^ns 0783/0-

^ns 2713/0

^*4988/0

^**6301/0

^ns 0123/0

1

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

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

منبع تغییرات

پارامترهای مدل (ضرایب رگرسیون)

R² جزء

R² کل (مدل)

F Value

عرض از مبدا

8333/42-

تعداد سنبله(X₁)

0208/2

7683/0

7683/0

^**84/92

تعداد دانه در سنبله(X ₂)

47196/0