 . . 62,60 62,32 70,36<br />
Anzahl 2 7 - 3 47 5 64<br />
arithm. Mittel . 1,8 - . 1,5 1,6 1,7<br />
Variationskoeff. . 22,62 - . 51,35 19,96 60,80<br />
Gesamtanzahl 67 86 14 60 427 19 673<br />
arithm. Mittel (gesamt) 2,7 3,0 3,4 4,3 1,8 1,5 2,3<br />
Variationskoeff. (gesamt) 73,17 49,43 47,40 50,17 61,54 59,17 70,06<br />
Diese Ergebnisse werden in der Tabelle 3.1.4 in grafischer Form als Box-Plots<br />
dargestellt. Für Kombi<strong>nat</strong>ionen aus Haltungsformen und Legelinien, die weni-<br />
ger als fünf Durchgänge aufweisen, werden keine Grafiken gezeigt.<br />
63
Deskriptive Auswertung<br />
Tabelle 3.1.4: Verluste pro 1 000 Anfangshennen und Woche nach Haltungsform und<br />
Legelinie<br />
Lohmann<br />
braun<br />
Lohmann<br />
Tradition<br />
Tetra<br />
weitere braune<br />
Legelinien<br />
Lohmann LSL<br />
mehr als eine<br />
Legelinie<br />
Legelinie (Box-Plots)<br />
Haltungsform<br />
Boden ohne<br />
Auslauf<br />
Boden mit<br />
Auslauf<br />
Voliere<br />
ohne<br />
Auslauf<br />
Voliere<br />
mit<br />
Auslauf<br />
Käfig Klein-<br />
gruppe<br />
64
Deskriptive Auswertung<br />
Der Median liegt bei allen Legelinien in den Haltungsformen „Käfig“ und<br />
„Kleingruppe“ am niedrigsten. Er bleibt für beide Haltungsformen konstant un-<br />
ter 2,5 Tieren pro 1 000 Anfangshennen und Woche.<br />
Extremwerte zeigen sich fast ausschließlich nur im oberen Bereich der Verlus-<br />
te. Es gibt also einige Kombi<strong>nat</strong>ionen aus Legelinie und Haltungsform, in de-<br />
nen es besonders hohe Verluste in vereinzelten Durchgängen gab.<br />
Durchgänge, in denen die Mortalität extrem niedrig lag, zeigen sich allerdings<br />
kaum.<br />
In Tabelle 3.1.5 werden die Behandlungen während der Legeperiode getrennt<br />
nach Legelinie dargestellt. Auffällig ist hier besonders die Legelinie „Tetra“. In<br />
nur 36,6 % aller Durchgänge wurde hier keine antibiotische Behandlung<br />
durchgeführt, wobei der Anteil bei den anderen Legelinien bei über 60 % liegt.<br />
In 45,45 % der Durchgänge dieser Legelinie wurde sogar mehrmals eine<br />
antibiotische Behandlung durchgeführt, während der Anteil der anderen Linien<br />
hier bei etwa 20 % angesiedelt ist. Auch die anderen Behandlungen werden<br />
bei der „Tetra“ – Legelinie überdurchschnittlich oft durchgeführt.<br />
Der Anteil der nicht-behandelten Durchgänge ist für die Durchgänge beson-<br />
ders hoch, bei denen mehr als eine Legelinie eingestallt wurde. So wurden bei<br />
86,67 % bzw. 90 % der Durchgänge in dieser Kategorie keine antibiotischen<br />
Behandlungen oder Behandlungen gegen Wurmbefall durchgeführt. Auch bei<br />
der Linie „Lohmann LSL“ musste im Verhältnis zu den anderen Kategorien im<br />
Allgemeinen weniger behandelt werden.<br />
65
Deskriptive Auswertung<br />
Tabelle 3.1.5: Behandlungen während der Legeperiode nach Legelinien<br />
Lohmann<br />
braun<br />
Antibiotische Behandlung<br />
gar nicht 217<br />
69,55<br />
einmal 25<br />
8,01<br />
mehrmals 70<br />
22,44<br />
Lohmann<br />
Tradition<br />
42<br />
63,64<br />
12<br />
18,18<br />
12<br />
18,18<br />
Legelinie<br />
Tetra weitere<br />
12<br />
36,36<br />
6<br />
18,18<br />
15<br />
45,45<br />
braune<br />
Legelinien<br />
18<br />
72,00<br />
2<br />
8,00<br />
5<br />
20,00<br />
Lohmann<br />
LSL<br />
101<br />
76,52<br />
14<br />
10,61<br />
17<br />
12,88<br />
Mehr als<br />
eine<br />
Legelinie<br />
52<br />
86,67<br />
4<br />
6,67<br />
Gesamt<br />
Gesamt 312 66 33 25 132 60 628<br />
Behandlung gegen Wurmbefall<br />
gar nicht 281<br />
89,21<br />
einmal 18<br />
5,71<br />
mehrmals 16<br />
5,08<br />
33<br />
50,00<br />
8<br />
12,12<br />
25<br />
37,88<br />
7<br />
20,59<br />
8<br />
23,53<br />
19<br />
55,88<br />
16<br />
64,00<br />
3<br />
12,00<br />
6<br />
24,00<br />
127<br />
94,07<br />
0<br />
0,00<br />
4<br />
6,67<br />
54<br />
90,00<br />
Gesamt 315 66 34 25 135 60 635<br />
Behandlung gegen Milbenbefall<br />
gar nicht 127<br />
39,44<br />
einmal 60<br />
18,63<br />
mehrmals 135<br />
41,93<br />
4<br />
6,06<br />
13<br />
19,70<br />
49<br />
74,24<br />
6<br />
18,18<br />
4<br />
12,12<br />
23<br />
69,70<br />
5<br />
20,00<br />
6<br />
24,00<br />
14<br />
56,00<br />
8<br />
5,93<br />
61<br />
44,85<br />
21<br />
15,44<br />
54<br />
39,71<br />
2<br />
3,33<br />
4<br />
6,67<br />
30<br />
50,00<br />
17<br />
28,33<br />
13<br />
21,67<br />
Gesamt 322 66 33 25 136 60 642<br />
Blutproben zur Überprüfung der Antikörpertiter<br />
gar nicht 80<br />
25,48<br />
einmal 125<br />
39,81<br />
mehrmals 109<br />
34,71<br />
18<br />
27,69<br />
12<br />
18,46<br />
35<br />
53,85<br />
7<br />
20,00<br />
5<br />
14,29<br />
23<br />
65,71<br />
5<br />
20,00<br />
9<br />
36,00<br />
11<br />
44,00<br />
51<br />
38,35<br />
29<br />
21,80<br />
53<br />
39,85<br />
37<br />
62,71<br />
12<br />
20,34<br />
10<br />
16,95<br />
Gesamt 314 65 35 25 133 59 631<br />
442<br />
63<br />
123<br />
518<br />
39<br />
78<br />
233<br />
121<br />
288<br />
198<br />
192<br />
241<br />
66
Deskriptive Auswertung<br />
Tabelle 3.1.6 Betriebliche Einschätzung von Verhaltensweisen nach Legelinien<br />
Federpicken<br />
Lohmann<br />
braun<br />
gar nicht 198<br />
59,10<br />
manchmal 76<br />
22,69<br />
häufig 55<br />
keine Anga-<br />
ben<br />
16,42<br />
6<br />
1,79<br />
Lohmann<br />
Tradition<br />
18<br />
26,87<br />
22<br />
32,84<br />
25<br />
37,31<br />
2<br />
2,99<br />
Legelinie<br />
Tetra weitere<br />
8<br />
19,51<br />
22<br />
53,66<br />
11<br />
26,83<br />
0<br />
0,00<br />
braune<br />
Legelinien<br />
8<br />
32,00<br />
10<br />
40,00<br />
7<br />
28,00<br />
Lohmann<br />
LSL<br />
100<br />
69,93<br />
31<br />
21,68<br />
8<br />
5,59<br />
Mehr als<br />
eine<br />
Legelinie<br />
34<br />
53,13<br />
25<br />
39,06<br />
4<br />
6,25<br />
Gesamt<br />
Gesamt 335 67 41 25 143 64 675<br />
Kannibalismus<br />
gar nicht 205<br />
61,19<br />
manchmal 73<br />
21,79<br />
häufig 52<br />
keine Anga-<br />
ben<br />
15,52<br />
5<br />
1,49<br />
22<br />
32,84<br />
22<br />
32,84<br />
22<br />
32,84<br />
1<br />
1,49<br />
12<br />
29,27<br />
14<br />
34,15<br />
14<br />
34,15<br />
1<br />
2,44<br />
0<br />
0,00<br />
12<br />
48,00<br />
6<br />
24,00<br />
7<br />
28,00<br />
4<br />
2,80<br />
100<br />
69,93<br />
29<br />
20,28<br />
8<br />
5,59<br />
1<br />
1,56<br />
42<br />
65,63<br />
18<br />
28,13<br />
Gesamt 335 67 41 25 143 64 675<br />
Zehenpicken<br />
gar nicht 267<br />
79,70<br />
manchmal 37<br />
11,04<br />
häufig 5<br />
keine Anga-<br />
ben<br />
1,49<br />
26<br />
7,76<br />
44<br />
65,67<br />
18<br />
26,87<br />
1<br />
1,49<br />
4<br />
5,97<br />
27<br />
65,85<br />
9<br />
21,95<br />
1<br />
2,44<br />
4<br />
9,76<br />
0<br />
0,00<br />
17<br />
68,00<br />
6<br />
24,00<br />
6<br />
4,20<br />
115<br />
80,42<br />
22<br />
15,38<br />
3<br />
4,69<br />
1<br />
1,56<br />
54<br />
84,38<br />
9<br />
14,06<br />
Gesamt 335 67 41 25 143 64 675<br />
0<br />
0,00<br />
2<br />
8,00<br />
0<br />
0,00<br />
6<br />
4,20<br />
0<br />
0,00<br />
1<br />
1,56<br />
366<br />
186<br />
110<br />
13<br />
393<br />
162<br />
106<br />
14<br />
524<br />
101<br />
7<br />
43<br />
67
Deskriptive Auswertung<br />
In Tabelle 3.1.6 sind die betrieblichen Einschätzungen von Verhaltensweisen<br />
getrennt nach Legelinien aufgeführt. Betrachtet man hier die Einschätzungen<br />
zum Federpicken der Tiere, so zeigt sich, dass besonders bei der Linie „Loh-<br />
mann LSL“ verhältnismäßig selten von dieser Verhaltensbesonderheit berich-<br />
tet wurde. Der Anteil der Durchgänge, bei denen „gar nicht“ davon berichtet<br />
wurde, beträgt 69,93 %. Nur bei 5,59 % aller Durchgänge mit dieser Linie wur-<br />
de von häufigem Federpicken berichtet.<br />
Der Anteil der Durchgänge, bei denen „gar nicht“ von Federpicken berichtet<br />
wurde, ist mit 19,51 % bei der Legelinie „Tetra“ besonders niedrig. Auch bei<br />
den Verhaltensweisen Kannibalismus und Zehenpicken wurde, in Relation zu<br />
den anderen Legelinien, seltener die Angabe „gar nicht“ gemacht. Dagegen<br />
traf man für die Kategorien „Lohmann braun“, „Lohmann LSL“ und „mehr als<br />
eine Legelinie“ relativ oft diese Wahl.<br />
Betrachtet man das arithmetische Mittel des Futterverbrauchs in Kilogramm<br />
pro Woche und 1 000 Durchschnittshennen nach Legelinie in Tabelle 3.1.7<br />
wird ersichtlich, dass der Futterverbrauch bei der Linie „Lohmann Tradition“ mit<br />
908 kg am höchsten war. Auch der Median deutet mit einem Wert von 866 kg<br />
darauf hin. Zudem streuen die Daten hier mit einem Variationskoeffizienten<br />
von 17,81 % besonders stark. Als besonders niedrig erweist sich der Futter-<br />
verbrauch bei der Legelinie „Lohmann LSL“. Das arithmetische Mittel beträgt<br />
815 kg und der Median 793 kg. Allerdings gab es auch hier Durchgänge, bei<br />
denen von besonders hohem Futterverbrauch berichtet wurde (Maxi-<br />
mum=1647 kg).<br />
68
Statistische Modelle<br />
Tabelle 3.1.7: Futterverbrauch in Kilogramm pro Woche und 1 000 Durchschnittshen-<br />
nen nach Legelinie<br />
Lohmann<br />
braun<br />
Lohmann<br />
Tradition<br />
Legelinie<br />
Tetra weitere<br />
braune Le-<br />
gelinien <br />
Loh-<br />
mann<br />
LSL<br />
Mehr als<br />
eine Lege-<br />
linien<br />
Anzahl Durchgänge 325 56 35 24 128 39<br />
arithm. Mittel 821 908 856 825 815 823<br />
Median 807 866 856 813 793 816<br />
Standardabw. 78 161 60 83 101 62<br />
Variationskoeffizient 9,47 17,81 7,00 10,07 12,41 7,54<br />
Minimum 708 743 679 704 693 706<br />
10%-Quantil 758 798 798 725 741 747<br />
90%-Quantil 897 1023 950 921 917 904<br />
Maximum 1504 1640 968 1069 1647 996<br />
3.2 Statistische Modelle<br />
Die Modellbildung für die Zielvariable Verluste pro 1 000 Anfangshennen und<br />
Woche erfolgte in meh<strong>rer</strong>en Phasen, die nachfolgend erörtert werden sollen.<br />
3.2.1 Einfaktorielle Varianzanalyse<br />
Zunächst wurde für jede der möglichen Einflussvariablen (siehe Kapitel 2.4.2)<br />
eine einfaktorielle Varianzanalyse gerechnet, um zu überprüfen, welchen Ein-<br />
fluss einzelne Variablen für sich alleine, also ohne Berücksichtigung weite<strong>rer</strong><br />
möglicher Einflüsse, auf die Verluste pro 1 000 Anfangshennen und Woche<br />
(verluste1000wo) hatten. Die Syntax dieses einfaktoriellen Modells ist am<br />
Beispiel der Einflussvariablen Legelinie (f1_3legelinie) in SAS-Programm<br />
3.2.1 zu sehen.<br />
69
PROC GLM DATA=neu;<br />
CLASS f1_3legelinie;<br />
MODEL verluste1000wo = f1_3legelinie;<br />
RUN;<br />
Statistische Modelle<br />
SAS-Programm 3.2.1: Einfaktorielle Varianzanalyse am Beispiel des Einflussfaktors<br />
Legelinie<br />
Hinter dem CLASS - Statement werden die qualitativen Variablen des Modells<br />
aufgeführt. Hier ist dies nur der jeweilige Einflussfaktor. Im MODEL - State-<br />
ment steht vor dem Gleichheitszeichen die quantitative Zielvariable Verluste<br />
pro 1 000 Anfangshennen und Woche und dahinter die wechselnde Einfluss-<br />
variable. Im Beispiel ist dies der Faktor Legelinie.<br />
Der dazugehörige SAS-Output dieser Analyse soll hier ebenfalls kurz erläutert<br />
werden.<br />
SAS-Output 3.2.1: Einfaktorielle Varianzanalyse aus SAS-Programm 3.2.1<br />
______________________________________________________________<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
Source DF<br />
Sum of<br />
Squares Mean Square F Value Pr > F<br />
Model 5 143.351491 28.670298 12.54 F<br />
f1_3legelinie 5 143.3514908 28.6702982 12.54
Statistische Modelle<br />
Source DF Type III SS Mean Square F Value Pr > F<br />
f1_3legelinie 5 143.3514908 28.6702982 12.54 F < 0,0001).<br />
3.2.2 Zweifaktorielle Varianzanalyse mit Interaktion (Grundmodell)<br />
Da jedoch eine einfaktorielle Analyse, also ohne Berücksichtigung weite<strong>rer</strong><br />
Faktoren, wenig Aussagekraft über den tatsächlichen Einfluss einer Variablen<br />
auf die Zielvariable hat, sollten im weiteren Verlauf der Auswertung mehrfakto-<br />
rielle Modelle erstellt werden. Das Grundmodell beinhaltet hierbei die Faktoren<br />
Haltungsform (Haltung) und Betriebsgrößenklasse (Groesse). Die Haltungs-<br />
form war der sachlich wichtigste Faktor der beschriebenen Studie und zeigte<br />
mit R 2 =21,3% im einfaktoriellen Modell auch das mit Abstand höchste Be-<br />
stimmtheitsmaß. Dies bedeutet, dass ohne Berücksichtigung weite<strong>rer</strong> Einflüs-<br />
se, über ein Fünftel der Variation der Zielvariablen allein durch den Faktor<br />
Haltungsform erklärt wurden. Die Betriebsgröße zeigte mit R²=2,4% im einfak-<br />
toriellen Modell ein vergleichsweise geringes Bestimmtheitsmaß, wurde aller-<br />
dings auch als Faktor angesehen, der „in vielerlei Hinsicht betriebliche<br />
Verhaltensweisen und betriebliche Ergebnisse beeinflusst […].“ (Kreienbrock<br />
[et al.], 2004, S. 19)<br />
Außerdem wurde für das Grundmodell eine Interaktion der Faktoren Haltungs-<br />
form und Betriebsgröße modelliert. Im dazugehörigen Interaktionsplot in Abb.<br />
3.2.1 lässt sich erkennen, dass die Betriebe mit mehr als 50 000 Legehennen-<br />
plätzen generell höhere Verluste haben als die kleineren Betriebe. Ob die an-<br />
71
Statistische Modelle<br />
gedeuteten Unterschiede zwischen den Haltungsformen signifikant sind,<br />
musste dagegen ein entsprechendes Testverfahren prüfen. Die Interaktion<br />
wurde dazu vorbehaltlich in das Modell aufgenommen.<br />
Abb. 3.2.1: Interaktionsplot für die Verluste pro 1000 Anfangshennen und Woche<br />
nach Betriebsgrößenklasse und Haltungsform (mit drei Stufen) - Ausprägungen<br />
der Haltungsform auf der x-Achse<br />
Das Grundmodell stellt sich also zunächst als zweifaktorielles Modell mit Inter-<br />
aktion dar. Auf das in Kapitel 2.4.4 beschriebene Modell angewendet, bedeutet<br />
dies:<br />
y = µ + α + β + ( αβ)<br />
+ e<br />
ijk<br />
i<br />
mit i= 1, 2, 3; j = 1, 2; k = 1, 2, …, nij<br />
j<br />
ij<br />
ijk<br />
y ijk ist der Wert der Zielgröße Verluste pro 1000 Anfangshennen und<br />
Woche für den k-ten Durchgang in der i-ten Haltungsform und<br />
der j-ten Betriebsgrößenklasse,<br />
µ ist der Gesamtmittelwert der Zielgröße Verluste pro 1000 An-<br />
fangshennen und Woche,<br />
72
Statistische Modelle<br />
α i ist die Abweichung des Mittelwerts der i-ten Haltungsform vom<br />
Gesamtmittelwert µ , wobei die Faktorstufen der Haltungsform<br />
Boden-, Freiland- und Käfighaltung sind,<br />
β j ist die Abweichung des Mittelwerts der j-ten Betriebsgrößenklas-<br />
se vom Gesamtmittelwert µ , wobei die Faktorstufen der Be-<br />
triebsgrößenklasse Betriebe mit weniger als bzw. Betriebe mit<br />
mehr als 50 000 Legehennenplätzen sind,<br />
( αβ)<br />
ij ist der Wechselwirkungseffekt der i-ten Haltungsform mit der j-<br />
ten Betriebsgrößenklasse,<br />
e ijk ist der zufällige individuelle Restfehler des k-ten Durchgangs in<br />
der i-ten Haltungsform und der j-ten Betriebsgrößenklasse.<br />
Die SAS-Sytax für dieses Grundmodell stellt sich wie in SAS-Programm 3.2.2<br />
gezeigt dar.<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse;<br />
MODEL Verluste1000wo = Haltung | Groesse;<br />
RUN;<br />
SAS-Programm 3.2.2: Syntax des Grundmodells<br />
Der senkrechte Strich zwischen den Faktoren Haltung und Groesse im MO-<br />
DEL - Statement bewirkt, dass die beiden Faktoren getrennt als Hauptfaktoren<br />
in das Modell aufgenommen werden, aber daneben auch ihre Wechselwir-<br />
kung.<br />
Die grundsätzliche Anpassung wurde über die Betrachtung der grafischen Mo-<br />
dellresiduen vorgenommen. In Abb. 3.2.2 wird das Histogramm dieser Modell-<br />
residuen dargestellt.<br />
73
Abb. 3.2.2: Histogramm der Residuen des Grundmodells<br />
Statistische Modelle<br />
Man kann davon ausgehen, dass diese Verteilung genügt und die Varianzana-<br />
lyse angewendet werden darf.<br />
Der Residuenplot in Abb. 3.2.3 verdeutlicht, dass die Residuen verhältnismä-<br />
ßig gleichmäßig um null streuen. Dabei ist nicht wichtig, dass die Residuen in<br />
den einzelnen Gruppen sich so verhalten, sondern dass sie über alle Gruppe<br />
gleichmäßig um null streuen.<br />
74
Abb. 3.2.3: Residuenplot des Grundmodells<br />
Statistische Modelle<br />
Im SAS-Output 3.2.2 wird das Ergebnis des Grundmodells dargestellt.<br />
SAS-Output 3.2.2: Ergebnis des Endmodells aus SAS-Programm 3.2.2<br />
______________________________________________________________<br />
Model: Haltungsform, Größe und deren Wechselwirkung<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
Source DF<br />
Sum of<br />
Squares Mean Square F Value Pr > F<br />
Model 5 445.067278 89.013456 48.81
Statistische Modelle<br />
R-Square Coeff Var Root MSE verluste1000Wo Mean<br />
0.272053 60.35026 1.350453 2.237692<br />
Source DF Type I SS Mean Square F Value Pr > F<br />
Haltung 2 347.9286533 173.9643266 95.39
3.2.3 <strong>Dr</strong>eifaktorielle Varianzanalyse und Cramér’s V<br />
Statistische Modelle<br />
In das so eben beschriebene Grundmodell wurde im Folgenden je eine der<br />
weiteren möglichen Einflussvariablen als dritter Faktor aufgenommen. Dabei<br />
wurden zwei verschiedene Modelle verwendet. Das erste Modell beinhaltet<br />
neben den Hauptfaktoren nur die Wechselwirkung zwischen den Faktoren Hal-<br />
tungsform und Betriebsgröße. In das zweite Modell wurde zusätzlich eine In-<br />
teraktion zwischen der Haltungsform und dem dritten Faktor aufgenommen.<br />
Für die Bewertung des Zusammenhangs zwischen dem jeweils dritten Faktor<br />
und der Haltungsform wurde das Assoziationsmaß nach Cramér berechnet.<br />
Das in Kapitel 2.4.6 gezeigte SAS-Programm 2.3.1 für den Zusammenhang<br />
zwischen den Variablen Legelinie und Haltungsform erzeugt den SAS-Output<br />
3.2.3, wobei die ebenfalls ausgegebene Häufigkeitstabelle nicht dargestellt ist.<br />
SAS-Output 3.2.3: Chi²-Test und Assoziationsmasse für die Kreuzklassifikation Le-<br />
gelinie * Haltungsform (gekürzt)<br />
Statistic DF Value Prob<br />
Chi-Square 10 147.9331
Statistische Modelle<br />
Haltungsform als zu groß bewertet. Die weitere Betrachtung dieser Variablen<br />
in der Modellbildung wurde daher verworfen.<br />
Bei den übrigen Einflussfaktoren wurde bewertet, wie stark sie, wenn sie in<br />
das Grundmodell aufgenommen wurden, das Bestimmtheitsmaß des Modells<br />
erhöhten. Die Faktoren wurden weiter betrachtet, wenn sie das Bestimmt-<br />
heitsmaß des Modells ohne Interaktion des dritten Faktors zur Haltungsform<br />
um mehr als 2,5%-Punkte erhöhten oder im Modell mit dieser Wechselwirkung<br />
5% zusätzliche Bestimmtheit erbrachten.<br />
Lediglich die Faktoren Anzahl der Anfangshennen, Impfungen während der<br />
Legeperiode: AE, Impfungen während der Legeperiode: Marek’sche Krankheit,<br />
Impfungen während der Legeperiode: Pocken und Behandlungen während der<br />
Legeperiode: Milbenbehandlung erfüllten die genannten Bedingungen.<br />
3.2.4 Gesamtmodell mit sieben Einflussfaktoren<br />
Mit den verbliebenen fünf Faktoren sowie den „Grundfaktoren“ Betriebsgrö-<br />
ßenklasse und Haltungsform wurde ein siebenfaktorielles Modell erstellt, ohne<br />
dabei jegliche Interaktion einfließen zu lassen. Die ANOVA – Tafel dieses Mo-<br />
dells ist in Tabelle 3.2.1 dargestellt.<br />
In diesem Fall wurden die Quadratsummen SS auf Basis der Typ III - Quadrat-<br />
summenzerlegung berechnet. Das heißt, die Quadratsumme zu jeder Variati-<br />
onsursache wurde um die Quadratsummen aller anderen ins Modell<br />
aufgenommenen Faktoren bereinigt. Die Reihenfolge der Faktoren im Modell<br />
spielt damit keine Rolle (vergl. Kapitel 2.4.4).<br />
78
Statistische Modelle<br />
Tabelle 3.2.1: Typ III - ANOVA-Tafel für das Gesamtmodell mit sieben Einflussfaktoren<br />
für die Zielvariable Verluste pro 1 000 Anfangshennen und Woche (Mo-<br />
dellbestimmtheit: R2 = 0,343; Kreienbrock [et al.], 2004, S. 94)<br />
Variationsursache FG SS MS F-Wert Pr > F SS /<br />
SSG*100<br />
Haltungsform 2 224,954 112,477 65,72
3.2.5 Scheffé – Test und adjustierte Erwartungswerte<br />
Statistische Modelle<br />
Da der Faktor Haltung dreistufig ist (Boden-, Freiland- und Käfighaltung),<br />
musste im Weiteren noch kontrolliert werden, ob sich wirklich jede Stufe von<br />
den anderen beiden signifikant unterscheidet oder ob es auch Faktorstufen<br />
gibt, die keinen signifikanten Unterschied zeigen. Dafür wurde der Scheffé –<br />
Test genutzt. Die Basis für diesen Test bilden hier die adjustierten Erwar-<br />
tungswerte, die unabhängig von unterschiedlichen Zellbesetzungszahlen der<br />
Faktorkombi<strong>nat</strong>ionen sind.<br />
Die allgemeine Hypothese<br />
rt<br />
H µ µ = 0 (vergl. Kapitel 2.4.4) stellt sich<br />
0 : r.<br />
t.<br />
für den Faktor Haltungsform des Endmodells wie folgt dar:<br />
FB<br />
KB<br />
H µ µ = 0 , µ µ = 0<br />
: 0 F . B.<br />
KF<br />
H µ µ = 0 .<br />
: 0 K . F .<br />
H und<br />
: 0 K . B.<br />
F steht dabei für Freilandhaltung, K für Käfighaltung und B für Bodenhaltung.<br />
Der Punkt sagt aus, dass die adjustierten Erwartungswerte jeweils über alle<br />
Stufen des zweiten Faktors, also der Betriebsgrößenklasse gebildet werden.<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse;<br />
MODEL Verluste1000wo = Haltung | Groesse;<br />
LSMEANS Haltung | Groesse/PDIFF ADJUST=Scheffe;<br />
RUN;<br />
SAS-Programm 3.2.3: Prozedur GLM mit adjustierten Erwartungswerten und Test nach<br />
Scheffé für das Endmodell<br />
Im SAS-Programm 3.2.3 wird ersichtlich, dass hier, anders als im allgemeinen<br />
SAS-Programm 2.4.1, auch die adjustierten Mittelwerte der einzelnen Faktor-<br />
stufenkombi<strong>nat</strong>ionen berechnet und mit dem Scheffé – Test verglichen wer-<br />
den.<br />
Der SAS- Output dieser Prozedur wird im Folgenden dargestellt.<br />
80
SAS-Output 3.2.4: Output von SAS-Programm 3.2.3 (gekürzt)<br />
Statistische Modelle<br />
______________________________________________________________<br />
Haltung<br />
verluste1000Wo<br />
LSMEAN<br />
LSMEAN<br />
Number<br />
Bo 2.88757062 1<br />
Fr 3.55486927 2<br />
Kä 1.72407666 3<br />
Least Squares Means for effect Haltung<br />
Pr > |t| for H0: LSMean(i)=LSMean(j)<br />
Dependent Variable: verluste1000Wo<br />
i/j 1 2 3<br />
1 0.0068
Least Squares Means for effect Haltung*Groesse<br />
Pr > |t| for H0: LSMean(i)=LSMean(j)<br />
Dependent Variable: verluste1000Wo<br />
Statistische Modelle<br />
i/j 1 2 3 4 5 6<br />
1 0.1976 0.5566
Statistische Modelle<br />
Betrieben mit mehr als 50 000 Hennenhaltungsplätzen unterscheidet sich nur<br />
signifikant von der Käfighaltung in beiden Größenklassen. Bodenhaltung in<br />
kleineren Betrieben unterscheidet sich hinsichtlich der adjustierten Mittelwerte<br />
für den Parameter Verluste pro 1 000 Anfangshennen und Wochen jedoch<br />
nicht signifikant von der Käfighaltung in Großbetrieben.<br />
Die adjustierten Mittelwerte wurden auf Grundlage des beschriebenen SAS-<br />
Outputs in der Tabelle 3.2.2 zusammengefasst.<br />
Tabelle 3.2.2: Adjustierte Mittelwerte für das Endmodell<br />
Haltungssystem<br />
Adjustierte<br />
Mittelwerte<br />
Betriebsgrößenklasse Bodenhaltung Freilandlandhaltung Käfighaltung Betriebsgröße<br />
=50.000 3,370 4,207 1,950 3,175<br />
Adjustierte Mittelwer-<br />
te Haltungsform 2,888 3,555 1,724 2,722<br />
Der adjustierte Gesamtmittelwert der Verluste pro 1 000 Anfangshennen und<br />
Woche von 2,722 Tieren ergibt sich als Mittelwert der adjustierten Mittelwerte<br />
über die Betriebsgrößenklassen bzw. die Haltungssysteme.<br />
Indem man nun von jedem adjustierten Mittelwert der Faktorstufen von Hal-<br />
tungsform und Betriebsgrößenklasse den adjustierten Gesamtmittelwert sub-<br />
trahiert, wird ersichtlich, welchen geschätzten Effekt die Stufen der Faktoren<br />
auf den Mittelwert der Verluste pro 1 000 Anfangshennen und Wochen zeigen.<br />
Für die Effekte der einzelnen Wechselwirkungen werden die Mittelwerte der<br />
entsprechenden Faktorstufen vom Zellmittelwert subtrahiert und der Gesamt-<br />
mittelwert addiert (vergl. Kapitel 2.4.4). Alle geschätzten Effekte werden in<br />
Tabelle 3.2.3 dargestellt.<br />
83
Statistische Modelle<br />
Tabelle 3.2.3: Effektschätzer für die Einflussfaktoren Haltungssystem, Betriebsgrö-<br />
ßenklasse und Interaktion<br />
Haltungssystem Haupteffekt<br />
Betriebsgrößenklasse Bodenhaltung Freilandlandhaltung Käfighaltung Betriebsgröße<br />
=50.000<br />
Haupteffekt<br />
0,029 0,199 -0,227 0,453<br />
Haltungsform 0,166 0,833 -0,998<br />
Es zeigt sich, dass die Haltungsform Bodenhaltung den Gesamtmittelwert der<br />
Verluste pro 1 000 Anfangshennen und Woche um geschätzte 0,166 Tiere<br />
erhöht. Bei Betrieben mit mehr als 50 000 Hennenhaltungsplätzen steigt der<br />
adjustierte Mittelwert um geschätzte 0,453 Tiere. Für Durchgänge mit der Hal-<br />
tungsform Bodenhaltung in Betrieben mit mehr als 50 000 Hennenhaltungs-<br />
plätzen erhöht sich der Mittelwert durch die Faktorstufe „Bodenhaltung“ also<br />
um 0,166 Tiere, um weitere 0,453 Tiere durch die Faktorstufe „Betriebe mit<br />
mehr als 50 000 Hennenhaltungsplätzen“ und um zusätzliche 0,029 Tiere<br />
durch die Wechselwirkung dieser beiden Faktorstufen.<br />
Die Haltungsform, die den Mittelwert am stärksten erhöht, ist die Freilandhal-<br />
tung. Hier ist das Niveau der Mortalität also besonders hoch. Einen senkenden<br />
Effekt auf die Mortalität hat lediglich die Haltungsform Käfig. Sie senkt den ad-<br />
justierten Mittelwert um geschätzte 0,998 Tiere. Bei den Betriebsgrößen haben<br />
die kleineren Betriebe einen senkenden, die größeren einen erhöhenden Ef-<br />
fekt.<br />
3.2.6 Gesamtmodell mit vier Einflussfaktoren<br />
Durch das Festlegen der Variablen im Endmodell über ein zu überschreiten-<br />
des Bestimmtheitsmaß von zusätzlich mindestens 2,5 % wurden auch die Va-<br />
riablen Anfangshennen (f1_6anz_ein_quali) und Milbenbehandlung<br />
während der Legeperiode (f1_10beh_w_i) aus dem Endmodell bei Krei-<br />
enbrock [et al.] (2004) ausgeschlossen. Der F-Test zeigt jedoch bei einer Irr-<br />
tumswahrscheinlichkeit von unter 5% (Pr > F = 0,0003 bzw. Pr > F = 0,0004)<br />
84
Statistische Modelle<br />
signifikante Unterschiede zwischen ihren Stufen (s. Tabelle 3.2.1). Das heißt,<br />
es gibt sowohl Unterschiede zwischen Durchgängen, bei denen und bei denen<br />
nicht gegen Milben behandelt wurde, als auch Unterschiede zwischen den<br />
Klassen der Anfangshennen. Um die Einflüsse dieser beiden Faktoren eben-<br />
falls zu bewerten, wurden sie im Rahmen dieser Arbeit zusätzlich in das End-<br />
modell aufgenommen. In Abb. 3.2.4 sind die dazugehörigen Interaktionsplots<br />
dargestellt.<br />
Die Signifikanz dieser Wechselwirkungen musste im Weiteren geprüft werden.<br />
Bei der Betrachtung der Wechselwirkung zwischen der Betriebsgrößenklasse<br />
und den Anfangshennen zeigt sich jedoch, dass in den Betrieben mit weniger<br />
als 50 000 Legehennenplätzen die Stufe „oberes Quartil“ des Faktors An-<br />
fangshennen fehlt. Aufgrund dieser fehlenden Faktorstufenkombi<strong>nat</strong>ion wurde<br />
diese Interaktion nicht modelliert. Die übrigen Interaktionen wurden zunächst<br />
zusammen in das Modell aufgenommen. Die Wechselwirkung mit dem nied-<br />
rigsten nicht-signifikanten F-Wert nach der Typ III – Quadratsummenzerlegung<br />
wurde aus dem Modell ausgeschlossen. Danach wurde das Modell ohne diese<br />
Interaktion erneut gerechnet und die nächste Interaktion ausgeschlossen, bis<br />
nur noch die im Modell verblieben, die einen signifikanten F-Wert, also einen<br />
signifikanten Unterschied zwischen den Mittelwerten der Faktorstufenkombina-<br />
tionen, zeigten. Entsprechende SAS – Outputs zu diesem schrittweisen Ver-<br />
fahren finden sich im Anhang.<br />
Nur die Interaktion zwischen der Betriebsgrößenklasse und der Behandlung<br />
gegen Milben während der Legeperiode konnte im Modell verbleiben. Auch die<br />
im Endmodell signifikante Wechselwirkung zwischen Betriebsgrößenklasse<br />
und Haltungsform fiel also aus dem Modell heraus.<br />
85
Statistische Modelle<br />
Abb. 3.2.4: Interaktionsplots für die Verluste pro 1 000 Anfangshennen und Woche<br />
für das modifizierte Endmodell<br />
86
Statistische Modelle<br />
Die SAS-Syntax für das modifizierte Endmodell stellt sich wie in SAS-<br />
Programm 3.2.4 gezeigt dar.<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse<br />
f1_6anz_ein_quali f1_10beh_w_i<br />
f1_10beh_w_i *Groesse;<br />
LSMEANS Haltung Groesse f1_6anz_ein_quali<br />
f1_10beh_w_i Groesse*f1_10beh_w_i/ PDIFF<br />
ADJUST=SCHEFFE;<br />
RUN;<br />
SAS-Programm 3.2.4: Modifiziertes Endmodell<br />
Die ANOVA - Tafel des Modells nach der Typ I – Quadratsummenzerlegung ist<br />
als Zusammenfassung des dazugehörigen SAS-Outputs in Tabelle 3.2.4 dar-<br />
gestellt worden. Die Reihenfolge der Faktoren im Modell spielt hier eine wich-<br />
tige Rolle. Der zentrale Faktor der beschriebenen Untersuchung ist das<br />
Haltungssystem, daher wurde es an erste Stelle gestellt. Als zweitwichtigster<br />
Faktor zeigte sich die Betriebsgrößenklasse, die hier daher an zweiter Position<br />
steht. Genauso wie die ersten beiden Faktoren ist die Anzahl der Anfangshen-<br />
nen ein primä<strong>rer</strong> Einflussfaktor. Er folgt daher an dritter Stelle. Die sekundäre<br />
Prozessvariable Milbenbehandlung während der Legeperiode ist zusammen<br />
mit ih<strong>rer</strong> Wechselwirkung zur Betriebsgrößenklasse an letzter Position zu fin-<br />
den.<br />
87
Statistische Modelle<br />
Tabelle 3.2.4: Typ I – ANOVA - Tafel für das modifizierte Endmodell mit vier Einfluss-<br />
faktoren für die Zielvariable Verluste pro 1 000 Anfangshennen und Wo-<br />
che (Modellbestimmtheit: R 2 = 0,324771)<br />
Variationsursache FG SS MS F-Wert Pr > F<br />
Haltungsform 2 342,6523647 171,3261824 99,11
Statistische Modelle<br />
SAS-Output 3.2.5: Modifiziertes Endmodell mit vier Einflussfaktoren und Interaktion<br />
zwischen dem Einflussfaktor Milbenbehandlung während der Lege-<br />
periode und dem Faktor Betriebsgrößenklasse (gekürzt)<br />
______________________________________________________________<br />
Least Squares Means<br />
Adjustment for Multiple Comparisons: Scheffe<br />
Haltung<br />
verluste1000Wo<br />
LSMEAN<br />
LSMEAN<br />
Number<br />
Bodenhaltung 2.52997806 1<br />
Freilandhaltung 3.21705611 2<br />
Käfig-Batterieha 1.66003525 3<br />
Least Squares Means for effect Haltung<br />
Pr > |t| for H0: LSMean(i)=LSMean(j)<br />
Dependent Variable: verluste1000Wo<br />
i/j 1 2 3<br />
1 0.0034
f1_6anz_ein_quali<br />
verluste1000Wo<br />
LSMEAN<br />
Statistische Modelle<br />
LSMEAN<br />
Number<br />
im IQR 2.72362744 1<br />
oberes Quartil 2.08164785 2<br />
unteres Quartil 2.60179414 3<br />
Least Squares Means for effect f1_6anz_ein_quali<br />
Pr > |t| for H0: LSMean(i)=LSMean(j)<br />
Dependent Variable: verluste1000Wo<br />
i/j 1 2 3<br />
1 0.0003 0.7229<br />
2 0.0003 0.0514<br />
3 0.7229 0.0514<br />
f1_10beh_w_i<br />
verluste1000Wo<br />
H0:LSMean1=LSMean2<br />
LSMEAN Pr > |t|<br />
einmal 2.69383878 0.0002<br />
gar nicht 2.24420751<br />
Groesse f1_10beh_w_i<br />
verluste1000Wo<br />
LSMEAN<br />
LSMEAN<br />
Number<br />
=50 000 gar nicht 2.52141808 4<br />
90
Least Squares Means for effect Groesse*f1_10beh_w_i<br />
Pr > |t| for H0: LSMean(i)=LSMean(j)<br />
Dependent Variable: verluste1000Wo<br />
Statistische Modelle<br />
i/j 1 2 3 4<br />
1 0.8042
1,000<br />
0,800<br />
0,600<br />
0,400<br />
0,200<br />
0,000<br />
-0,200<br />
-0,400<br />
-0,600<br />
-0,800<br />
-1,000<br />
0,061<br />
Boden<br />
0,748<br />
Freiland<br />
-0,809<br />
Käfig-<br />
Batterie<br />
-0,419<br />
unter<br />
50.000<br />
0,419<br />
mindestens<br />
50.000<br />
0,133<br />
unteres<br />
Quartil<br />
0,255<br />
im IQR<br />
Statistische Modelle<br />
-0,387<br />
oberes<br />
Quartil<br />
0,225<br />
-0,225<br />
Haltungsform Betriebsgröße Anfangshennen Milbenbeh.<br />
während d.<br />
Legeperiode<br />
Abb. 3.2.5: Effekte der Einflussgrößen des Gesamtmodells mit vier Faktoren auf die<br />
Verluste pro 1000 Anfangshennen und Woche (adjustierter Gesamtmittel-<br />
wert = 2,469)<br />
Die Effekte des Faktors Haltungsform fallen etwas schwächer aus, als im<br />
Endmodell mit zwei Einflussfaktoren (vergl. Tabelle 3.2.2). Gleiches gilt für die<br />
Effekte der Betriebsgröße. Bei den Stufen der Anfangshennen zeigt sich, dass<br />
sowohl kleine, als auch mittlere Zahlen von Anfangshennen einen erhöhenden<br />
Effekt auf den Mittelwert der Verluste pro 1 000 Anfangshennen und Woche<br />
haben. Werden besonders viele Tiere in einem Stall eingestallt, so kann von<br />
einem positiven Effekt ausgegangen werden. Allerdings ist, wie schon oben<br />
erwähnt, nur der Unterschied zwischen den Stufen „im IQR“ und „oberes Quar-<br />
til“ signifikant. Werden während eines Durchgangs Milbenbehandlungen<br />
durchgeführt, so hat dies einen erhöhenden Einfluss auf den Mittelwert der<br />
Mortalität, wogegen Durchgänge ohne Milbenbehandlung den Mittelwert ver-<br />
ringern.<br />
ja<br />
nein<br />
92
4 Diskussion und Ausblick<br />
Diskussion und Ausblick<br />
Im Verlauf der Studie zeigte sich, dass die Erfassung und Aufbereitung der<br />
Daten, wie sie in den Kapiteln 2.1 bis 2.3 beschrieben wurde, einen erhebli-<br />
chen Anteil der Arbeit an der gesamten Studie ausmachte. Die Vorarbeiten für<br />
die statistischen Auswertungen stellten sich als bedeutend umfangreicher her-<br />
aus als die Auswertungen selbst.<br />
So war etwa die Dateneingabe selbst bei Fragebögen, die exakt nach der vor-<br />
gegebenen Form ausgefüllt wurden, sehr zeitaufwändig. Im Fragebogenteil B<br />
wurden für bis zu sechs Variablen Angaben zu, je nach Haltungsform, durch-<br />
schnittlich 51 bis 61 Lebenswochen der Tiere gemacht. Die Eingabe dieser<br />
Daten erforderte besonders viel Zeit und führte durch die Masse an Zahlen<br />
schnell zu Eingabefehlern. Außerdem kam es bei der Dateneingabe zu Prob-<br />
lemen, die auf das unterschiedliche Ausfüllverhalten der Betriebsleiter zurück-<br />
zuführen sind. Als Beispiel seien hier die Wochendaten im Fragebogenteil B<br />
genannt. Wurden hier keine Angaben zu einzelnen Wochen gemacht, sondern<br />
zu einzelnen Tagen, Mo<strong>nat</strong>en oder vierwöchigen Perioden oder wurden die<br />
Verluste kumuliert, so mussten diese Daten aufwändig in umgeformt werden.<br />
Ansonsten wäre eine Vergleichbarkeit aller Daten nicht gewährleistet gewe-<br />
sen. Auch die Struktur der Datenbank musste durch verschiedene unvorher-<br />
gesehene Angaben in den Fragebögen erweitert werden.<br />
Die Aufbereitung der Daten im SAS-System ist ein weite<strong>rer</strong> Punkt. Hier muss-<br />
ten aussagekräftige Parameter aus den erfassten Variablen definiert und be-<br />
rechnet werden. Besonders die Mortalität ist hier als wichtiger Parameter zu<br />
nennen. Die unterschiedlichen Definitionen der Mortalität mussten bewertet<br />
werden, um einen möglichst aussagekräftigen und exakten Parameter zu er-<br />
halten.<br />
Auch die Plausibilitätsprüfungen erforderten ein Höchstmaß an Arbeitszeit.<br />
Sowohl die Planung, welche Variablen in welcher Form geprüft werden sollten,<br />
die Umsetzung der entsprechenden Syntax als auch der Vergleich zwischen<br />
93
Diskussion und Ausblick<br />
den elektronisch erfassten Daten und den Angaben im Fragebogen gestalte-<br />
ten sich als sehr umfangreich. Die Klärung von Unklarheiten im Fragebogen<br />
durch indirekte Kontaktaufnahme zu den Betrieben über die Treuhandstelle<br />
gehört ebenso in diesen zeitintensiven Bereich.<br />
Auch die Vorbereitung der Daten für die statistische Modellbildung, wie sie in<br />
Kapitel 2.4 beschrieben wird, und die anschließende Auswahl von Einflussfak-<br />
toren beanspruchten viel Zeit.<br />
Die Ergebnisse dieser statistischen Modelle zeigten, dass durch die Faktoren<br />
Haltungsform und Betriebsgrößenklasse 27,21 % der Variation der Zielgröße<br />
erklärt werden konnten. Das vierfaktorielle Modell mit den Faktoren Haltungs-<br />
form, Betriebsgrößenklasse, Anzahl der Anfangshennen und Milbenbehand-<br />
lung während der Legeperiode erreichte ein Bestimmtheitsmaß von 32,48 %.<br />
Es konnte also rund ein <strong>Dr</strong>ittel der Variation der Zielgröße erklärt werden. Die<br />
verbleibenden zwei <strong>Dr</strong>ittel sind anhand der erhobenen Merkmale nicht zu klä-<br />
ren. Es ist aber deutlich geworden, dass das Haltungssystem einen entschei-<br />
denden Einfluss auf die Mortalität hat. Im einfaktoriellen Modell zeigte der<br />
Faktor ein Bestimmtheitsmaß von 21,3 %, und auch durch die Betrachtung<br />
weite<strong>rer</strong> Faktoren konnte dieser Grad der Erklärung der Variation der Zielvari-<br />
ablen nur vergleichsweise gering erhöht werden. Die Haltungsform ist damit<br />
der mit Abstand wichtigste erhobene Einflussfaktor.<br />
Der Informationsgehalt der in der Studie gewonnenen Daten kann damit aller-<br />
dings noch nicht als ausgeschöpft betrachtet werden. Es wird weitere Analy-<br />
sen geben müssen, die die Grundlage für die Beurteilung des Einflusses der<br />
Haltungsformen und ande<strong>rer</strong> Parameter auf Zielgrößen der Tiergesundheit<br />
und der Tierleistung sein können. Auf Grundlage der wöchentlichen Verluste<br />
ist etwa eine Beurteilung der zeitlichen Entwicklung der Mortalität möglich. Es<br />
kann gezeigt werden, wie sich die Mortalität in den verschiedenen Haltungs-<br />
systemen im zeitlichen Verlauf entwickelt. Außerdem kann analysiert werden,<br />
welche Faktoren neben dem Haltungssystem einen Einfluss auf diese Überle-<br />
benszeit zeigen. Für diese Überlebenszeitanalysen sind etwa die Kaplan-<br />
94
Diskussion und Ausblick<br />
Meier-Methode und die Regressionsanalyse nach Cox mögliche statistische<br />
Auswerteverfahren.<br />
95
5 Danksagung<br />
Danksagung<br />
Diese Diplomarbeit entstand im Studiengang Biowissenschaftliche Dokumen-<br />
tation der Fachhochschule <strong>Hannover</strong> unter der Betreuung von <strong>Frau</strong> <strong>Prof</strong>. Klen-<br />
ke und in Zusammenarbeit mit dem Institut für Biometrie, Epidemiologie und<br />
Informationsverarbeitung an der Tierärztlichen <strong>Hochschule</strong> <strong>Hannover</strong>.<br />
Ich danke Herrn <strong>Prof</strong>. Kreienbrock für die Überlassung des Themas. Außer-<br />
dem danke ich ihm und <strong>Frau</strong> <strong>Prof</strong>. <strong>Klenke</strong> für die geleistete Betreuung und<br />
Beratung.<br />
Für das angenehme Arbeitsklima und die Unterstützung für diese Arbeit danke<br />
ich den Mitarbeitern des Instituts. Mein besonde<strong>rer</strong> Dank gilt hier Herrn <strong>Dr</strong>.<br />
Beyerbach, der mir mit seinen kompetenten Antworten auf meine Fragen im-<br />
mer sehr geholfen hat.<br />
Des Weiteren danke ich meinen Eltern für die mentale und finanzielle Unter-<br />
stützung und all jenen, die mir sonst noch in vielfältiger Form geholfen haben.<br />
96
6 Literaturverzeichnis<br />
Literaturverzeichnis<br />
[BMVEL 2002] Bundesministerium für Verbraucherschutz, Er-<br />
nährung und Landwirtschaft (2002.02.28):<br />
Erste Verordnung zur Änderung der Tierschutz-<br />
Nutztierhaltungsverordnung – Stand: 28. Februar<br />
2002<br />
URL: http://www.bml.de/data/<br />
3BF4B6490FBA4CAAADA98F90E49B04C9.0.pdf<br />
[Abrufdatum: 02.05.2004]<br />
[Böttcher 2003] Böttcher, W. (2003):<br />
ZMP-Marktbilanz Eier und Geflügel 2003:<br />
Deutschland, Europäische Union, Weltmarkt. –<br />
Bonn: ZMP Zentrale Markt- und Preisberichtsstelle<br />
GmbH, 2003<br />
ISBN: 3-935898-42-8<br />
[Byrkit 1987] Byrkit, D. R. (1987):<br />
Statistic Today: A Comprehensive Introduction. -<br />
Menlo Park, California: Benjamin / Cummings,<br />
1987<br />
ISBN 0-8053-0740-0<br />
[Dufner / Jensen / Schumacher<br />
1992]<br />
[Fahrmeir [et al.] 2001]<br />
Dufner, J.; Jensen, U.; Schumacher, E. (1992):<br />
Statistik mit SAS: mit Beispielen und Übungsauf-<br />
gaben. – Stuttgart: Teubner, 1992<br />
ISBN 3-519-02088-2<br />
Fahrmeir, L.; Künstler, R.; Pigeot, I.; Tutz, G.<br />
(2001):<br />
Statistik: der Weg zur Datenanalyse. – 3., verb.<br />
Aufl. – Berlin [u.a.]: Springer, 2001<br />
97
ISBN 3-540-67826-3<br />
Literaturverzeichnis<br />
[Grubbs / Beck 1972] Grubbs, F.E.; Beck, G. (1972):<br />
Extensions of sample sizes and percentage<br />
points for significance tests of outlying observations<br />
In: Technometrics 14(4), 1972, p. 847-854<br />
[Hartung [et al.] 1999] Hartung, J. ; Elpelt, B.; Klösener, K.-H. (1999):<br />
Statistik: Lehr- und Handbuch der angewandten<br />
Statistik. – 12., unwes. veränd. Aufl. – München;<br />
Wien: Oldenbourg, 1999<br />
ISBN 3-486-24984-3<br />
[Kreienbrock [et al.] 2004] Kreienbrock, L. ; Schäl, J. ; Beyerbach, M.; Rohn,<br />
[Landtag Mecklenburg-<br />
Vorpommern 1998]<br />
K.; Glaser, S.; Schneider, B. (2004):<br />
Orientierende epidemiologische Untersuchung<br />
zum Leistungsniveau und Gesundheitszustand in<br />
Legehennenhaltungen verschiedener Haltungs-<br />
systeme: Abschlussbericht. – <strong>Hannover</strong>: Tierärzt-<br />
liche <strong>Hochschule</strong> <strong>Hannover</strong>, Institut für Biometrie,<br />
Epidemiologie und Informationsverarbeitung,<br />
2004<br />
Landtag Mecklenburg-Vorpommern (1998.01.07):<br />
Bericht über geeignete Alter<strong>nat</strong>iven zur Käfighal-<br />
tung von Legehennen unter dem Gesichtspunkt<br />
des Tierschutzes, der Hygiene und der Wirt-<br />
schaftlichkeit. - Stand: 07. Januar 1998<br />
URL: www.dokumentenarchiv.landtag-<br />
mv.de/archiv/drucksachen/ 2_Wahlperiode/D02-<br />
3000/D02-3435.pdf<br />
[Abrufdatum: 03.05.2004]<br />
98
[Noack [Hrsg.] 2003]<br />
[Pflaumer / Heine / Hartung<br />
1999]<br />
Noack, W. [Hrsg.] (2003):<br />
Literaturverzeichnis<br />
Access 2003: Grundlagen für Datenbank-<br />
Entwickler. – <strong>Hannover</strong>: Regionales Rechenzent-<br />
rum für Niedersachsen / Universität <strong>Hannover</strong>,<br />
2003<br />
Pflaumer, P.; Heine, B.; Hartung, J. (1999):<br />
Statistik für Wirtschafts- und Sozialwissenschaf-<br />
ten: Lehr- und Übungsbuch. – München; Wien:<br />
Oldenbourg, 1999<br />
ISBN 3-486-24008-0<br />
[SAS 1999] SAS Institute Inc. (1999):<br />
SAS OnlineDoc®, Version 8. - Cary, NC: SAS<br />
Institute Inc., 1999<br />
[Searle 1987]<br />
Searle, S. R. (1987):<br />
Linear models for unbalanced data. – New York<br />
[u.a.]: John Wiley & Sons, 1987<br />
ISBN 0-471-84096-3<br />
[Scheffé 1959] Scheffé, H. (1959):<br />
The Analysis of Variance. – New York; London:<br />
John Wiley & Sons, 1959<br />
[Tierärztliche <strong>Hochschule</strong><br />
<strong>Hannover</strong> 2004]<br />
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong>:<br />
Legehennen-Haltungssystem im Lehr- und For-<br />
schungsgut Ruthe<br />
URL: http://www.tiho-<br />
hannover.de/einricht/ruthe/pdf/syst_n.pdf<br />
[Abrufdatum: 03.05.2004]<br />
99
[Winer 1971]<br />
Winer, B. J. (1971):<br />
Literaturverzeichnis<br />
Statistical principles in experimental design. –<br />
2nd ed. - New York [et al.]: McGraw-Hill, 1971<br />
100
101
7 Anhänge<br />
Anhänge<br />
A. Fragebogen und Codierungsplan.......................................................... 103<br />
B. SAS-Programme ................................................................................... 123<br />
B.1 Formate und Makros ...................................................................... 123<br />
B.2 Datenimport.................................................................................... 128<br />
B.3 Deskriptive Auswertungen für die Variable Legelinie ..................... 133<br />
B.4 Ausreißertest.................................................................................. 134<br />
B.5 Histogramm der Residuen und Residuenplot................................. 135<br />
B.6 Interaktionsplots ............................................................................. 136<br />
B.7 Modellbildung für das modifizierte Endmodell................................ 138<br />
C. SAS-Outputs...................................................................................... 140<br />
C.1 Modellbildung für das modifizierte Endmodell (gekürzt)................. 140<br />
D. CD-Verzeichnis.................................................................................. 145<br />
102
A. Fragebogen und Codierungsplan<br />
Fragebogen und Codierungsplan<br />
103
Projekt<br />
Fragebogen und Codierungsplan<br />
Epidemiologische Untersuchungen<br />
Legehennen<br />
Fragebogen für Tierbesitzer<br />
Orientierende epidemiologische Untersuchung zum Leistungsniveau und Gesundheitsstatus<br />
in Legehennenhaltungen verschiedener Haltungssysteme<br />
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong><br />
Institut für Biometrie, Epidemiologie und<br />
Informationsverarbeitung<br />
104
Sehr geehrter Tierhalter,<br />
Fragebogen und Codierungsplan<br />
anliegend finden Sie den Fragebogen zur Untersuchung zum Leistungsniveau und Gesundheitsstatus in<br />
Legehennenhaltungen. Die Erhebung wird durch die Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong> durchgeführt; die<br />
Niedersächsische Geflügelwirtschaft und das Niedersächsische Ministerium für Ernährung, Landwirtschaft<br />
und Forsten haben bei der Erarbeitung mitgewirkt.<br />
Wir möchten Sie bitten, sich an dieser Erhebung zu beteiligen und für jeden Legehennen-Durchgang einer<br />
Herde der letzten drei Jahre (2000, 2001, 2002) in Ihrem Betrieb einen Fragebogen auszufüllen.<br />
Die Teilnahme an der Erhebung ist freiwillig. Um einen optimalen Datenschutz zu gewährleisten und einen<br />
Missbrauch der Daten zu verhindern, werden die Daten durch eine Treuhandstelle bei der Niedersächsi-<br />
schen Geflügelwirtschaft anonymisiert. Zur Wahrung der Anonymität erfolgt eine Trennung der Indentifi-<br />
kationsdaten auf dieser Seite von dem nachfolgenden Fragebogen. Die Mitarbeiter der Treuhandstelle sind<br />
zur Vertraulichkeit verpflichtet. Erst nach Anonymisierung werden die Daten an die Tierärztliche Hoch-<br />
schule <strong>Hannover</strong> weitergeleitet. Auch hier sind alle an der Auswertung Beteiligten zur Vertraulichkeit ver-<br />
pflichtet. Eine Weitergabe der Daten an <strong>Dr</strong>itte erfolgt nicht.<br />
Sollten Sie Rückfragen haben, so können Sie sich an Ihren Landesverband wenden. Außerdem stehen<br />
Ihnen die folgenden Institutionen gerne zur Verfügung:<br />
Geschäftstelle der Niedersächsischen Geflügelwirtschaft � 0441 / 9849840<br />
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong> � 0511 / 953-<br />
7956<br />
Bei Bedarf können Sie weitere zusätzliche Fragebögen anfordern.<br />
Wir bedanken uns auch im Namen der beteiligten Verbände und des Niedersächsischen Ministeriums für<br />
Ernährung, Landwirtschaft und Forsten für Ihre Mühe.<br />
Ihr Studienteam<br />
Bitte geben Sie Ihren Namen und Ihre Anschrift an:<br />
(Betrieb / Firmenname )<br />
(Straße, Hausnummer)<br />
(PLZ) (Ort)<br />
105
A-1<br />
A-2<br />
A-3<br />
Fragebogen und Codierungsplan<br />
Bitte geben Sie hier Ihr Bundesland an: _______________________<br />
A Bitte beantworten Sie die folgenden Fragen über einen Durchgang / eine<br />
Legeperiode für eine Herde!<br />
An welchem Datum wurden die<br />
Tiere eingestallt?<br />
Erfolgt die Belegung des Haltungssystems<br />
zum ersten Mal, oder gab es schon vorhe-<br />
rige Belegungen in diesem Haltungssys-<br />
tem?<br />
Welche Legelinie wurde<br />
eingestallt?<br />
� Bovans braun<br />
� Hisex braun<br />
� Hy-Line braun<br />
� Shaver braun<br />
� Lohmann braun<br />
. .<br />
� Erstbelegung<br />
� Folgebelegung<br />
� Lohmann Tradition<br />
� Tetra<br />
� ISA<br />
� Bovans weiß<br />
� Hisex weiß<br />
� Hy-Line weiß<br />
� Shaver weiß<br />
� Lohmann LSL<br />
106
A-4<br />
A-5<br />
A-6<br />
A-7<br />
Welche Haltungsform kam zur Anwendung?<br />
(Bitte beachten Sie dazu die Fußnoten)<br />
Zu welcher Wirtschaftsform zählt Ihr Betrieb?<br />
(Bitte beachten Sie dazu die Fußnote)<br />
Wieviele Tiere wurden eingestallt? Bitte ge-<br />
ben sie die genaue Anzahl an (Herdengröße) 5 .<br />
Wie alt waren die Hennen am<br />
Einstallungstag?<br />
Fragebogen und Codierungsplan<br />
� Bodenhaltung 1 ohne Auslauf<br />
� Bodenhaltung mit Auslauf<br />
� Volierenhaltung 2 ohne Auslauf<br />
� Volierenhaltung mit Auslauf<br />
� Herkömmliche 3 Käfighaltung<br />
� Kleingruppenhaltung<br />
� herkömmlich<br />
� ökologisch 4<br />
__________ Stück<br />
__________ Wochen ________ Tage<br />
1 Als Bodenhaltung gelten hier Haltungen auf einer Ebene, die mit den sog. A-Reuten angereichert sein<br />
können. Die Besatzdichte kann bis zu max. 9 Tiere/qm nutzba<strong>rer</strong> Fläche betragen und sollte nicht unter 7<br />
Tieren/qm nutzba<strong>rer</strong> Fläche liegen.<br />
2 Als Volierenhaltung gelten Haltungen, bei denen sich die Tiere auf meh<strong>rer</strong>en Ebenen bewegen können.<br />
Besatzdichte s. Fußnote 1.<br />
3 Als herkömmliche Käfige gelten solche Einrichtungen, die dem Stand der Technik der letzten 10 Jahre<br />
entsprechen.<br />
4 Als „ökologisch wirtschaftend“ gelten hier solche Betriebe, die sowohl hinsichtlich der Haltungsbedingungen<br />
als auch der Fütterung die Bedingungen der Verordnung (EWG) Nr. 2092/91 (EU-Öko-<br />
Verordnung) erfüllen.<br />
5 Als Herde gelten die Tiere, die einer Versorgungseinheit angehören<br />
107
Fragebogen und Codierungsplan<br />
A-8 Wurden die Hennen in der Aufzuchtphase bzw. vor der Einstallung gegen<br />
A-9<br />
folgende Krankheiten geimpft?<br />
Aviäre Enzephalomyelitis (AE)<br />
Egg-<strong>Dr</strong>op-Syndrom (EDS)<br />
Escherichia coli-Infektion<br />
Coryza contagiosa (ansteck. Geflügelschnupfen)<br />
Infektiöse Bronchitis (IB)<br />
Infektiöse Bursitis (Gumboro)<br />
Infektiöse Laryngotracheitis (ILT)<br />
Kokzidiose<br />
Marek’sche Krankheit (IBD)<br />
Mykoplasma-Infektion (MG)<br />
Newcastle Disease (ND)<br />
Pasteurellen<br />
Pocken<br />
Rotlauf<br />
Salmonellen-Infektion<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
Sonstiges ____________________________________<br />
Wurden die folgenden Behandlungen in der Aufzuchtphase bzw. vor der Einstallung an<br />
den Hennen durchgeführt?<br />
Blutproben zur Überprüfung der Antikörpertiter<br />
Kürzung der Schnäbel (touchieren)<br />
Behandlung gegen Wurmbefall<br />
Behandlung gegen Milbenbefall<br />
� ja<br />
� ja<br />
� ja<br />
� ja<br />
� nein<br />
� nein<br />
� nein<br />
� nein<br />
108
A-10<br />
A-11<br />
Fragebogen und Codierungsplan<br />
Wie häufig wurden die folgenden Impfungen / Behandlungen<br />
während der Legeperiode im Bestand durchgeführt?<br />
Antibiotische Behandlung<br />
Impfung gegen Aviäre Enzephalomyelitis (AE)<br />
Impfung gegen infektiöse Bronchitis (IB)<br />
Impfung gegen Marek’sche Krankheit<br />
Impfung gegen Newcastle Disease (ND)<br />
Impfung gegen Pocken<br />
Impfung gegen Rotlauf<br />
Behandlung gegen Wurmbefall<br />
Behandlung gegen Milbenbefall<br />
Blutproben zur Überprüfung der Antikörpertiter<br />
Sonstiges<br />
___________________________<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� einmal<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
� mehrmals<br />
Welche der folgenden Verhaltensbesonderheiten konnten Sie an Ihrem Bestand ( in Teilen Ihres<br />
Bestandes) während der Legeperiode beobachten?<br />
Federpicken<br />
Kannibalismus<br />
Zehenpicken<br />
Sonstiges<br />
� gar nicht<br />
� gar nicht<br />
� gar nicht<br />
� manchmal<br />
� manchmal<br />
� manchmal<br />
____________________________ � manchmal<br />
� häufig<br />
� häufig<br />
� häufig<br />
� häufig<br />
109
A-12<br />
A-13<br />
A-14<br />
A-15<br />
An welchem Datum wurden die Tiere<br />
ausgestallt?<br />
Bitte geben Sie die genaue Anzahl der am Ende der Legepe-<br />
riode ausgestallten Tiere an.<br />
Bitte geben Sie das durchschnittliche<br />
Lebendgewicht der Hennen nach Ende der<br />
Legeperiode in Gramm an.<br />
Wieviel Futter wurde in dieser Legeperiode vom Bestand<br />
verbraucht (in Tonnen) ?<br />
Fragebogen und Codierungsplan<br />
. .<br />
__________ Stück<br />
__________ g<br />
__________ Tonnen<br />
110
Fragebogen und Codierungsplan<br />
Bitte füllen Sie die folgenden 3 Fragen nur aus, wenn Ihnen der<br />
Veterinärmedizinische Untersuchungsbericht vorliegt!<br />
Ansonsten fahren Sie bitte mit Frage A-19 fort!<br />
A-16 An wievielen der am Schlachthof verworfenen Tiere wurden folgende Befunde festgestellt?<br />
Bitte geben Sie die Anzahl an.<br />
(Bitte nur Daten aus veterinärmedizinischem Untersuchungsbericht verwenden!)<br />
Tod ohne dokumentierten Einfluss 6 ..........................................<br />
__________ Stück<br />
Erkrankungen 7 .......................................................................... __________ Stück<br />
Verletzungen 8 ............................................................................<br />
Hochgradige Abmagerungen / Kümmerwachstum 9 ..................<br />
sonstige Gründe........................................................................<br />
A-17 Wie wurde der Befiederungszustand der<br />
Hennen beurteilt?<br />
(Bitte nur Daten aus veterinärmedizinischem Untersuchungsbericht<br />
verwenden!)<br />
__________ Stück<br />
__________ Stück<br />
__________ Stück<br />
� gut<br />
� mäßig<br />
� gering<br />
� sehr wenig<br />
6<br />
Natürlicher Tod, Schlachtung in der Agonie, unvollkommenes Ausbluten.<br />
7<br />
Hierzu zählen: Bakteriämien, Virämien, Zoonosen, anzeige- und meldepflichtige Erkrankungen, Bauchwassersucht,<br />
Gelbsucht, bösartige und multiple Geschwülste, Abszesse, Parasitenbefall.<br />
8<br />
Umfangreiche Verletzungen (z.B. Schenkelbrüche), örtlich begrenzte Verletzungen, Entzündungen, umfangreiche<br />
blutige / wässrige Durchtränkung.<br />
9<br />
Hierzu zählen auch Tiere mit Missbildungen.<br />
111
A-18 Wie wurde die Tierkörperqualität der Hennen<br />
beurteilt?<br />
A-19<br />
(Bitte nur Daten aus veterinärmedizinischem Untersuchungsbericht<br />
verwenden)<br />
Fragebogen und Codierungsplan<br />
� Gut befleischt<br />
� Mittelmäßig befleischt<br />
� Mäßig befleischt, kaum Fettan-<br />
satz<br />
� Schlechter Ernährungzustand<br />
(abgemagert)<br />
Wenn es besondere Ereignisse oder außergewöhnliche Vorkommnisse während dieses Durchgangs<br />
gab, führen Sie diese bitte hier auf.<br />
B Bitte füllen Sie nun noch die folgende Tabelle über die wöchentlich erhobenen<br />
Daten in dieser Legeperiode aus.<br />
Auf den folgenden Seiten finden Sie eine Tabelle für die wöchentliche Datenerhebung<br />
zu Tierverlusten und Leistungsziffern<br />
Bitte beginnen Sie Ihre Dateneintragungen immer genau in der Zeile mit der Lebenswoche, in der die Tiere<br />
eingestallt wurden. Nicht benötigte Zeilen lassen Sie einfach frei.<br />
�<br />
Bitte umblättern<br />
112
Fragebogen und Codierungsplan<br />
Bitte geben Sie hier für jede Woche die Tierverluste und Leistungsziffern entsprechend der<br />
Spaltenüberschriften ein.<br />
Bitte beginnen Sie Ihre Dateneintragungen immer genau in der Zeile mit der Lebenswoche, in der die Tiere<br />
eingestallt wurden. Nicht benötigte Zeilen lassen Sie einfach frei.<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
21<br />
22<br />
23<br />
24<br />
25<br />
26<br />
27<br />
28<br />
29<br />
30<br />
31<br />
32<br />
33<br />
34<br />
35<br />
36<br />
37<br />
Lebenswoche<br />
Tierverluste Leistungsziffern<br />
ANZAHL<br />
der im Bestand verendeten<br />
Tiere<br />
ANZAHL der gelegten<br />
Eier<br />
10 Als aussortierte Eier gelten Schmutz-, Knick- und Brucheier<br />
ANZAHL der aussortierten<br />
Eier 10<br />
durchschnittliches<br />
Eigewicht in Gramm<br />
113
Fortsetzung:<br />
38<br />
39<br />
40<br />
41<br />
42<br />
43<br />
44<br />
45<br />
46<br />
47<br />
48<br />
49<br />
50<br />
51<br />
52<br />
53<br />
54<br />
55<br />
56<br />
57<br />
58<br />
59<br />
60<br />
61<br />
62<br />
63<br />
64<br />
65<br />
66<br />
67<br />
68<br />
Lebenswoche<br />
ANZAHL<br />
der im Bestand<br />
verendeten Tiere<br />
ANZAHL der<br />
gelegten Eier<br />
11 Als aussortierte Eier gelten Schmutz-, Knick- und Brucheier<br />
Fragebogen und Codierungsplan<br />
ANZAHL der aussor-<br />
tierten Eier 11<br />
durchschnittliches<br />
Eigewicht in Gramm<br />
114
Fortsetzung:<br />
69<br />
70<br />
71<br />
72<br />
73<br />
74<br />
75<br />
76<br />
77<br />
78<br />
79<br />
80<br />
81<br />
82<br />
83<br />
84<br />
85<br />
86<br />
87<br />
88<br />
89<br />
90<br />
91<br />
92<br />
93<br />
94<br />
95<br />
96<br />
97<br />
98<br />
99<br />
Lebenswoche<br />
ANZAHL<br />
der im Bestand<br />
verendeten Tiere<br />
ANZAHL der gelegten<br />
Eier<br />
12 Als aussortierte Eier gelten Schmutz-, Knick- und Brucheier<br />
Fragebogen und Codierungsplan<br />
ANZAHL der aussor-<br />
tierten Eier 12<br />
durchschnittliches<br />
Eigewicht in Gramm<br />
115
Fragebogen und Codierungsplan<br />
116
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong> Postfach 711180 30545 <strong>Hannover</strong><br />
Fragebogen und Codierungsplan<br />
<strong>Prof</strong>. <strong>Dr</strong>. Lothar Kreienbrock<br />
Dipl.-Dok. Bettina Schneider<br />
Inst. für Biometrie, Epidemiologie u. Informationsverarbeitung<br />
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong><br />
Bünteweg 2<br />
30559 H a n n o v e r<br />
Tel.: + 49 (0) 511 / 953-7950, Kreienbrock<br />
+ 49 (0) 511 / 953-7957, Schneider<br />
Fax: + 49 (0) 511 / 953-7974<br />
e-mail: lothar.kreienbrock@tiho-hannover.de<br />
bettina.schneider@tiho-hannover.de<br />
http: //www.tiho-hannover.de/einricht/bioepi/index.htm<br />
Az: Codierungsplan_Variablenliste<br />
Codierungsplan zur Variablenliste und zum Fragebogen zum Projekt<br />
Orientierende epidemiologische Untersuchungen zum Leistungsniveau und Gesundheitsstatus<br />
in Legehennenhaltungen verschiedener Haltungssysteme<br />
117
Die Variablennamen wurden nach folgendem Muster erstellt:<br />
Eine Variable lässt sich in 3 Teile aufgliedern:<br />
1 Teil: Fragenkategorie 0 � Identifikationsdaten<br />
1 � Durchgangsdaten<br />
2 � Leistungsdaten pro Woche<br />
Fragebogen und Codierungsplan<br />
2. Teil: Fragenummer nach einem Unterstrich folgt die Nummer der Frage aus dem Fragebogen. Bsp. Frage num<br />
mer A-2 erhält nach dem Unterstirch eine _2<br />
3. Teil: Parameter Es folgt eine Kurzfassung des Frageninhalts. Bsp.: Frage A-2 behandelt die Bele<br />
gungsart des Haltungssystems.Demnach erhält die Variable die Kurzform belegart<br />
0 - Identifikationsdaten<br />
Zur Verschlüsselung der Betriebe zwecks Anonymisierung zur Berücksichtigung des Datenschutzes.<br />
Nr. Variablen-name Parameter mögliche Ausprägung Wertebereich / Codierung<br />
0_1 Tierbesitzer (Name, Anschrift)<br />
Freitext entfällt<br />
(!!! Diese Daten werden nicht an die<br />
Tierärztliche <strong>Hochschule</strong> <strong>Hannover</strong> weitergeben !!!)<br />
0_2 0_2lfdnr Nummer Lfd. Nr. 1 –<br />
laut Paginierstempel<br />
0_3 0_3bdld Bundesland<br />
Text<br />
Zahl (1-16)<br />
DB-Realisierung<br />
Prf_Bundesland 99=keine Angabe<br />
Gültigkeitsregeln<br />
Nachschlageliste<br />
I - Durchgangsparameter<br />
Nr. Variablen-name Parameter mögliche Ausprägung /<br />
1_1 1_1dat_ein<br />
1_2 1_2belegart<br />
Einstallungsdatum<br />
Antwortvorgabe<br />
Datum<br />
Gültigkeitsregeln<br />
1_3 1_3legelinie<br />
Legelinie<br />
DB-Realisierung<br />
Gültigkeitsregeln<br />
1_4 1_4haltung Haltungsform<br />
DB-Realisierung<br />
Gültigkeitsregeln<br />
1_5 1_5wirtschaft Wirtschaftsform<br />
DB-Realisierung<br />
Gültigkeitsregeln<br />
1_6 1_6anz_ein Anzahl der eingestallten Zahl<br />
1_7 1_7alter_ein_w<br />
1_7alter_ein_t<br />
Hennen (Herdengröße 17 )<br />
Bovans braun<br />
Hisex braun<br />
Hy-Line braun<br />
Shaver braun<br />
Lohmann braun<br />
Lohmann Tradition<br />
Tetra<br />
ISA<br />
Bovans weiß<br />
Hisex weiß<br />
Hy-Line weiß<br />
Shaver weiß<br />
Lohmann LSL<br />
Prf_Linie<br />
Nachschlageliste<br />
Bodenhaltung 13 o. Auslauf<br />
Bodenhaltung m. Auslauf<br />
Volierenhaltung 14 o. Auslauf<br />
Volierenhaltung m. Auslauf<br />
Herk. 15 Käfighaltung<br />
Kleingruppenhaltung<br />
Prf_Haltungsform<br />
Nachschlageliste<br />
herkömmlich<br />
ökologisch 16<br />
Werteliste<br />
Nachschlageliste<br />
Gültigkeitsregeln<br />
Alter der Tiere in Wochen Zahl (Woche)<br />
bei Einstallung + Zahl (Tage)<br />
Gültigkeitsregeln<br />
zwischen 100 und 99999<br />
zwischen 10 und 40<br />
zwischen 1 und 6 oder istNull<br />
Fragebogen und Codierungsplan<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
16<br />
17<br />
20<br />
21<br />
22<br />
23<br />
24<br />
99 = keine Angabe<br />
30= Bovans braun u. Hisex braun<br />
31= Bovans braun u. Hisex weiß<br />
32= Hisex braun u. Hisex weiß<br />
33= Lohmann braun u. Lohmann Tradition<br />
34= Lohmann braun u. ISA<br />
35= Lohmann braun u. Lohmann LSL<br />
36= Lohmann Tradition u. Lohmann LSL<br />
37= Tetra u. Lohmann LSL<br />
40= Lohmann braun, Lohmann Tradition u. Lohmann<br />
LSL<br />
41= Lohmann braun, Lohmann Tradition u. Tetra<br />
1<br />
2<br />
3<br />
4<br />
5<br />
6<br />
99=keine Angabe<br />
1<br />
2<br />
99=keine Angabe<br />
xxx – xxxxx<br />
(drei bis fünfstellig)<br />
xx (zweistellig)<br />
x (einstellig: 1 – 7)<br />
13<br />
Als Bodenhaltung gelten hier Haltungen auf einer Ebene, die mit den sog. A-Reuten angereichert sein können. Die Besatzdichte<br />
kann bis zu max. 9 Tiere/qm nutzba<strong>rer</strong> Fläche betragen und sollte nicht unter 7 Tieren/qm nutzba<strong>rer</strong> Fläche liegen.<br />
14<br />
Als Volierenhaltung gelten Haltungen, bei denen sich die Tiere auf meh<strong>rer</strong>en Ebenen bewegen können. Besatzdichte s. Fußnote 1.<br />
15<br />
Als herkömmliche Käfige gelten solche Einrichtungen, die dem Stand der Technik der letzten 10 Jahre entsprechen.<br />
16<br />
Als Herde gelten die Tiere, die einer Versorgungseinheit angehören.<br />
17<br />
Als „ökologisch wirtschaftend“ gelten hier solche Betriebe, die sowohl hinsichtlich der Haltungsbedingungen als auch der Fütterung<br />
Sonderbedingungen erfüllen.<br />
Quelle: „Kennzahlen der Betriebe“ aus Niederschrift zur Besprechung am 12.08.2002 in Oldenburg<br />
119
1_8a<br />
1_8b<br />
1_8c<br />
1_8d<br />
1_8e<br />
1_8f<br />
1_8g<br />
1_8h<br />
1_8i<br />
1_8j<br />
1_8k<br />
1_8l<br />
1_8m<br />
1_8n<br />
1_8o<br />
1_8zz<br />
1_9a<br />
1_9b<br />
1_9c<br />
1_9d<br />
1_10a<br />
1_10b<br />
1_10c<br />
1_10d<br />
1_10e<br />
1_10f<br />
1_10g<br />
1_10h<br />
1_10i<br />
1_10j<br />
1_10zz<br />
1_10zz2<br />
1_11a<br />
1_11b<br />
1_8beh_vor_a<br />
1_8beh_vor_b<br />
1_8beh_vor_c<br />
1_8beh_vor_d<br />
1_8beh_vor_e<br />
1_8beh_vor_f<br />
1_8beh_vor_g<br />
1_8beh_vor_h<br />
1_8beh_vor_i<br />
1_8beh_vor_j<br />
1_8beh_vok_k<br />
1_8beh_vor_l<br />
1_8beh_vor_m<br />
1_8beh_vor_n<br />
1_8beh_vor_o<br />
1_8beh_vor_zz<br />
1_9beh_vor_a<br />
1_9beh_vor_b<br />
1_9beh_vor_c<br />
1_9beh_vor_d<br />
1_10beh_w_a<br />
1_10beh_w_b<br />
1_10beh_w_c<br />
1_10beh_w_d<br />
1_10beh_w_e<br />
1_10beh_w_f<br />
1_10beh_w_g<br />
1_10beh_w_h<br />
1_10beh_w_i<br />
1_10beh_w_j<br />
Behandlungen vor dem Einstallen / in der<br />
Aufzuchtphase gegen folgende Krankheiten:<br />
Aviäre Enzephalomyelitis (AE)<br />
Egg-<strong>Dr</strong>op-Syndrom (EDS)<br />
Escherichia coli-Infektion<br />
Coryza contagiosa (ansteck. Geflügelschnupfen)<br />
Infektiöse Bronchitis (IB)<br />
Infektiöse Bursitis (Gumboro)<br />
Infektiöse Laryngotracheitis (ILT)<br />
Kokzidiose<br />
Marek’sche Krankheit (IBD)<br />
Mykoplasma-Infektion (MG)<br />
Newcastle Disease (ND)<br />
Pasteurellen<br />
Pocken<br />
Rotlauf<br />
Salmonellen-Infektion<br />
Sonstiges<br />
Gültigkeitsregeln<br />
1 oder 0 oder 99<br />
Behandlungen vor dem Einstallen / in der<br />
Aufzuchtphase:<br />
Fragebogen und Codierungsplan<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
Freitext<br />
Blutproben zur Überprüfung der Anti- ja / nein<br />
körpertiter<br />
Gültigkeitsregeln<br />
Kürzung der Schnäbel (touchieren)<br />
Behandlung gegen Wurmbefall<br />
Behandlung gegen Milbenbefall<br />
Blutproben zur Überprüfung der<br />
Antikörpertiter<br />
ja / nein<br />
ja / nein<br />
ja / nein<br />
1 oder 0 oder 99<br />
DB-Realisierung<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
text<br />
DB-Realisierung<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
1 / 0 99=keine Angabe<br />
Behandlungen im Bestand während der Legeperiode:<br />
DB-Realisierung<br />
Antibiotische Behandlung<br />
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Impfung gegen Aviäre Enzephalomyelitis (AE) gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Impfung gegen infektiöse Bronchitis (IB) gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Imfung gegen Marek’sche Krankheit gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Impfung gegen Newcastle Disease (ND) gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Impfung gegen Pocken<br />
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Impfung gegen Rotlauf<br />
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Behandlung gegen Wurmbefall<br />
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
Behandlung gegen Milbenbefall<br />
gar nicht / einmal / mehrmals 0 / 1 / 2 99=keine Angabe<br />
gar nicht / einmal / mehrmals<br />
0 / 1 / 2 99=keine Angabe<br />
Gültigkeitsregeln<br />
0 oder 1 oder 2 oder 99<br />
1_10beh_w_zz<br />
Sonstiges<br />
Freitext<br />
text<br />
1_10beh_w_zz2<br />
Wenn Sonstiges<br />
einmal / mehrmals<br />
1 / 2 99=keine Angabe<br />
Gültigkeitsregeln<br />
1 oder 2 oder 99<br />
Vorkommen von Verhaltensbesonderheiten des Bestandes:<br />
DB-Realisierung<br />
1_11verhalt_a<br />
Federpicken<br />
gar nicht / manchmal / häufig 0 / 1 / 2 99=keine Angabe<br />
1_11verhalt_b<br />
Kannibalismus<br />
gar nicht / manchmal / häufig 0 / 1 / 2 99=keine Angabe<br />
120
1_11c<br />
1_11zz<br />
1_11zz2<br />
1_11verhalt_c<br />
1_11verhalt_zz<br />
1_11verhalt_zz2<br />
Zehenpicken<br />
Gültigkeitsregeln<br />
Sonstiges<br />
Gültigkeitsregeln<br />
Wenn Sonstiges<br />
1_12 1_12dat_aus Ausstallungsdatum<br />
Gültigkeitsregeln<br />
Fragebogen und Codierungsplan<br />
ga rnicht / manchmal / häufig 0 / 1 / 2<br />
0 oder 1 oder 2 oder 99<br />
text<br />
99=keine Angabe<br />
Freitext<br />
1 / 2 99=keine Angabe<br />
manchmal /<br />
häufig<br />
1 oder 2 oder 99<br />
Datum<br />
1_13 1_13anz_aus Anzahl der ausgestallten Tiere am Ende derZahl<br />
Legeperiode<br />
Gültigkeitsregeln<br />
1_14 1_14gewicht Durchschnittliches Lebendgewicht bei Schlachtung nach Zahl<br />
Ende der Legeperiode in Gramm<br />
> Einstalldatum<br />
zwischen [1-1dat_ein] und jetzt()<br />
< = eingestallte Tiere<br />
Fragebogen und Codierungsplan<br />
1_19 1_19ereig Besondere Ereignisse während des Durchgangs Freitext memo<br />
II - wöchentliche Datenerhebung<br />
Nr. Variablenname Parameter mögliche Ausprägung /<br />
2_0 2_0lw Lebenswoche<br />
2_1a<br />
2_2a<br />
2_2b<br />
2_2c<br />
2_1verlust<br />
2_2leist_a<br />
2_2leist_b<br />
2_2leist_c<br />
Gültigkeitsregeln<br />
Tierverluste:<br />
Anzahl der gestorbenen Tiere im Bestand<br />
pro Woche<br />
Gültigkeitsregeln<br />
Leistungsziffern:<br />
Anzahl Eier pro Woche<br />
Anzahl aussortierter Eier pro Woche<br />
(Summe Schmutz-, Knick-, Brucheier)<br />
Gültigkeitsregeln<br />
durchschnittliches Eigewicht pro Woche<br />
(von 2_2a)<br />
Antwortvorgabe<br />
Zahl {15 – 75 }<br />
B. SAS-Programme<br />
B.1 Formate und Makros<br />
SAS-Programme<br />
/*************************************************************************<br />
Programmdatei: autoexec.sas<br />
Autor: Jan Schäl<br />
-Definition der EpiLeg-Library und der Auswertedatensätze ADS_A und<br />
ADS_B<br />
-Einlesen der grundlegenden Formate und Makros<br />
**************************************************************************/<br />
********Nennt den Pfad zum Ordner mit den EpiLeg-SAS-Datensätzen**********;<br />
libname<br />
Epileg'Q:\bioepi\Projekte_Forschung\Legehennenhaltung\Auswertung\Daten';<br />
****************Auswertedatensätze werden definiert***********************;<br />
DATA ADS_A;<br />
SET Epileg.Epileg_A_Deskription;<br />
RUN;<br />
DATA ADS_B;<br />
SET Epileg.Epileg_B_Deskription;<br />
RUN;<br />
**************************************FORMATE******************************;<br />
PROC FORMAT;<br />
VALUE belegfmt<br />
1='Erstbelegung'<br />
2='Folgebelegung';<br />
VALUE BundLfmt<br />
1='Baden - Württemberg'<br />
2='Bayern'<br />
3='Berlin'<br />
4='Brandenburg'<br />
5='Bremen'<br />
6='Hamburg'<br />
7='Hessen'<br />
8='Mecklenburg - Vorpommern'<br />
9='Niedersachsen'<br />
10='Nordrhein - Westfalen'<br />
11='Rheinland - Pfalz'<br />
12='Saarland'<br />
13='Sachsen'<br />
14='Sachsen - Anhalt'<br />
15='Schleswig - Holstein'<br />
16='Thüringen'<br />
99='k.A.';<br />
(gekürzt)<br />
RUN;<br />
123
SAS-Programme<br />
***********************************MAKROS************************************<br />
*;<br />
*zur Erzeugung eines ODS-RTF-Outputs im Hochformat;<br />
%MACRO ODShoch(Dateiname);<br />
OPTIONS ORIENTATION=portrait NODATE;*Hochformat und kein automatisches<br />
SAS-Datum;<br />
ODS Proctitle=off;*Prozedurtitel werden nicht angezeigt;<br />
ODS rtf<br />
file=<br />
"Q:\bioepi\Projekte_Forschung\Legehennenhaltung\Auswertung\RTF-<br />
Output\&Dateiname..rtf"<br />
style=minimal bodytitle;*Einfachstes Layout. Titel nicht in der<br />
Kopfzeile, sondern im Textkörper;<br />
%Datum;<br />
%MEND;<br />
*zur Erzeugung eines ODS-RTF-Outputs im Querformat;<br />
%MACRO ODSquer(Dateiname);<br />
OPTIONS ORIENTATION=landscape nodate;<br />
ODS Proctitle=off;<br />
ODS rtf<br />
file=<br />
"Q:\bioepi\Projekte_Forschung\Legehennenhaltung\Auswertung\RTF-<br />
Output\&Dateiname..rtf"<br />
style=minimal bodytitle;<br />
%Datum;<br />
%MEND;<br />
*Optionen für die allgemeine Tabellen- und Grafik-Darstellung (insbesondere<br />
für das Programm Auswertung_TeilA);<br />
%MACRO Optio;<br />
GOPTIONS RESET=all HTEXT=1.1 DEVMAP=WINANSI KEYMAP=WINANSI;<br />
*Alle vorher festgelegten GOPTIONS werden auf den DEFAULT gesetzt;<br />
*Die Größe aller Beschriftungen wird festgelegt;<br />
*DEVMAP und KEYMAP: Anpassung an die SAS-interne Zeichen-Kodierung:<br />
bewirkt, dass Beschriftungen der SAS-Grafiken Umlaute, das ß und andere<br />
Sonderzeichen enthalten können;<br />
options number pageno=1 center dflang='german';<br />
*dflang='german' fuer deutsches Datumsformat notwendig;<br />
SYMBOL1 C=black VALUE=none I=join W=2 LINE=1;<br />
SYMBOL2 C=black VALUE=none I=join W=2 LINE=2;<br />
SYMBOL3 C=red VALUE=none I=join W=2 LINE=1;<br />
SYMBOL4 C=red VALUE=none I=join W=2 LINE=2;<br />
SYMBOL5 C=green VALUE=none I=join W=2 LINE=1;<br />
SYMBOL6 C=green VALUE=none I=join W=2 LINE=2;<br />
*Farben, Formen, Größen und Schriftarten der verwendeten Symbole und<br />
Linien werden festgelegt;<br />
*VALUE=none bewirkt, dass Datenpunkte nicht durch Symbole gekennzeichnet<br />
werden;<br />
*I=join verbindet die Datenpunkte einer Kurve durch eine Linie;<br />
*W= legt die Breite der Linie fest (Achtung: die Linien sehen im Output<br />
sehr viel dicker aus, als sie dann auf dem bedruckten Papier sind);<br />
*LINE= bestimmt den Typ der Linie (durchgezogen, gestrichelt etc.);<br />
LEGEND1 LABEL=('')<br />
FRAME<br />
OFFSET=(1)cm;<br />
*Die allgemeine Form einer Legende wird festgelegt, die bei den<br />
Optionen der Prozeduren abgerufen werden kann:<br />
>LABEL=Beschriftung der Legende<br />
>FRAME=ein Rahmen wird um die Legende gezogen<br />
>OFFSET=verschiebt die Legende (hier einen cm nach rechts);<br />
PATTERN1 C=black V=x1;<br />
124
SAS-Programme<br />
PATTERN2 C=black V=r1;<br />
PATTERN3 C=red V=x1;<br />
PATTERN4 C=red V=r1;<br />
PATTERN5 C=green V=x1;<br />
PATTERN6 C=green V=r1;<br />
*Hier werden Muster festgelgt, mit denen die Balken eines Diagramms<br />
ausgefüllt werden.<br />
C=Farbe, V=Muster nach folgendem Schema: e=leer, s=voll ausgefüllt, r<br />
oder l=gestreift, x=kariert, Zahl=Enge des Musters von 1 (sehr weit)<br />
bis 5 (sehr eng);<br />
AXIS2 LABEL=(H=1.1 'Haltungsform')<br />
VALUE=(H=0.8)<br />
ORDER=1 TO 6 BY 1<br />
WIDTH=6;<br />
*Definition der Achsendarstellung 2. In der Prozedur wird festgelegt,<br />
ob diese für die X- oder die Y-Achse gilt.<br />
LABEL= Achsenbeschriftung und deren Aussehen,<br />
VALUE= Aussehen der Werte-Beschriftungen,<br />
ORDER= die Anordnung der Ausprägungen auf der Achse,<br />
WIDTH= Breite der Achse;<br />
%MEND;<br />
*Titel für die Auswertung von Teil A des Fragebogens;<br />
%MACRO TitelA;<br />
TITLE1 H=1.0 JUSTIFY=r "%sysfunc(date(),EURDFDD10.)%str( )" ;<br />
*Systemdatum im deutschen Format. JUSTIFY=r bedeutet, dass der<br />
Titel rechtsbündig positioniert wird. H= definiert die Texthöhe;<br />
TITLE2 JUSTIFY=l "Projekt Epileg" ;<br />
TITLE3 JUSTIFY=l "Datenbestand Originaldaten vom 20.02.2004 (675 Duchgänge)"<br />
;<br />
TITLE4 JUSTIFY=l "Datenbank Epileg.mdb Abfrage Q_Export_A" ;<br />
FOOTNOTE1 H=0.9 JUSTIFY=l "Programmdatei: Auswertung_TeilA_2004-02-<br />
20.sas" ;<br />
FOOTNOTE2 H=0.9 JUSTIFY=l "Autor: J. Schäl - IBEI - Tierärztliche <strong>Hochschule</strong><br />
<strong>Hannover</strong>" ;<br />
%MEND;<br />
*Falls nur das Systemdatum angefordert werden soll;<br />
%MACRO Datum;<br />
TITLE1 h=1.0 justify=r "%sysfunc(date(),EURDFDD10.)%str( )" ;<br />
%MEND;<br />
****PROC TABULATE für die Auswertung ohne die Berücksichtigung von Einflussfaktoren*****;<br />
%Macro TabuAllg(variable);<br />
PROC TABULATE DATA=ADS;<br />
CLASS f1_4haltung;<br />
VAR &variable;<br />
TABLE &variable*(N='Anzahl Durchgänge' MEAN='arithm. Mittel'<br />
MEDIAN='Median' STD='Standardabw.' CV= 'Variationskoeffizient'<br />
MIN='Minimum' P10='10%-Quantil'<br />
P90='90%-Quantil' MAX='Maximum'),f1_4haltung<br />
/RTS=20 CONDENSE;<br />
%FormLab;<br />
RUN;<br />
/*class: die Klassenvariable(n) wird/werden festgelegt;<br />
var: die zu analysierenden Daten werden festgelegt;<br />
table: die Erscheinungsform der Tabelle wird festgelegt; Dimensionen sind<br />
durch Kommata getrennt - hier: 1. Dim=Zeile, 2. Dim=Spalten<br />
(gäbe es 3 Dim. wäre die 1. die Seite, die 2. die Zeile, die 3. die Spalte);<br />
ein Asterisk(*) kreuzt Merkmale in einer Dimension; Blanks bringen Merkmale<br />
zusammen in eine Dimension; runde Klammern gruppieren Merkmale - so kann eine<br />
Gruppe von Merkmalen durch andere Operatoren mit einem anderen Merkmal in<br />
Verbindung gebracht werden; Gleichheitszeichen werden genutzt um Labels zu<br />
vergeben; Hinter einem / folgen die Optionen:<br />
125
passt,<br />
%MEND;<br />
SAS-Programme<br />
>CONDENSE bewirkt, dass möglichst viel des Outputs auf eine Seite<br />
>RTS= bestimmt die Größe der Felder für Zeilenbeschriftungen*/<br />
**********für die Erzeugung von Box-Plots************;<br />
%MACRO BoxPlot(variable,byvar);<br />
TITLE;<br />
FOOTNOTE;<br />
PROC BOXPLOT DATA=ADS;<br />
BY &byvar;<br />
PLOT &variable*f1_4haltung/BOXSTYLE=schematic HAXIS=axis2<br />
VAXIS=axis1 IDSYMBOL=circle BOXWIDTH=3.7 CBOXES=black;<br />
%FORMLAB;<br />
RUN;<br />
%MEND;<br />
************für die deskriptive Auswertung der qualitativen Daten aus Teil A<br />
(Übergabe einer Variablen)***********;<br />
%MACRO Haeufig1(variable,byvar);<br />
PROC FREQ DATA=ADS COMPRESS;<br />
BY &byvar ;<br />
TABLES &variable * f1_4haltung/nocum NOROW nopercent;<br />
%FormLab;<br />
RUN;<br />
%MEND;<br />
************für die deskriptive Auswertung der qualitativen Daten aus Teil A<br />
Übergabe meh<strong>rer</strong>er Variablen***********;<br />
%MACRO Haeufig2(variable,variable2);<br />
PROC FREQ DATA=ADS COMPRESS;<br />
by &Einfluss;<br />
TABLES ( &variable -- &variable2 )*f1_4haltung/nocum NOROW<br />
nopercent;<br />
%FormLab;<br />
RUN;<br />
%MEND;<br />
***********für die Varianzanalysen**************************;<br />
%MACRO Vari(Einfluss2);<br />
ODS SELECT CLASSLEVELS FITStatistics;<br />
TITLE2 '3. Faktor allein';<br />
PROC GLM DATA=neu;<br />
CLASS &Einfluss2;<br />
MODEL Verluste1000wo = &Einfluss2;<br />
%FORMLAB_Model;<br />
RUN;<br />
quit;<br />
ODS SELECT CLASSLEVELS FITStatistics;<br />
TITLE2 'Ohne Interaktion';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse &Einfluss2;<br />
MODEL Verluste1000wo = Haltung Groesse Haltung*Groesse<br />
&Einfluss2;<br />
%FORMLAB_Model;<br />
RUN;<br />
quit;<br />
TITLE2 'Mit Interaktion';<br />
ODS SELECT CLASSLEVELS FITStatistics;<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse &Einfluss2;<br />
MODEL Verluste1000wo = Haltung Groesse Haltung*Groesse<br />
&Einfluss2 Haltung * &Einfluss2;<br />
126
RUN;<br />
quit;<br />
%FORMLAB_Model;<br />
TITLE "Chi² (Cramer's V)";<br />
PROC FREQ DATA=neu;<br />
TABLES &Einfluss2 * Haltung / Chisq;<br />
RUN;<br />
%MEND;<br />
SAS-Programme<br />
***Quantitative Variablen werden nach dem Box-Plot-Schema zu qualitativen<br />
geformt****;<br />
%MACRO quanti_in_quali(Vari);<br />
DATA tmp_quali;<br />
SET tmp6;<br />
dummy=1;<br />
WHERE &Vari ne .;<br />
RUN;<br />
PROC MEANS P25 P75 DATA=tmp_quali noprint;<br />
BY dummy;<br />
Var &Vari;<br />
OUTPUT OUT=means_&Vari P25=P25_&Vari P75=P75_&Vari;<br />
RUN;<br />
DATA &Vari;<br />
MERGE tmp_quali means_&Vari;<br />
BY dummy;<br />
IF &Vari P25_&Vari) and (&Vari =P75_&Vari THEN &Vari._quali=3;<br />
KEEP f0_2lfdnr2 &Vari._quali;<br />
RUN;<br />
%MEND;<br />
*********Weist allen Variablen Formate und Labels zu********************;<br />
****************für die deskriptive Auswertung********************;<br />
%MACRO FormLab;<br />
FORMAT f0_3bdld BundLfmt. f1_2belegart belegfmt. f1_3legelinie<br />
LLZfmt. f1_4haltung haltgfmt. f1_8beh_vor_a -- f1_8beh_vor_o<br />
janeinfmt. f1_9beh_vor_a -- f1_9beh_vor_d janeinfmt.<br />
f1_10beh_w_a -- f1_10beh_w_j haeufigfmt. f1_11verhalt_a --<br />
f1_11verhalt_c haeufigBfmt. f1_17befieder federfmt.<br />
f1_18tierquali qualifmt. f1_5wirtschaft wirtfmt.<br />
f1_19ereig_Hitze hitzefmt. f1_19ereig_Erkr erkrfmt.<br />
f1_19ereig_Managem mangefmt. futter1000wo_quali<br />
f1_6anz_ein_quali AlterTage_quali LL1000BHwo_quali dauer_quali<br />
quartfmt. Haltung vHaltfmt. grklasse einstfmt. Groesse grfmt.;<br />
LABEL AlterTage='Alter in Tagen'<br />
dauer='Dauer in Wochen'<br />
futter1000wo='Futter in t pro 1000 Durchschnittsh. u. Woche'<br />
verluste='Verluste an Hennen'<br />
verluste1000='Verluste pro 1000 Anfangshennen'<br />
verluste1000Wo='Verluste pro 1000 Anfangshennen u. Woche'<br />
f0_2lfdnr2='Bogennr.'<br />
(gekürzt)<br />
%MEND;<br />
******* für die Modellbildung werden z.T. andere Formate verwendet *********;<br />
%MACRO FormLab_Model;<br />
FORMAT f0_3bdld BundLfmt. f1_2belegart belegfmt.<br />
(gekürzt)<br />
%MEND;<br />
127
B.2 Datenimport<br />
SAS-Programme<br />
/****************************************************************************<br />
Programmdatei: Epileg_Daten-Import<br />
Benötigte Programm-Datei (vorher einlesen):<br />
autoexec.sas<br />
Autor: Jan Schäl<br />
Importiert die aktuellen Daten aus der Access Datenbank (befindet sich<br />
generell unter Q:\bioepi\Projekte_Forschung\Legehennenhaltung\ Datenbank\aktueller<br />
Datenstand') und definiert neue Variablen. Außerdem verbindet<br />
es die einzelnen Durchgänge mit der dazugehörigen Betriebsnummer<br />
aus der Datei Epileg.Betriebe_BRD (für Teile A und B)<br />
****************************************************************************/<br />
*WICHTIG! Geben Sie bitte zunächst hier das aktuelle Datum in der Form<br />
JJJJ_MM_TT an;<br />
%LET Datum=2004_02_19;<br />
**************Betriebsinfos****************;<br />
PROC IMPORT OUT= Betriebe_BRD<br />
DATATABLE= "Tab_Betriebsnr"<br />
DBMS=ACCESS2000 REPLACE;<br />
DATABASE="F:\Dokumente und Einstellungen\jschael\Eigene Dateien\Epileg\Datenbank\EPILEG_DB.mdb";<br />
RUN;<br />
DATA wrk;<br />
SET Betriebe_BRD;<br />
RUN;<br />
PROC SORT DATA=wrk;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
**************Teil B****************;<br />
PROC IMPORT OUT= EPILEG_B<br />
DATATABLE= "Q_Export_B"<br />
DBMS=ACCESS2000 REPLACE;<br />
DATABASE="F:\Dokumente und Einstellungen\jschael\Eigene Dateien\Epileg\Datenbank\EPILEG_DB.mdb";<br />
RUN;<br />
DATA tmp1;<br />
SET EPILEG_B;<br />
WHERE ausschluss=.;<br />
IF f0_2lfdnr_Zusatz ne . THEN<br />
f0_2lfdnr2=f0_2lfdnr+(f0_2lfdnr_Zusatz/100);<br />
ELSE f0_2lfdnr2=f0_2lfdnr;<br />
IF f1_4haltung=1 THEN LLAH1=f2_2leist_a/f1_6anz_ein/7;<br />
IF f1_4haltung=2 THEN LLAH2=f2_2leist_a/f1_6anz_ein/7;<br />
IF f1_4haltung=3 THEN LLAH3=f2_2leist_a/f1_6anz_ein/7;<br />
128
RUN;<br />
IF f1_4haltung=4 THEN LLAH4=f2_2leist_a/f1_6anz_ein/7;<br />
IF f1_4haltung=5 THEN LLAH5=f2_2leist_a/f1_6anz_ein/7;<br />
IF f1_4haltung=6 THEN LLAH6=f2_2leist_a/f1_6anz_ein/7;<br />
PROC SORT DATA=tmp1;<br />
BY f0_2lfdnr2 f2_0lw;<br />
RUN;<br />
DATA tmpwrk;<br />
MERGE wrk tmp1;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
DATA tmp2;<br />
SET tmpwrk;<br />
WHERE f1_6anz_ein ne .;<br />
RUN;<br />
PROC MEANS DATA=tmp2 MIN MAX NOPRINT;<br />
VAR f2_0lw;<br />
BY f0_2lfdnr2;<br />
OUTPUT OUT=minMax MIN=EWo MAX=LWo;<br />
RUN;<br />
SAS-Programme<br />
DATA tmp3;<br />
MERGE tmp2 minMax;<br />
BY f0_2lfdnr2;<br />
IF f2_0lw=LWo or f2_0lw=LWo-1 or f2_0lw=LWo-2 or f2_0lw=LWo-3 or<br />
f2_0lw=LWo-4<br />
or f2_0lw=LWo-5 THEN Ende=1;<br />
IF f2_0lw=EWo or f2_0lw=EWo+1 or f2_0lw=EWo+2 or f2_0lw=EWo+3 or<br />
f2_0lw=EWo+4<br />
or f2_0lw=EWo+5 THEN Anfang=1;<br />
IF entnommen=. THEN entnommen=0;<br />
RUN;<br />
DATA Epileg_B_&Datum;<br />
SET tmp3;<br />
BY f0_2lfdnr2;<br />
vsum+(f2_1verlust+entnommen);<br />
IF first.f0_2lfdnr2 THEN vsum=f2_1verlust+entnommen;<br />
behe= f1_6anz_ein-vsum;<br />
LLTH=f2_2leist_a/behe/7;<br />
IF f1_4haltung=1 THEN LLBH1=f2_2leist_a/behe/7;<br />
IF f1_4haltung=2 THEN LLBH2=f2_2leist_a/behe/7;<br />
IF f1_4haltung=3 THEN LLBH3=f2_2leist_a/behe/7;<br />
IF f1_4haltung=4 THEN LLBH4=f2_2leist_a/behe/7;<br />
IF f1_4haltung=5 THEN LLBH5=f2_2leist_a/behe/7;<br />
IF f1_4haltung=6 THEN LLBH6=f2_2leist_a/behe/7;<br />
IF f0_2lfdnr2 in (2315.00 2326.00 1458.00 3119.00 3118.00 1858.00<br />
1910.00 1890.00<br />
1385.00 860.00 514 515 519) THEN DELETE;*werden ausgeschlossen,<br />
da die Betriebe weniger als 3000 Haltungsplätze haben;<br />
FK_ID;<br />
RUN;<br />
DROP ausschluss f0_2lfdnr f0_2lfdnr_zusatz _TYPE_ _FREQ_ Stall WO_ID<br />
**************Teil A****************;<br />
*geben Sie bitte hinter DATABASE= den Pfad und den Namen des aktuellen<br />
Datenbankstandes an;<br />
PROC IMPORT OUT= EPILEG_A<br />
129
SAS-Programme<br />
DATATABLE= "Q_Export_A"<br />
DBMS=ACCESS2000 REPLACE;<br />
DATABASE="F:\Dokumente und Einstellungen\jschael\Eigene Dateien\Epileg\Datenbank\EPILEG_DB.mdb";<br />
RUN;<br />
DATA tmp;<br />
SET EPILEG_A;<br />
WHERE ausschluss =.;<br />
IF f0_2lfdnr_Zusatz ne . THEN<br />
f0_2lfdnr2=f0_2lfdnr+(f0_2lfdnr_Zusatz/100);<br />
ELSE f0_2lfdnr2=f0_2lfdnr;<br />
RUN;<br />
***********Verbindung mit der Betriebsinfo******************;<br />
PROC SORT DATA=tmp;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
DATA tmpwrk;<br />
MERGE tmp wrk;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
DATA tmp2;<br />
SET tmpwrk;<br />
WHERE ID ne .;<br />
RUN;<br />
************Berechnung der Größenklasse des Betriebes/d. Betriebsstätte*************;<br />
PROC SORT DATA=tmp2;<br />
BY Betriebs_Nr_3;<br />
RUN;<br />
PROC MEANS DATA=tmp2 MAX NOPRINT;<br />
BY Betriebs_Nr_2 Betriebs_Nr_3;<br />
VAR f1_6anz_ein;<br />
OUTPUT OUT=MaxAH MAX=MaxAH;<br />
RUN;<br />
PROC MEANS DATA=MaxAH SUM NOPRINT;<br />
BY Betriebs_Nr_2;<br />
VAR MaxAH;<br />
OUTPUT OUT=BetrGr SUM=Betr_Gr;<br />
RUN;<br />
DATA tmp3;<br />
MERGE tmp2 BetrGr;<br />
BY Betriebs_Nr_2;<br />
RUN;<br />
***********Berechnung der durchschnittlichen Legeleistung***********;<br />
PROC MEANS DATA=Epileg_B_&Datum MEAN NOPRINT;<br />
WHERE f2_3maus ne 1 and Anfang ne 1 and Ende ne 1;<br />
BY f0_2lfdnr2;<br />
VAR LLTH;<br />
OUTPUT OUT=dsLLBHT MEAN=dsLLBHT;<br />
RUN;<br />
DATA dsLLBHT;<br />
SET dsLLBHT;<br />
LL1000BHwo=dsLLBHT*1000*7;<br />
130
RUN;<br />
PROC SORT DATA=tmp3;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
DATA tmp4;<br />
MERGE tmp3 dsLLBHT;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
SAS-Programme<br />
********************Berechnung der Gesamtverluste nach Teil B***************;<br />
PROC MEANS DATA=Epileg_B_&Datum SUM NOPRINT;<br />
WHERE f2_1verlust ne .;<br />
VAR f2_1verlust;<br />
BY f0_2lfdnr2;<br />
OUTPUT OUT=VerlB SUM=verluste_B;<br />
RUN;<br />
DATA tmp5;<br />
MERGE tmp4 VerlB;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
DATA tmp6;*Epileg.Epileg_A_&Datum;<br />
SET tmp5;<br />
);<br />
AlterTage=f1_7alter_ein_w*7+f1_7alter_ein_t;<br />
IF entnommen_ges = . THEN entnommen_ges = 0;<br />
IF LWo ne . THEN dauer=LWo-(AlterTage/7);<br />
ELSE dauer = floor( (f1_12dat_aus - f1_1dat_ein) / (60*60*24*7)<br />
IF f1_19ereig_Hitze ne . THEN f1_19ereig_Hitze2 = 1;<br />
ELSE f1_19ereig_Hitze2 = 0;<br />
IF f1_19ereig_Erkr ne . THEN f1_19ereig_Erkr2 = 1;<br />
ELSE f1_19ereig_Erkr2 = 0;<br />
IF verluste_B ne . THEN verluste = verluste_B;<br />
IF verluste_B = . THEN verluste = f1_6anz_ein - (f1_13anz_aus + entnommen_ges);<br />
verluste1000 = (verluste /f1_6anz_ein) * 1000;<br />
verluste1000Wo = verluste1000/dauer;<br />
LG_Verl=LOG10(verluste1000Wo);<br />
durchHenne=(f1_6anz_ein + (f1_6anz_ein - verluste - entnommen_ges))/2;<br />
futter1000wo = (f1_15futter / durchHenne)/dauer * 1000;<br />
IF f1_8beh_vor_a = 99 THEN f1_8beh_vor_a = .;<br />
IF f1_8beh_vor_b = 99 THEN f1_8beh_vor_b = .;<br />
IF f1_9beh_vor_a = 99 THEN f1_9beh_vor_a = .;<br />
IF f1_9beh_vor_d = 99 THEN f1_9beh_vor_d = .;<br />
IF f1_10beh_w_a = 99 THEN f1_10beh_w_a = .;<br />
IF f1_10beh_w_b = 99 THEN f1_10beh_w_b = .;<br />
IF f1_11verhalt_a = 99 THEN f1_11verhalt_a = .;<br />
IF f1_11verhalt_b = 99 THEN f1_11verhalt_b = .;<br />
(gekürzt)<br />
IF f0_2lfdnr2 in (1864 3084 3085) THEN Betr_Gr=5000;*Im Betrieb 8 aus<br />
dem Rheinland beträgt die eigentliche Betriebsgröße 5.000 Hennen und nicht<br />
wie berechnet unter 3.000;<br />
IF f0_2lfdnr2 in (2315.00 2326.00 1458.00 3119.00 3118.00 1858.00<br />
1910.00 1890.00<br />
131
SAS-Programme<br />
1385.00 860.00 514 515 519) THEN DELETE;*werden ausgeschlossen,<br />
da die Betriebe weniger als 3000 Haltungsplätze haben;<br />
RUN;<br />
IF f1_4haltung=1 THEN Haltung=3;*BoA=Boden;<br />
IF f1_4haltung=2 THEN Haltung=4;*BmA=Freiland;<br />
IF f1_4haltung=3 THEN Haltung=2;*VoA=Voliere;<br />
IF f1_4haltung=4 THEN Haltung=4;*VmA=Freiland;<br />
IF f1_4haltung=5 THEN Haltung=1;*Käfig=Käfig;<br />
IF f1_4haltung=6 THEN Haltung=1;*Kleingruppe=Käfig;<br />
Groesse = 10;<br />
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;<br />
***********neue qualitative Variablen aus quantitativen (für Legeleistung s.<br />
Definition für Teil B******************;<br />
%quanti_in_quali(futter1000wo);<br />
%quanti_in_quali(f1_6anz_ein);<br />
%quanti_in_quali(AlterTage);<br />
%quanti_in_quali(dauer);<br />
%quanti_in_quali(LL1000BHwo);*erzeugt Datei "LL1000BHwo";<br />
DATA Epileg.Epileg_A_&Datum;<br />
MERGE tmp6 futter1000wo f1_6anz_ein AlterTage dauer LL1000BHwo;<br />
BY f0_2lfdnr2;<br />
DROP id ausschluss f1_19ereig f0_2lfdnr f0_2lfdnr_zusatz _TYPE_ _FREQ_<br />
Stall;<br />
RUN;<br />
DATA tmp7;<br />
SET Epileg.Epileg_A_&Datum;<br />
KEEP f0_2lfdnr2 Groesse;<br />
RUN;<br />
DATA Epileg.Epileg_B_&Datum;<br />
MERGE tmp7 Epileg_B_&Datum;<br />
BY f0_2lfdnr2;<br />
RUN;<br />
DATA ADS_A;<br />
SET Epileg.Epileg_A_&Datum;<br />
RUN;<br />
DATA ADS_B;<br />
SET Epileg.Epileg_B_&Datum;<br />
RUN;<br />
132
B.3 Deskriptive Auswertungen für die Variable Legelinie<br />
SAS-Programme<br />
/*************************************************************************<br />
Programmdatei: Auswertung_TeilA_LeLi.sas<br />
Autor: Jan Schäl<br />
Deskription für die Variable Legelinie nach unterschiedlichen<br />
Gesichtspunkten<br />
**************************************************************************/<br />
*Zusammenfassung der Legelinien, Ausschluss des Ausreißers und Definition der<br />
Variablen futter1000woKg;<br />
DATA ADS;<br />
SET ADS_A;<br />
WHERE verluste1000wo=30 THEN f1_3legelinie=30;<br />
futter1000woKg=futter1000wo*1000;<br />
RUN;<br />
IF f1_11verhalt_a = . THEN f1_11verhalt_a = 99;<br />
IF f1_11verhalt_b = . THEN f1_11verhalt_b = 99;<br />
IF f1_11verhalt_c = . THEN f1_11verhalt_c = 99;<br />
PROC SORT DATA=ADS;<br />
BY Groesse;<br />
RUN;<br />
%ODSHoch(Deskription_LeLi);<br />
TITLE 'Zweidim. Häufigkeitstabelle nach Legeli. und Haltungssys. getrennt<br />
nach BGK';<br />
%Haeufig1(f1_3legelinie,Groesse);<br />
TITLE 'Verluste pro 1000 Anfangshennen und Woche nach Legelinie und Haltungsform';<br />
PROC TABULATE DATA=ADS;<br />
class f1_4haltung f1_3legelinie;<br />
var verluste1000wo;<br />
table verluste1000wo*f1_3legelinie*(n='Anzahl' Mean='arithm. Mittel'<br />
cv) verluste1000wo*all='Gesamt'*(n='Anzahl' Mean='arithm. Mittel' cv),<br />
f1_4haltung all='Gesamt' /rts=20 condense;<br />
%FormLab;<br />
RUN;<br />
PROC SORT DATA=ADS;<br />
BY f1_3legelinie f1_4haltung;<br />
RUN;<br />
%OPTIO;<br />
AXIS1 LABEL=(F=swiss h=1.2 'Verluste pro 1000 Anfangshennen und Woche')<br />
VALUE=(F=swiss h=1.2)<br />
width=1.2;<br />
*Boxplots der Verluste pro 1000 Anfangshennen und Woche nach Haltungsformen,<br />
getrennt nach Legelinien;<br />
%BOXPLOT(verluste1000wo,f1_3legelinie);<br />
TITLE 'Zweidim. Häufigkeitstabelle nach Legeli. u. Beh. während od. Verhaltensbes.';<br />
PROC FREQ DATA=ADS COMPRESS;<br />
133
SAS-Programme<br />
TABLES (f1_10beh_w_a f1_10beh_w_h -- f1_10beh_w_j f1_11verhalt_a --<br />
f1_11verhalt_c) * f1_3legelinie/nocum NOROW nopercent;<br />
%FormLab;<br />
RUN;<br />
TITLE 'Futter pro 1000 Durchschnittsh. u. Wo. nach Legelinie';<br />
PROC TABULATE DATA=ADS;<br />
CLASS f1_3legelinie;<br />
VAR futter1000wokg;<br />
TABLE futter1000wokg*(n='Anzahl Durchgänge' Mean='arithm. Mittel'<br />
median='Median' std='Standardabw.'cv='Variationskoeffizient'<br />
min='Minimum' p10='10%-Quantil' p90='90%-Quantil'<br />
max='Maximum'),f1_3legelinie/rts=20 CONDENSE;<br />
%FormLab;<br />
RUN;<br />
ODS RTF CLOSE;<br />
B.4 Ausreißertest<br />
/*************************************************************************<br />
Programmdatei: Ausreissertest.sas<br />
Autor: Jan Schäl<br />
Austeißertest nach Grubbs/Beck<br />
**************************************************************************/<br />
*Logarithmierung der Variablen verluste1000wo;<br />
DATA neu;<br />
SET ADS_A;<br />
LG_Verl=LOG10(verluste1000wo);<br />
RUN;<br />
PROC SORT DATA=neu;<br />
BY f1_4haltung;<br />
RUN;<br />
*Berechnung der Residuen für die Variable LG_Verl;<br />
PROC GLM DATA=neu noprint;<br />
CLASS f1_4haltung;<br />
MODEL LG_Verl = f1_4haltung;<br />
OUTPUT OUT=Resi R=Residuen;<br />
RUN;<br />
QUIT;<br />
*Berechnung der erforderlichen Kenngrößen für den Grubbs-Test;<br />
PROC MEANS DATA=Resi NOPRINT;<br />
BY f1_4haltung;<br />
VAR Residuen;<br />
OUTPUT OUT=Grubbs MEAN=xq STD=s;<br />
RUN;<br />
PROC SORT DATA=Grubbs;<br />
BY f1_4haltung;<br />
RUN;<br />
PROC SORT DATA=Resi;<br />
BY f1_4haltung;<br />
RUN;<br />
*Berechnung des Kritischen Werts T getrennt nach Haltungssystemen;<br />
134
DATA Ausr;<br />
MERGE Resi Grubbs;<br />
BY f1_4haltung;<br />
T=(xq-Residuen)/s;<br />
RUN;<br />
PROC SORT DATA=Ausr;<br />
BY f1_4haltung T;<br />
RUN;<br />
SAS-Programme<br />
*Ausgabe der Kritischen Werte zu jeder Beobachtung;<br />
%ODSHoch(Ausreißer);<br />
TITLE2 'Ausreißertest';<br />
PROC PRINT NOOBS DATA=Ausr;<br />
BY f1_4haltung;<br />
WHERE T ne .;<br />
VAR T f0_2lfdnr2 verluste1000wo f1_4haltung f1_6anz_ein f1_13anz_aus;<br />
RUN;<br />
ODS RTF CLOSE;<br />
B.5 Histogramm der Residuen und Residuenplot<br />
/*************************************************************************<br />
Programmdatei: Residuen_Grafiken<br />
Autor: Jan Schäl<br />
Histogramm der Residuen und Residuenplot<br />
**************************************************************************/<br />
DATA neu;<br />
SET ADS_A;<br />
IF verluste1000Wo>90 THEN DELETE;<br />
RUN;<br />
IF f1_3legelinie in (10 12 17 18) THEN f1_3legelinie=1;<br />
IF f1_3legelinie >=30 THEN f1_3legelinie=2;<br />
IF f1_10beh_w_a = 2 THEN f1_10beh_w_a = 1;<br />
IF f1_10beh_w_b = 2 THEN f1_10beh_w_b = 1;<br />
IF f1_10beh_w_c = 2 THEN f1_10beh_w_c = 1;<br />
IF f1_10beh_w_d = 2 THEN f1_10beh_w_d = 1;<br />
IF f1_10beh_w_e = 2 THEN f1_10beh_w_e = 1;<br />
IF f1_10beh_w_f = 2 THEN f1_10beh_w_f = 1;<br />
IF f1_10beh_w_g = 2 THEN f1_10beh_w_g = 1;<br />
IF f1_10beh_w_h = 2 THEN f1_10beh_w_h = 1;<br />
IF f1_10beh_w_i = 2 THEN f1_10beh_w_i = 1;<br />
IF f1_10beh_w_j = 2 THEN f1_10beh_w_j = 1;<br />
IF f1_11verhalt_a = 2 THEN f1_11verhalt_a = 1;<br />
IF f1_11verhalt_b = 2 THEN f1_11verhalt_b = 1;<br />
IF f1_11verhalt_c = 2 THEN f1_11verhalt_c = 1;<br />
IF f1_4haltung=3 THEN DELETE;*VoA=Ausschluss wegen zu kleinem n;<br />
IF Haltung=1 AND Groesse=0 THEN Gruppe=1;<br />
IF Haltung=3 AND Groesse=0 THEN Gruppe=2;<br />
IF Haltung=4 AND Groesse=0 THEN Gruppe=3;<br />
IF Haltung=1 AND Groesse=1 THEN Gruppe=4;<br />
IF Haltung=3 AND Groesse=1 THEN Gruppe=5;<br />
IF Haltung=4 AND Groesse=1 THEN Gruppe=6;<br />
135
*Berechnung der Residuen des Endmodells;<br />
PROC GLM DATA=neu noprint;<br />
CLASS Haltung Groesse;<br />
MODEL verluste1000wo = Haltung | Groesse;<br />
output out=residuenM1_Mort r=Res;<br />
RUN;<br />
quit;<br />
PROC FORMAT;<br />
VALUE grufmt<br />
1='Kä. < 50000'<br />
2='Bo. < 50000'<br />
3='Fr. < 50000'<br />
4='Kä. >= 50000'<br />
5='Bo. >= 50000'<br />
6='Fr. >= 50000';<br />
RUN;<br />
%ODSQuer(Residuenplot);<br />
%OPTIO;<br />
*Histogramm der Residuen;<br />
PROC GCHART;<br />
HBAR res;<br />
LABEL Res='Residuen';<br />
RUN;<br />
QUIT;<br />
SYMBOL I=none V=PLUS;<br />
*Residuenplot;<br />
PROC GPLOT;<br />
PLOT Res*Gruppe /VREF=0;<br />
FORMAT Gruppe grufmt.;<br />
LABEL Res='Residuen'<br />
Gruppe='Faktorstufenkombi<strong>nat</strong>ion';<br />
RUN;<br />
QUIT;<br />
ODS RTF CLOSE;<br />
B.6 Interaktionsplots<br />
SAS-Programme<br />
/*************************************************************************<br />
Programmdatei: Interaktionsplots.sas<br />
Autor: Jan Schäl<br />
Interaktionsplots für die Endmodelle<br />
**************************************************************************/<br />
%OPTIO;<br />
PROC FORMAT;<br />
VALUE vHaltfmt<br />
1='Käfig-Batteriehaltung'<br />
2='Bodenhaltung'<br />
3='Freilandhaltung';<br />
RUN;<br />
DATA neu;<br />
SET ADS_A;<br />
IF verluste1000Wo>90 THEN DELETE;<br />
IF f1_3legelinie in (10 12 17 18) THEN f1_3legelinie=1;<br />
136
RUN;<br />
IF f1_3legelinie >=30 THEN f1_3legelinie=2;<br />
IF f1_10beh_w_a = 2 THEN f1_10beh_w_a = 1;<br />
IF f1_10beh_w_b = 2 THEN f1_10beh_w_b = 1;<br />
IF f1_10beh_w_c = 2 THEN f1_10beh_w_c = 1;<br />
IF f1_10beh_w_d = 2 THEN f1_10beh_w_d = 1;<br />
IF f1_10beh_w_e = 2 THEN f1_10beh_w_e = 1;<br />
IF f1_10beh_w_f = 2 THEN f1_10beh_w_f = 1;<br />
IF f1_10beh_w_g = 2 THEN f1_10beh_w_g = 1;<br />
IF f1_10beh_w_h = 2 THEN f1_10beh_w_h = 1;<br />
IF f1_10beh_w_i = 2 THEN f1_10beh_w_i = 1;<br />
IF f1_10beh_w_j = 2 THEN f1_10beh_w_j = 1;<br />
IF f1_11verhalt_a = 2 THEN f1_11verhalt_a = 1;<br />
IF f1_11verhalt_b = 2 THEN f1_11verhalt_b = 1;<br />
IF f1_11verhalt_c = 2 THEN f1_11verhalt_c = 1;<br />
SAS-Programme<br />
IF f1_4haltung=3 THEN DELETE;*VoA=Ausschluss wegen zu kleinem n;<br />
IF Haltung=3 THEN Haltung=2;<br />
IF Haltung=4 THEN Haltung=3;<br />
*Übergabe von jeweils zwei Variablennamen, -ausprägungen und -bedeutungen<br />
sowie einer WHERE-Bedingung;<br />
%MACRO IAP(F1,F2,LF1,LF2,NF1,NF2,WO);<br />
PROC SORT DATA=neu;<br />
BY &F1 &F2;<br />
RUN;<br />
PROC MEANS DATA=neu MEAN NOPRINT;<br />
VAR verluste1000wo;<br />
BY &F1 &F2;<br />
&WO;<br />
OUTPUT OUT=mean mean=mwe;<br />
RUN;<br />
LEGEND LABEL=(h=1.1)<br />
VALUE=(h=1.1);<br />
AXIS1 LABEL=(h=1.1 angle=90 'Mittelw. d. Verluste pro 1000 AH u. Wo')<br />
VALUE=(h=1.1)<br />
width=1.5<br />
ORDER=0 to 5;<br />
SYMBOL1 C=black VALUE=none H=0.8 I=join W=2 LINE=1;<br />
SYMBOL2 C=black VALUE=none H=0.8 I=join W=2 LINE=2;<br />
SYMBOL3 C=black VALUE=none H=0.8 I=join W=2 LINE=4;<br />
AXIS2 LABEL=(h=1.1 "&NF1 ")<br />
VALUE=(h=1.1)<br />
SPLIT="*"<br />
order=&LF1 by 1<br />
width=1.5;<br />
TITLE1 'Mittelwerte der Verluste pro 1000 AH u. Woche';<br />
TITLE2 "Variable &NF1 auf der X-Achse";<br />
PROC GPLOT DATA=mean;<br />
PLOT mwe*&F1=&F2/HAXIS=axis2 VAXIS=axis1 LEGEND=legend;<br />
%FORMLAB;<br />
LABEL mwe='Mittelw. d. Verluste pro 1000 AH u. Wo';<br />
RUN;<br />
AXIS2 LABEL=(h=1.1 "&NF2 ")<br />
VALUE=(h=1.1)<br />
SPLIT="*"<br />
order=&LF2 by 1<br />
width=1.5;<br />
137
TITLE2 "Variable &NF2 auf der X-Achse";<br />
PROC GPLOT DATA=mean;<br />
PLOT mwe*&F2=&F1/HAXIS=axis2 VAXIS=axis1 LEGEND=legend;<br />
%FORMLAB;<br />
LABEL mwe='Mittelw. d. Verluste pro 1000 AH u. Wo';<br />
RUN;<br />
QUIT;<br />
%MEND;<br />
SAS-Programme<br />
%ODSQuer(Interaktionsplots_2004_04_26);<br />
%IAP(Haltung,Groesse,1 to 3,0 to 1,Haltungsform,Betriebsgrößenklasse);<br />
%IAP(f1_6anz_ein_quali,haltung,1 to 3,1 to 3, Anfangshennen, Haltungsform);<br />
%IAP(f1_6anz_ein_quali,Groesse,1 to 3,0 to 1, Anfangshennen, Betriebsgrößenklasse);<br />
%IAP(f1_10beh_w_i,haltung,0 to 1,1 to 3, Milben während, Haltungsform,<br />
WHERE f1_10beh_w_i ne .);<br />
%IAP(f1_10beh_w_i,f1_6anz_ein_quali,0 to 1,1 to 3,Milben während, Anfangshennen,<br />
WHERE f1_10beh_w_i ne .);<br />
%IAP(f1_10beh_w_i,Groesse,0 to 1,0 to 1,Milben während,Betriebsgrößenklasse,<br />
WHERE f1_10beh_w_i ne .);<br />
ODS RTF CLOSE;<br />
B.7 Modellbildung für das modifizierte Endmodell<br />
/*************************************************************************<br />
Programmdatei: Endmodellbildung_Diplom.sas<br />
Autor: Jan Schäl<br />
Modellbildung für das modifizierte Endmodell<br />
**************************************************************************/<br />
DATA neu;<br />
SET ADS_A;<br />
IF verluste1000Wo>90 THEN DELETE;<br />
IF f1_3legelinie in (10 12 17 18) THEN f1_3legelinie=1;<br />
IF f1_3legelinie >=30 THEN f1_3legelinie=2;<br />
IF f1_10beh_w_a = 2 THEN f1_10beh_w_a = 1;<br />
IF f1_10beh_w_b = 2 THEN f1_10beh_w_b = 1;<br />
IF f1_10beh_w_c = 2 THEN f1_10beh_w_c = 1;<br />
IF f1_10beh_w_d = 2 THEN f1_10beh_w_d = 1;<br />
IF f1_10beh_w_e = 2 THEN f1_10beh_w_e = 1;<br />
IF f1_10beh_w_f = 2 THEN f1_10beh_w_f = 1;<br />
IF f1_10beh_w_g = 2 THEN f1_10beh_w_g = 1;<br />
IF f1_10beh_w_h = 2 THEN f1_10beh_w_h = 1;<br />
IF f1_10beh_w_i = 2 THEN f1_10beh_w_i = 1;<br />
IF f1_10beh_w_j = 2 THEN f1_10beh_w_j = 1;<br />
IF f1_11verhalt_a = 2 THEN f1_11verhalt_a = 1;<br />
IF f1_11verhalt_b = 2 THEN f1_11verhalt_b = 1;<br />
IF f1_11verhalt_c = 2 THEN f1_11verhalt_c = 1;<br />
IF f1_4haltung=3 THEN DELETE;*VoA=Ausschluss wegen zu kleinem n;<br />
138
RUN;<br />
SAS-Programme<br />
%ODSHoch(Endmodell_4Faktoren);<br />
*Bewertung der Interaktionen - Die nicht-signifikante Wechselwirkung mit dem<br />
höchsten p-Wert wurde im jeweils nächten Schritt ausgeschlossen;<br />
TITLE 'Schritt 1';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i<br />
Groesse*f1_10beh_w_i Haltung*f1_10beh_w_i<br />
f1_6anz_ein_quali*f1_10beh_w_i Haltung*Groesse Haltung*f1_6anz_ein_quali;<br />
%FORMLAB;<br />
RUN;<br />
QUIT;<br />
TITLE 'Schritt 2';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i<br />
Groesse*f1_10beh_w_i<br />
f1_6anz_ein_quali*f1_10beh_w_i Haltung*Groesse Haltung*f1_6anz_ein_quali;<br />
%FORMLAB;<br />
RUN;<br />
QUIT;<br />
TITLE 'Schritt 3';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i<br />
Groesse*f1_10beh_w_i<br />
f1_6anz_ein_quali*f1_10beh_w_i Haltung*f1_6anz_ein_quali;<br />
%FORMLAB;<br />
RUN;<br />
QUIT;<br />
TITLE 'Schritt 4';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i<br />
Groesse*f1_10beh_w_i<br />
Haltung*f1_6anz_ein_quali;<br />
%FORMLAB;<br />
RUN;<br />
QUIT;<br />
TITLE 'Schritt 5';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i<br />
Groesse*f1_10beh_w_i;<br />
%FORMLAB;<br />
RUN;<br />
QUIT;<br />
*Modifiziertes Endmodell mit vier Einflussfaktoren;<br />
TITLE 'Modell mit 4 Faktoren';<br />
PROC GLM DATA=neu;<br />
CLASS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i;<br />
MODEL Verluste1000wo = Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i<br />
Groesse*f1_10beh_w_i;<br />
LSMEANS Haltung Groesse f1_6anz_ein_quali f1_10beh_w_i Groesse*f1_10beh_w_i/<br />
PDIFF ADJUST=SCHEFFE;<br />
%FORMLAB;<br />
RUN;<br />
QUIT;<br />
ODS RTF CLOSE;<br />
139
C. SAS-Outputs<br />
C.1 Modellbildung für das modifizierte Endmodell (gekürzt)<br />
Schritt 1<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
SAS-Outputs<br />
Source DF Sum of Squares Mean Square F Value Pr > F<br />
Model 17 540.351130 31.785361 18.52 F<br />
Haltung 2 342.6523647 171.3261824 99.83
SAS-Outputs<br />
Source DF Type III SS Mean Square F Value Pr > F<br />
Haltung*f1_10beh_w_i 2 0.2221941 0.1110971 0.06 0.9373<br />
f1_6anz_e*f1_10beh_w 2 7.1624224 3.5812112 2.09 0.1250<br />
Haltung*Groesse 2 4.2548386 2.1274193 1.24 0.2902<br />
Haltung*f1_6anz_ein_ 4 11.2581622 2.8145405 1.64 0.1626<br />
Schritt 2<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
Source DF Sum of Squares Mean Square F Value Pr > F<br />
Model 15 540.128936 36.008596 21.05 F<br />
Haltung 2 342.6523647 171.3261824 100.13
SAS-Outputs<br />
Source DF Type III SS Mean Square F Value Pr > F<br />
f1_10beh_w_i 1 18.0102789 18.0102789 10.53 0.0012<br />
Groesse*f1_10beh_w_i 1 15.3076347 15.3076347 8.95 0.0029<br />
f1_6anz_e*f1_10beh_w 2 7.6743885 3.8371942 2.24 0.1070<br />
Haltung*Groesse 2 4.2179253 2.1089626 1.23 0.2923<br />
Haltung*f1_6anz_ein_ 4 13.7694327 3.4423582 2.01 0.0913<br />
Schritt 3<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
Source DF Sum of Squares Mean Square F Value Pr > F<br />
Model 13 535.911010 41.223924 24.08 F<br />
Haltung 2 342.6523647 171.3261824 100.06
SAS-Outputs<br />
Source DF Type III SS Mean Square F Value Pr > F<br />
f1_10beh_w_i 1 18.7793657 18.7793657 10.97 0.0010<br />
Groesse*f1_10beh_w_i 1 13.9768919 13.9768919 8.16 0.0044<br />
f1_6anz_e*f1_10beh_w 2 6.5436096 3.2718048 1.91 0.1488<br />
Haltung*f1_6anz_ein_ 4 15.2322854 3.8080713 2.22 0.0651<br />
Schritt 4<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
Source DF Sum of Squares Mean Square F Value Pr > F<br />
Model 11 529.367401 48.124309 28.02 F<br />
Haltung 2 342.6523647 171.3261824 99.76
SAS-Outputs<br />
Source DF Type III SS Mean Square F Value Pr > F<br />
Groesse*f1_10beh_w_i 1 7.5891215 7.5891215 4.42 0.0359<br />
Haltung*f1_6anz_ein_ 4 13.8788220 3.4697055 2.02 0.0900<br />
Schritt 5<br />
Dependent Variable: verluste1000Wo Verluste pro 1000 Anfangshennen u. Woche<br />
Source DF Sum of Squares Mean Square F Value Pr > F<br />
Model 7 515.488579 73.641226 42.60 F<br />
Haltung 2 342.6523647 171.3261824 99.11
D. CD-Verzeichnis<br />
Ordner Dateien Inhalt / Aufgabe<br />
CD-Verzeichnis<br />
Diplomarbeit_PDF Diplom_Schael.pdf Gesamte Diplomarbeit als PDF<br />
SAS-Outputs VariSelektion.rtf Variabelenselektion für das Endmo-<br />
SAS-Programme<br />
dell (ein- und dreifaktorielle Vari-<br />
anzanalysen sowie Cramér’s V)<br />
Ausreißertest.sas Ausreißertest nach Grubbs / Beck<br />
Auswertung_TeilA_LeLi.sas Deskription für die Variable Legeli-<br />
nie nach unterschiedlichen Ge-<br />
sichtspunkten<br />
autoexec.sas Definition der EpiLeg-Library und<br />
der Auswertedatensätze ADS_A<br />
und ADS_B sowie Einlesen der<br />
grundlegenden Formate und Mak-<br />
ros<br />
Endmodell.sas Endmodell mit den Faktoren Hal-<br />
tungsform und Betriebsgrößenklas-<br />
se und deren Interaktion für die<br />
Zielvariable Verluste pro 1000 An-<br />
fangshennen und Woche<br />
Endmodellbildung_Diplom.sas Modellbildung für das modifizierte<br />
Endmodell<br />
Epileg_Daten-Import.sas Datenimport aus MS-Access<br />
Interaktionsplots.sas Erstellung von Interaktionsplots<br />
Residuen_Grafiken.sas Erstellung von Residuenplots und<br />
Histogrammen der Residuen<br />
VariSelektion.sas Variabelenselektion für das Endmo-<br />
dell (ein- und dreifaktorielle Vari-<br />
anzanalysen sowie Cramér’s V)<br />
145