Análise de componentes principais em características de produção de aves de postura

Para avaliar a possibilidade de descarte de variáveis de produção em 942 aves de postura por meio de componentes principais, visando eliminar características redundantes e de difícil mensuração, foram utilizados os dados obtidos de linhagens de aves de postura do Programa de Melhoramento Genético da Universidade Federal de Viçosa. As características analisadas foram: taxa de postura da 26ª à 58ª semana de idade (TP); peso médio individual na 34ª (PMI1), na 42ª (PMI2), na 50ª (PMI3), na 58ª (PMI4) e na 66ª semana (PMI5); e peso médio do ovo na 34ª (PMO1), na 42ª (PMO2), na 50ª (PMO3), na 58ª (PMO4) e na 66ª semana de idade (PMO5). Dos 11 componentes principais, oito apresentaram variância inferior a 0,7 (autovalor inferior a 0,7), o que sugere oito variáveis para descarte. As variáveis descartadas foram aquelas com maiores coeficientes, em valor absoluto, a partir do último componente principal, uma vez que variáveis altamente correlacionadas aos componentes principais de menor variância representam variação praticamente insignificante. As variáveis descartadas apresentaram correlação linear simples significativa com as demais, ou seja, foram redundantes. Com base nesses resultados, recomendam-se as seguintes variáveis para utilização em experimentos futuros: TP, PMI1 e PMO4. To assess the possibility of discarding production variables in 942 laying hens by principle component analysis to eliminate unnecessary and difficult to measure characteristics, data were obtained from laying hen lines of the genetic breeding program of the Universidade Federal de Viçosa. The traits analyzed were egg production rate (TP) from the 26th to the 58th week, individual mean weight at the 34th (PMI1), 42th (PMI2), 50th (PMI3), 58th (PMI4) and 66th week (PMI5); egg mean weight at the the 34th (PMO1), 42nd (PMO2), 50th (PMO3), 58th (PMO4) and 66th weeks of age (PMO5). Eight of the 11 principal components showed variance lower than 0.7 (eigenvalue lower than 0.7), suggesting 8 variables to discard. The discarded variables were those that showed the highest coefficients, in absolute value, from the last principal component because variables highly correlated with the principal components of smaller variance represent practically insignificant variation. The discarded variables presented significant simple linear correlation with the others, therefore, they were redundant. Based on these results, the following variables are recommended for use in future experiments: TP, PMI1, PMO