基于通径分析和灰色关联分析舟山近海中国鱚形态性状对体质量的影响

doi:10.11924/j.issn.1000-6850.casb2023-0014

中国农学通报 ›› 2024, Vol. 40 ›› Issue (2): 152-158.doi: 10.11924/j.issn.1000-6850.casb2023-0014

基于通径分析和灰色关联分析舟山近海中国鱚形态性状对体质量的影响

蒋小姿(), 江文静, 张倩雅, 肖梦, 杨天燕()

浙江海洋大学水产学院，浙江舟山 316022

收稿日期:2022-12-18 修回日期:2023-04-12 出版日期:2024-01-10 发布日期:2024-01-10
通讯作者:
杨天燕，女，1982年出生，湖北武汉人，副教授，博士，研究方向：渔业资源学。通信地址：316022 浙江省舟山市定海区临城街道海大南路1号浙江海洋大学，E-mail：hellojelly1130@163.com。
作者简介:
蒋小姿，女，2000年出生，江西上饶人，研究方向：海洋资源与环境。通信地址：316022 浙江省舟山市定海区临城街道海大南路1号浙江海洋大学，E-mail：jiangxiaozi010606@163.com。
基金资助:
国家自然科学基金项目“基于群体基因组学的中国鱚遗传结构和环境适应性研究”(32100405); 国家级大学生创新创业训练计划项目“浙江海域前肛鳗形态学和遗传学研究”(202210340023); 舟山市科技计划项目“东海重要海洋鱼类种质资源保护技术研究”(2022C41022)

Effects of Morphological Traits on Body Weight of Sillago Sinica in Zhoushan Offshore Based on Path Analysis and Grey Relational Analysis

JIANG Xiaozi(), JIANG Wenjing, ZHANG Qianya, XIAO Meng, YANG Tianyan()

Fishery College of Zhejiang Ocean University, Zhoushan, Zhejiang 316022

Received:2022-12-18 Revised:2023-04-12 Published-:2024-01-10 Online:2024-01-10

摘要/Abstract

摘要：

为了研究中国鱚(Sillago sinica)形态参数与体质量的关系，随机选取107尾舟山近海分布的中国鱚为研究对象，测量其体质量(X₀)和11个形态性状：吻长(X₁)、头长(X₂)、体长(X₃)、全长(X₄)、尾柄长(X₅)、尾柄高(X₆)、体厚(X₇)、眼径(X₈)、眼间隔(X₉)、眼后头长(X₁₀)、体高(X₁₁)，并进行了相关性分析、多元回归分析、通径分析和灰色关联分析。测定的形态指标和体质量的相关性都达到了极显著水平(P<0.01)，其中体长与体质量的相关性最大；剔除存在严重共线性的形态指标后，分别设置与体质量显著线性相关的体长和尾柄高为自变量、并将体质量设为因变量，构建了最优多元线性方程为Y=-87.734+6.174X₃+24.398X₆；通径分析结果显示，对体质量直接作用最大的为体长，间接作用最大的为尾柄高；灰色关联分析结果表明，与体质量的关联度排序靠前的5个形态参数分别为体长、全长、尾柄高、体高和头长。综合上述研究表明，中国鱚渔业资源的开发管理过程中应以体长为优先衡量指标、以尾柄高为辅助指标来制定最佳可捕规格和网目尺寸。

关键词: 中国鱚, 形态性状, 体质量, 通径分析, 灰色关联分析

Abstract:

In order to study the relationships between morphological traits and body weight of Sillago sinica, 107 samples in the offshore of Zhoushan were randomly selected, and their body weight (X₀) and 11 morphological traits including snout length (X₁), head length (X₂), body length (X₃), total length (X₄), caudal peduncle length (X₅), caudal peduncle height (X₆), body thickness (X₇), eye diameter (X₈), interorbital diameter (X₉), head length behind eyes (X₁₀) and body height (X₁₁) were measured and analyzed by correlation analysis, multiple regression analysis, path analysis and grey relational analysis. The correlation analysis results showed that all the morphological traits were significantly correlated with body weight (P<0.01), and the correlation coefficient between body length and body weight was the greatest of all. After eliminating the severe collinearity effects, two indexes (body length and caudal peduncle height) that significantly linearly correlated with body weight were considered as the independent variables, and body weight was regarded as the dependent variable. The optimal multiple linear regression equation was finally constructed as: Y=-87.734+6.174X₃+24.398X₆. The path analysis results revealed that body length had the largest direct effect on body weight, while caudal peduncle height had the largest indirect effect on it. The top five grey relational degrees between each morphological trait and body weight were body length, total length, caudal peduncle height, body height, and head length. Comprehensive findings indicated that during the process of Sillago sinica fishery resource development and management, body length and caudal peduncle height should be separately used as the priority measure index and auxiliary one to formulate the optimal catchable size and mesh size.

Key words: Sillago sinica, morphological traits, body weight, path analysis, grey relational analysis

蒋小姿, 江文静, 张倩雅, 肖梦, 杨天燕. 基于通径分析和灰色关联分析舟山近海中国鱚形态性状对体质量的影响[J]. 中国农学通报, 2024, 40(2): 152-158.

JIANG Xiaozi, JIANG Wenjing, ZHANG Qianya, XIAO Meng, YANG Tianyan. Effects of Morphological Traits on Body Weight of Sillago Sinica in Zhoushan Offshore Based on Path Analysis and Grey Relational Analysis[J]. Chinese Agricultural Science Bulletin, 2024, 40(2): 152-158.

图/表 10

参考文献 34

[1]	MCKAY R J. A Revision of the fishes of the family Sillaginidae. In: Memoirs of the Queensland Museum-Nature[M]. South Brisbane: general books, 1985.
[2]	NELSON J S. Fishes of the world[M]. New Jersey: John Wiley & Sons, 2016.
[3]	陈大刚, 张美昭. 中国海洋鱼类[M]. 青岛: 中国海洋大学出版社, 2015.
[4]	GAO T X, JI D P, XIAO Y S, et al. Description and DNA barcoding of a new Sillago species, Sillago sinica (Perciformes: Sillaginidae), from coastal waters of China[J]. Zoological studies, 2011, 50(2):254-263.
[5]	BAE S E, KWUN H J, KIM J K, et al. New record of Sillago sinica (Pisces: Sillaginidae) in Korean waters, and re-identification of Sillago parvisquamis previously reported from Korea as S. sinica[J]. Animal systematics evolution & diversity, 2013, 29(4):288-293.
[6]	李渊, 张丽艳, 宋普庆, 等. 福建省沿海鱚属(Sillago)鱼类新纪录种——中国鱚(Sillago sinica Gao and Xue, 2011)[J]. 应用海洋学学报, 2014, 33(4):546-552.
[7]	肖家光, 张少秋, 高天翔, 等. 浙江近海鱚属鱼类形态描述及中国鱚属鱼类分子系统发育分析[J]. 水生生物学报, 2018, 42(1):99-105.
[8]	张红艳, 高天翔, 李健, 等. 中国鱚群体形态学初步研究[J]. 上海海洋大学学报, 2013, 22(1):17-22.
[9]	张少秋, 肖家光, 邓招超, 等. 温州近海中国鱚繁殖生物学初步研究[J]. 浙江海洋学院学报(自然科学版), 2016, 35(6):493-497,503.
[10]	费鸿年, 张诗全. 水产资源学[M]. 北京: 中国科技出版社, 1990.
[11]	李炎璐, 陈超, 于宏, 等. 中国南海黄鳍金枪鱼(Thunnus albacares)幼鱼形态特征及其与体重的关系[J]. 渔业科学进展, 2016, 37(1):8-14.
[12]	潘梦珍, 王海山, 叶乐, 等. 崖州湾附近海域金线鱼形态学指标的相关性[J]. 海南热带海洋学院学报, 2020, 27(2):11-17.
[13]	SABIDO-ITZÁ M M, HERNÁNDEZ-MILLÁN M B, MEDINA-QUEJ A, et al. Length-weight, length-length relationships and condition of the conchfish Astrapogon stellatus Cope, 1867 (Teleostei: Apogonidae) in the Mesoamerican Reef System, Mexico[J]. Thalassas: An international journal of marine sciences, 2021, 37:141-145. doi: 10.1007/s41208-020-00280-2
[14]	薛薇. 统计分析与SPSS的应用(第6版)[M]. 北京: 中国人民大学出版社, 2021.
[15]	WRIGHT S. Correlation and causation[J]. Journal of agricultural research, 1921, 20(7):557-585.
[16]	邓聚龙. 灰色系统基本方法(第2版)[M]. 武汉: 华中科技大学出版社, 2005.
[17]	SHAPIRO S S, WILKS M B. An analysis of variance test for normality (complete samples)[J]. Biometrika, 1965, 52:591-611. doi: 10.1093/biomet/52.3-4.591 URL
[18]	TIKHOMIROV V M. ε-Entropy and ε-Capacity of sets in functional spaces. In: Shiryayev A N (eds) Selected Works of A. N. Kolmogorov. Mathematics and its applications, vol 27[M]. Dordrecht: Springer, 1993.
[19]	刘堃. SPSS统计分析在医学科研中的应用[M]. 北京: 人民卫生出版社, 2012.
[20]	丁元林, 孔丹莉, 毛宗福. 多重线性回归分析中的常用共线性诊断方法[J]. 数理医药学杂志, 2004, 17(4):299-300.
[21]	李玺洋, 白俊杰, 樊佳佳, 等. 二龄草鱼形态性状对体质量影响效果的分析[J]. 上海海洋大学学报, 2012, 21(4):535-541.
[22]	王海山, 叶乐, 胡清雨, 等. 眼斑双锯鱼形态性状与体质量的相关性及通径分析[J]. 南方农业学报, 2021, 52(1):221-227.
[23]	刘贤德, 蔡明夷, 王志勇, 等. 闽-粤东族大黄鱼生长性状的相关与通径分析[J]. 中国海洋大学学报(自然科学版), 2008, 38(6):916-920.
[24]	刘峰, 陈琳, 楼宝, 等. 小黄鱼(Pseudosciaena polyactis)形态性状与体质量的相关性及通径分析[J]. 海洋与湖沼, 2016, 47(3):655-662.
[25]	胡彦波, 温海深, 张美昭, 等. 花鲈形态性状对体质量的影响效果[J]. 中国海洋大学学报(自然科学版), 2018, 48(2):38-48.
[26]	黄建盛, 郭志雄, 陈刚, 等. 4月龄军曹鱼幼鱼形态性状与体质量的相关性及通径分析[J]. 海洋科学, 2019, 43(8):72-79.
[27]	樊嵘, 孟大志, 徐大舜. 统计相关性分析方法研究进展[J]. 数学建模及其应用, 2014, 3(1):1-12.
[28]	王新安, 马爱军, 庄志猛, 等. 红鳍东方鲀(Takifugu rubripes)形态性状对体重的影响效果[J]. 海洋与湖沼, 2013, 44(1):135-140.
[29]	STRAUSS R E, BOOKSTEIN F L. The truss: Body form reconstructions in morphometrics[J]. Systematic biology, 1982, 31(2):113-135. doi: 10.1093/sysbio/31.2.113 URL
[30]	BOOKSTEIN F L. Size and shape spaces for landmark data in two dimensions[J]. Statistical science, 1986, 1(2):181-222.
[31]	谭学瑞, 邓聚龙. 灰色关联分析:多因素统计分析新方法[J]. 统计研究, 1995, 12(3):46-48.
[32]	谭才钢, 刘宝锁, 张东玲, 等. 合浦珠母贝主要形态性状与体质量的灰色关联分析[J]. 南方水产科学, 2015, 11(2):35-40.
[33]	刘峰, 楼宝, 陈睿毅, 等. 小黄鱼形态性状与体质量的灰色关联分析[J]. 上海海洋大学学报, 2017, 26(1):131-137.
[34]	黄小林, 张栋国, 林黑着, 等. 网箱养殖点篮子鱼形态性状与体质量灰色关联分析[J]. 水产科学, 2019, 38(1):61-66.

性状	最小值	最大值	平均值	标准差	变异系数/%
X₀	15	91	42.24	14.85	35.15
X₁	1	2	1.94	0.19	9.82
X₂	4	6	4.39	0.39	8.78
X₃	13	21	16.65	1.62	9.74
X₄	15	24	19.06	1.76	9.23
X₅	1	3	1.92	0.22	11.22
X₆	1	2	1.11	0.17	14.97
X₇	1	3	2.07	0.29	13.95
X₈	1	3	0.83	0.24	29.31
X₉	1	2	1.02	0.20	19.36
X₁₀	1	2	1.81	0.19	10.68
X₁₁	2	3	2.49	0.30	12.87

性状	最小值	最大值	平均值	标准差	变异系数/%
X₀	15	91	42.24	14.85	35.15
X₁	1	2	1.94	0.19	9.82
X₂	4	6	4.39	0.39	8.78
X₃	13	21	16.65	1.62	9.74
X₄	15	24	19.06	1.76	9.23
X₅	1	3	1.92	0.22	11.22
X₆	1	2	1.11	0.17	14.97
X₇	1	3	2.07	0.29	13.95
X₈	1	3	0.83	0.24	29.31
X₉	1	2	1.02	0.20	19.36
X₁₀	1	2	1.81	0.19	10.68
X₁₁	2	3	2.49	0.30	12.87

检验方法	统计量	自由度	显著水平
柯尔莫戈洛夫-斯米诺夫检验	0.078	107	0.112
夏皮洛-威尔克检验	0.956	107	0.001

检验方法	统计量	自由度	显著水平
柯尔莫戈洛夫-斯米诺夫检验	0.078	107	0.112
夏皮洛-威尔克检验	0.956	107	0.001

性状	X₀	X₁	X₂	X₃	X₄	X₅	X₆	X₇	X₈	X₉	X₁₀	X₁₁
X₀	1.000	-	-	-	-	-	-	-	-	-	-	-
X₁	0.614^**	1.000	-	-	-	-	-	-	-	-	-	-
X₂	0.757^**	0.746^**	1.000	-	-	-	-	-	-	-	-	-
X₃	0.912^**	0.732^**	0.864^**	1.000	-	-	-	-	-	-	-	-
X₄	0.899^**	0.750^**	0.874^**	0.982^**	1.000	-	-	-	-	-	-	-
X₅	0.702^**	0.538^**	0.650^**	0.736^**	0.725^**	1.000	-	-	-	-	-	-
X₆	0.858^**	0.566^**	0.720^**	0.867^**	0.845^**	0.699^**	1.000	-	-	-	-	-
X₇	0.724^**	0.591^*	0.618^**	0.735^**	0.714^**	0.544^**	0.743^**	1.000	-	-	-	-
X₈	0.315^**	0.089	0.197^*	0.278^**	0.264^**	0.205^**	0.303^**	0.275^**	1.000	-	-	-
X₉	0.324^**	0.486^**	0.357^**	0.354^**	0.374^**	0.219^**	0.288^**	0.393^**	0.043	1.000	-	-
X₁₀	0.573^**	0.607^**	0.628^**	0.635^**	0.659^**	0.555^**	0.511^**	0.459^**	0.049	0.376^**	1.000	-
X₁₁	0.798^**	0.621^**	0.737^**	0.827^**	0.824^**	0.626^**	0.821^**	0.714^**	0.295^**	0.392^**	0.544^**	1.000

基于通径分析和灰色关联分析舟山近海中国鱚形态性状对体质量的影响

Effects of Morphological Traits on Body Weight of Sillago Sinica in Zhoushan Offshore Based on Path Analysis and Grey Relational Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 34

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

变量	非标准化回归系数	标准误	标准化回归系数	T统计量	显著性水平
（常数）	-87.734	6.345	-	-13.827	0.000
X₃	6.174	0.699	0.674	8.837	0.000
X₆	24.398	6.796	0.274	3.590	0.001

指标	平方和	自由度	均方	F值	显著性水平
回归	19859.105	2	9929.553	293.920	0.000
残差	3153.454	104	33.783	-	-
总计	11229.364	106	-	-	-

变量	相关系数	通径系数	间接通径系数			经验值VIF
变量	相关系数	通径系数	总计	X₃	X₆	经验值VIF
X₃	0.912^**	0.674^**	0.238	-	0.238	4.046
X₆	0.858^**	0.274^**	0.584	0.584	-	4.026

性状	X₃	X₆
X₃	0.831	0.850
X₆	-	0.737
总决定系数	0.850	-
剩余决定系数	0.150	-
剩余因子	0.387	-

性状	最小值	最大值	均值±标准差	关联度	关联序
X₁	0.508	1.000	0.877±0.090	0.877	7
X₂	0.549	0.995	0.901±0.078	0.901	5
X₃	0.663	0.999	0.934±0.054	0.934	1
X₄	0.656	0.998	0.934±0.059	0.933	2
X₅	0.595	0.993	0.863±0.087	0.863	11
X₆	0.719	0.997	0.911±0.061	0.911	3
X₇	0.558	0.993	0.894±0.081	0.894	6
X₈	0.333	0.996	0.876±0.102	0.876	8
X₉	0.458	0.996	0.875±0.116	0.875	9
X₁₀	0.523	0.999	0.868±0.094	0.868	10
X₁₁	0.569	0.999	0.903±0.903	0.903	4

[1]	吾米提·居马太, 白锦丰, 马玉平, 吴楠, 玛合巴·巴合提. 昭苏高海拔地区油菜普花期预报模型研究[J]. 中国农学通报, 2024, 40(1): 73-77.
[2]	尚军林, 雷俊, 姚玉璧, 姚瑞, 卢国阳, 栾振斌, 常进惠. 定西市1961—2020年日照时数变化特征分析[J]. 中国农学通报, 2023, 39(5): 116-123.
[3]	安建刚, 张晓, 梁建秋, 杨文英, 曾召琼, 于晓波, 王嘉, 冯军, 张明荣, 吴海英. 间作玉米-大豆青贮适收期探索及大豆农艺性状关联分析[J]. 中国农学通报, 2023, 39(36): 40-47.
[4]	王芬, 宋光同, 陈祝, 徐彬, 季索菲, 周翔, 徐笑娜, 侯冠军, 张晔, 李端, 朱成骏, 苏友风, 董振兴, 蒋业林. 四种品系中华鳖的形态差异和通径分析[J]. 中国农学通报, 2023, 39(20): 147-154.
[5]	文建川, 梁平, 廖育玲, 吴慧, 董文韬. 1971—2020年贵州从江县参考作物蒸散量变化特征及成因分析[J]. 中国农学通报, 2023, 39(17): 72-78.
[6]	郑本川, 张锦芳, 蒋俊, 崔成, 柴靓, 黄友涛, 周正鉴, 李浩杰, 蒋梁材. 不同熟期“川油”系列甘蓝型油菜品种主要性状与产量的相关分析[J]. 中国农学通报, 2022, 38(7): 7-17.
[7]	姚金保, 杨学明, 周淼平, 张鹏. 江苏省小麦参试品种（系）产量与产量构成因素分析[J]. 中国农学通报, 2022, 38(6): 15-19.
[8]	张年国, 周裕华, 潘桂平, 周文玉, 侯文杰, 刘本伟, 于飞. 脊尾白虾低盐种群形态性状对体质量影响的通径分析[J]. 中国农学通报, 2022, 38(35): 141-147.
[9]	罗巍, 周伟, 王振国, 李岩, 宇闻昊, 杨志强, 余忠浩, 李资文, 周亚星. 24份甜高粱主要农艺性状与生物产量综合分析[J]. 中国农学通报, 2022, 38(30): 21-28.
[10]	王苗, 汪丽爽, 李可可, 王寒, 李亚永, 董永彬, 陈澳, 李玉玲, 田明昆, 邹强. 玉米杂交分离群体的膨爆特性分析[J]. 中国农学通报, 2022, 38(15): 7-10.
[11]	王欣, 马俊祥, 滕泽宇, 王柏, 陈智文, 张清. 春玉米农艺性状及养分积累动态对水溶肥管理的响应[J]. 中国农学通报, 2022, 38(13): 13-19.
[12]	冯小璐, 孔艳娥, 孙音, 姜楠南, 房义福, 李月苓, 牛晓华. 不同品种蝴蝶兰耐冷性评价[J]. 中国农学通报, 2022, 38(1): 59-67.
[13]	谈佳玉, 倪锦, 沈建. 南极磷虾形态特性对虾肉质量的影响[J]. 中国农学通报, 2021, 37(35): 131-135.
[14]	韩钟英, 赵财, 胡发龙. 箭筈豌豆、玉米产量对间作和施氮水平的响应[J]. 中国农学通报, 2021, 37(25): 11-16.
[15]	左振兴, 纪军建, 付国庆, 王瑶, 霍阿红, 寇淑君. 基于DUS测试性状的亚麻测试品种遗传多样性分析[J]. 中国农学通报, 2021, 37(24): 48-53.

模型	相关系数	决定系数	校正决定系数	估计的标准差
1	0.912^a	0.831	0.829	6.133
2	0.922^b	0.850	0.847	5.812

模型	相关系数	决定系数	校正决定系数	估计的标准差
1	0.912^a	0.831	0.829	6.133
2	0.922^b	0.850	0.847	5.812