基于主成分分析和聚类分析AA肉鸡生产力评定模型的建立_马发顺.pdf

安阳工学院学报Journal of Anyang Institute of Technology Vol.22 No.2（Gen.No.122）Mar.,2023第22卷第2期（总第122期）2023 年 3 月DOI:10.19329/ki.1673-2928.2023.02.019基于主成分分析和聚类分析 AA 肉鸡生产力评定模型的建立马发顺1，张潇潇1，元雪浈2，梁秀丽1，赵利杰1，李泽濠1（1.安阳工学院 生物与食品工程学院，河南 安阳 455000；2.河南省兽药饲料监察所，郑州 450000）摘 要：为了对规模化肉鸡场 AA 肉鸡的生产力水平进行综合评定，试验以滑县某肉鸡场 5 栋鸡舍 15 周龄的 103 020 只AA 肉鸡为试验动物，对入栏数（x1）、存栏数（x2）、成活率（x3）、周耗料量（x4）、累计周耗料量（x5）、日耗料量（x6）、累计日耗料量（x7）、只耗料量（x8）、累计只耗料量（x9）、只日耗料量（x10）、累计只日耗料量（x11）、体重（x12）、周增重（x13）、日增重（x14）、周效率（x15）、累计效率（x16）等 16 项生产指标进行了相关分析、主成分分析和聚类分析，筛选出代表性生产指标，再运用主成分分析法建立生产力评定模型。结果显示：16 项生产指标间 120 个相关系数中 99 个达到极显著水平（P0.01），6 个达到显著水平（P0.05）；提取的 4 个主成分 Y1、Y2、Y3和 Y4方差贡献率分别为 83.544%、10.956%、3.662%和 1.081%，累计贡献率为 99.245%；16 项生产指标聚为 5 类；选出的代表性生产指标为 x2、x3、x5、x7、x9、x11、x12、x13和 x16；所建立的 AA 肉鸡生产力评定模型为 I=0.027x2-0.096x3+0.116x5+0.116x7+0.111x9+0.111x11+0.119x12+0.150 x13-0.122x16。此模型解决了多项生产指标的合理加权问题，可用于 AA 肉鸡的生产力综合评定。关键词：AA 肉鸡；生产指标；主成分分析；聚类分析；生产力评定模型中图分类号：S831.41 文献标志码：A 文章编号：1673-2928（2023）02-0097-06AA 肉鸡是美国爱拔益加育种公司培育的四系配套肉用鸡种，1980 年引入我国。其典型特点是适应性强、生长速度快、饲养周期短、饲料转化率高等。张尊会1、陈普青2和毕慧娟等3分别研究了环境因素、饲养方式和光照制度对 AA肉鸡生产性能的影响；李剑虹等4研究了禁食时间对 AA 肉鸡肉质的影响。主成分分析和聚类分析均是针对多指标统计分析方法，可用于主要生产指标的筛选和生产力评定模型的建立。巨晓军等5和李尚民等6对鸡肉品质和体重体尺性状进行了主成分分析；翁恺麒等7对地方鹅种的繁殖性能与生态特征进行了主成分分析；徐琪等8和程郁昕等9基于主成分分析法分别建立了鸭肉质和 AA 肉鸡屠宰性状的评估模型；马发顺等10-11运用主成分分析法建立了 AA 肉鸡生产性能评价模型；马发顺等12运用主成分分析和聚类分析法确定了 AA 肉鸡生产力评价指标。关于 AA 肉鸡生产性能的研究还有生产性能表现分析、生产指标间的相关分析和最佳生长模型的建立等13-16；马发顺等15和梁秀丽等17建立了生产指标间的回归方程。关于在主成分分析和聚类分析基础上建立AA肉鸡生产力评定模型的研究尚未见报道。本研究以5栋鸡舍103 020只AA肉鸡为试验动物，对 15 周龄的 16 项生产指标进行主成分分析和聚类分析，挑选出代表性生产指标，再运用主成分分析法建立生产力评定模型。为生产力快速综合评定提供科学依据。1 材料与方法1.1 试验动物以河南省滑县某肉鸡场 5 栋鸡舍（A1、A2、A3、A4、A5）103 020只 AA 肉鸡为试验动物。饲养方式为地面平养，按照 AA 肉鸡饲养管理规程操作，前期人工喂料，后期自动喂料，整个饲养期自由饮水；定期消毒和免疫接种，控制鸡舍环境。1.2 生产指标按鸡舍和周龄进行项目测定，所测定项目有：入栏数（x1）为鸡舍新进仔鸡数（只）；存栏数（x2）为周末存栏数（只）；成活率（x3）为存栏数与入栏数的比值（%）；周耗料量（x4）为每周消耗饲料量（kg）；累计周耗料量（x5）为从第 1 周开始周耗料累计量（kg）；日耗料量（x6）为1周内平均每日耗料量（kg）；累计日耗料量（x7）收稿日期：2022-09-21基金项目：国家重点研发计划项目（2017YFD0501000）。作者简介：马发顺（1963），男，河南长恒人，教授，研究方向为动物遗传育种和动物疾病控制。2023 年安阳工学院学报98为从第1周开始日耗料累计量（kg）；只耗料量（x8）为每只肉鸡 1 周消耗饲料量（g）；累计只耗料量（x9）为从第 1 周开始只耗料累计量（g）；只日耗料量（x10）为平均每只肉鸡每日消耗饲料量（g）；累计只日耗料量（x11）为从 1 周龄开始只日耗料累计量（g）；体重（x12）为每只肉鸡周末空腹重（g）；周增重（x13）为本周体重与上周体重之差（g）；日增重（x14）为平均每日肉鸡增重（g）；周效率（x15）为每周饲料转化率，即x2x13/x4100%；累计效率(x16)为从第 1 周开始总饲料转化率，即 x2x12/x5100%。以每栋鸡舍、每周龄作为 1 个统计样本，5 栋鸡舍 15 周龄共25 个统计样本。按周龄分别计算每个测定项目的平均数、标准误和变异系数，得到16项生产指标。1.3 数据统计处理与分析首先对 25 个统计样本按周龄进行描述统计，然后进行简单相关分析、主成分分析和聚类分析。根据特征值和方差贡献率确定主成分数，根据成分得分系数矩阵写出主成分信息表达式，主成分变量用 Yi表示；采用系统聚类法对 16 项生产指标进行聚类分析，根据各类中每一指标与其他指标间平均相关指数大小挑选代表性指标；综合主成分分析和聚类分析结果，结合生产实际确定构建生产力评定模型的主要生产指标。再运用主成分分析法（主成分变量用 Fi表示）建立生产力评定模型，模型中综合指数用 I 表示。使用 Excel 2019 软件数据分析模块进行描述统计，测量值以“平均数 标准误”表示；使用 SPSS 24.0 软件进行简单相关分析、主成分分析和聚类分析。P0.05 表示差异显著，P0.01 表示差异极显著。2 结果与分析2.1 AA 肉鸡生产指标的描述统计AA 肉鸡 15 周龄 16 项生产指标描述统计结果，见表 1。表 1 AA 肉鸡生产指标的描述统计指标项目周龄12345x1测量值/只20 604.00306.0020 604.00306.00 20 604.00306.00 20 604.00306.00 20 604.00306.00变异系数/%3.323.323.323.323.32x2测量值/只20 532.80308.2420 439.60320.29 20 161.40326.48 19 857.40328.16 19 460.60290.90变异系数/%3.363.503.623.703.34x3测量值/%99.650.0399.200.1097.840.2396.370.3494.460.47变异系数/%0.070.220.530.781.12x4测量值/kg3 681.0029.937 342.0058.9611 962.0095.11 18 981.00929.02 21 134.00680.64变异系数/%1.821.801.7810.947.20 x5测量值/kg3 681.0029.9311 023.0082.9722 985.00171.5241 966.001 033.9663 100.001 695.15变异系数/%1.821.681.675.516.01x6测量值/kg525.864.281 048.868.421 708.8613.592 711.57132.723 019.1497.23变异系数/%1.821.801.7810.947.20 x7测量值/kg525.864.281 574.7111.853 283.5724.505 995.14147.719 014.29242.16变异系数/%1.821.681.675.516.01x8测量值/g179.172.07358.785.73589.446.92948.1333.141 073.8322.32变异系数/%2.583.572.637.824.65x9测量值/g179.172.07537.957.701 127.3814.532 075.5121.293 149.3542.08变异系数/%2.583.202.882.292.99x10测量值/g25.600.3051.250.8284.210.99135.454.73153.403.19变异系数/%2.583.572.637.824.65x11测量值/g25.600.3076.851.10161.052.08296.503.04449.916.01变异系数/%2.583.202.882.292.99第二期99表 1（续）指标项目周龄12345x12测量值/g174.802.46464.805.83947.007.351 528.404.752 126.4026.84变异系数/%3.142.801.740.692.82x13测量值/g134.802.46290.007.06482.204.27581.404.24598.0025.45变异系数/%4.085.451.981.639.52x14测量值/g19.260.3541.431.0168.890.6183.060.6185.433.64变异系数/%4.085.451.981.639.52x15测量值/%75.221.9680.691.8081.240.8661.272.3055.242.80变异系数/%5.834.982.378.3811.33x16测量值/%97.912.3486.601.0083.440.7772.610.7965.811.43变异系数/%5.342.582.082.434.86从 表 1 可 见，随 着 x1增 长，测 量 值 x4、x5、x6、x7、x8、x9、x10、x11、x12、x13、x14均 呈递增趋势；x2、x3、x16均呈递减趋势；x15在 3周龄前递增，3 周龄后递减。各指标的变异表现复杂，其中 x3变异系数持续增大；x2在 4 周龄前持续增大，4 周龄后降低；x4、x6均是在 3周龄前持续降低，4 周龄升高，5 周龄再次降低；x5、x7、x15、x16均是在 3 周龄前持续降低，3 周龄后持续升高；x9、x11、x13、x14均是在 12 周龄升高，24 周龄持续降低，45 周龄再升高；x8、x10均是在 12 周龄升高，23 周龄降低，34 周龄升高，45 周龄降低；x12在 4 周龄前持续降低，4 周龄后升高。2.2 AA 肉鸡生产指标间的相关性AA 肉鸡 16 项生产指标间共计算出 120 个相关系数，其中99个达到极显著水平（P0.01），6 个 达 到 显 著 水 平（P0.05）。具体表现为，x1与 x2呈极显著正相关（P0.05）。x2与x3呈极显著正相关（P0.05），其余 3 个相关系数均极显著（P0.01）；x2、x3与其他各指标间均为极显著负相关关系（P0.01）。x15与 x16呈极显著正相关（P0.01），二者与 x3均为极显著正相关（P0.01）；除 x1、x2外，x15、x16与其余指标间均为极显著负相关关系（P0.01）。除此之外，其余指标间均为极显著正相关关系（P0.01）。2.3 AA 肉鸡生产指标的主成分分析AA 肉鸡 16 项生产指标提取出 4 个主成分。4 个主成分的特征值、方差贡献率和累计贡献率，见表 2。表 2 4 个主成分的特征值、贡献率和累计贡献率项目Y1Y2Y3Y4特征值13.3671.7530.5860.173贡献率/%83.54510.9573.6621.081 累计贡献率/%83.54594.50298.16499.245 由表 2 可知，Y1、Y2的特征值均大于 1；虽然 Y3、Y4的特征值小于 1，但与舍去的其余主成分相比较，存在较大级差；所以，取前 4 个主成分是合适的。其中，Y1包含了原有变量 83.545%的信息，Y2包含了 10.957%的信息，Y3包含了3.662%的信息，Y4包含了 1.081%的信息。4 个 主 成 分 信 息 表 达 式 为：Y1=-0.001x1-0.041x2-0.072x3+0.074x4+0.074x5+0.074x6+0.074x7+0.074x8+0.074x9+0.074x10+0.074x11+0.074x12+0.070 x13+0.070 x14-0.061x15-0.072x16，Y2=0.567x1+0.477x2+0.040 x3+0.067x4+0.03 7 x5+0.0 6 7 x6+0.037x7+0.034x8+0.014x9+0.034x10+0.014x11-0.002x12-0.017x13-0.017x14-0.065x15+0.018x16，Y3=0.056x1+0.089x2+0.0 6 6 x3+0.0 9 3 x4-0.1 5 1 x5+0.0 9 3 x6-0.151x7+0.081x8-0.147x9+0.081x10-0.147x11+0.005x12+0.599x13+0.599x14+0.924x15+0.017x16，Y4=0.474x1-0.279x2-1.243x3-0.528x4+0.481x5-0.5 2 8 x6+0.4 8 1 x7-0.3 9 4 x8+0.5 6 6 x9-0.394x10+0.566x11+0.500 x12-0.283x13-0.283x14+0.950 x15+0.806x16。从表达式中各项系数绝对值大小来看，Y1主要综合了x4、x5、x6、x7、x8、x9、x10、x11、x12的信息，Y2主要综合了 x1、x2的信息，Y3主要综合了 x13、x14、x15的信息，Y4主要综合了 x3、x16的信息。对 4 个主成分综合分析，选出的代表性生产指标马发顺，张潇潇，元雪浈，等：基于主成分分析和聚类分析 AA 肉鸡生产力评定模型的建立2023 年安阳工学院学报100为 x2、x3、x5、x7、x9、x11、x12、x13和 x16。2.4 AA 肉鸡生产指标的聚类分析AA 肉鸡 16 项生产指标聚类分析谱系图，见图 1。图 1 AA 肉鸡 16 项生产指标聚类谱系图从图 1 可知，16 项生产指标可聚为 5 大类。其中，x1为第 1 大类；x2为第 2 大类；x15为第 3大类；x13和 x14聚第 4 大类；x4、x5、x6、x7、x8、x9、x10、x11、x12先聚为 1 小类，再与 x16聚和，最后与 x3聚为第 5 大类。根据大类和小类的情况，结合生产实际，选出的代表性生产指标为 x2、x3、x5、x7、x9、x11、x12、x13和 x16。2.5 AA 肉鸡生产力评定模型根据主成分分析和聚类分析选出的 9 项代表性生产指标，再次运用主成分分析法建立 AA 肉鸡生产力评定模型。此次选取的 3个 主 成 分 的 特 征 值 分 别 为 7.978、0.702 和0.184，方差贡献率分别为 88.642%、7.800%和 2.045%，累 计 贡 献 率 为 98.488%。3 个主 成 分 信 息 表 达 式 为：F1=-0.074x2-0.122x3+0.124x5+0.124x7+0.124x9+0.124 x11+0.125x12+0.116x13-0.121x16，F2=1.151x2+0.058x3+0.173x5+0.173x7+0.117x9+0.117x11+0.081x12+0.044 x13-0.040 x16，F3=0.119x2+0.431x3-0.458x5-0.458x7-0.476x9-0.476x11-0.001x12+2.032x13-0.481x16。以方差贡献率为权数对 3 个主成分加权平均，可得到生产力评定模型。AA 肉鸡生产力评定模型为：I=0.027x2-0.096x3+0.116x5+0.116x7+0.111x9+0.111x11+0.119x12+0.150 x13-0.122x16。模型中 x3和 x16系数为负，其他各项系数为正；从系数绝对值大小看，x12、x13和 x16的系数较大，其次是 x5、x7、x9、x11。将 AA 肉鸡的各项生产指标标准化后代入模型，可得到各栋鸡舍、各周龄的生产力综合评定指数，见表 3。表 3 AA 肉鸡的生产力综合评定指数鸡舍周龄12345A1-1.126-0.699-0.1060.6861.488A2-1.130-0.671-0.1080.6721.398A3-1.171-0.701-0.1470.6111.239A4-1.176-0.679-0.1260.6281.304A5-1.102-0.661-0.0930.5091.159由表 3 可知，从周龄上比较生产力综合评定指数，各栋鸡舍 15 周龄均为递增态势，5 周龄时生产力水平最高。从各栋鸡舍间比较，1 周龄时生产力综合评定指数排序为 A5、A1、A2、A3、A4；2 周龄时排序为 A5、A2、A4、A1、A3；3 周龄时排序为 A5、A1、A2、A4、A3；4、5 周龄时排序均为 A1、A2、A4、A3、A5；综合排序为 A1、A2、A4、A3、A5。3 讨论从描述统计来看，各指标测量值随周龄变化有一定规律性，有些指标呈同向变化，有些指标呈逆向变化，指标之间的关系被简单相关分析进一步确认。各指标变异程度具有波动性变化特点，但每个指标的具体表现有所不同，变化呈多样性，此表现与马发顺等12，15的研究结果相似。本研究指标较多，信息量更大，更能体现出 AA肉鸡生产力全貌。从指标测量值和变异程度变化的具体表现，可对指标进行大致分类，指标的分类关系可被聚类分析所证实。可见，在指标分类基础上从众多生产指标中选出主要生产指标是必要的，也是可行的。本研究提取的 4 个主成分累计贡献率达99.245%，而马发顺等12提取的 3 个主成分累计贡献率为 98.79%。可见，提取的主成分数与概括的信息量有一定关系。4 个主成分所综合的信息侧重点不同，其中，Y1主要综合了耗料量和体重方面的信息，可命名为“饲料转化因子”；Y2主要综合了入栏数和存栏数方面的信息，可命名为“鸡群规模因子”；Y3主要综合了周增重和周效率方面的信息，可命名为“周效率因子”；Y4主要综合了成活率和累计效率方面的信息，可命名为“综合效率因子”。此结果与马发顺等11-12的研究结果基本一致，与马发顺等18研究得到的主成分所包含的信息更为接近，但本研究关于主成分的划分及命名更准确、具体。由主成分信息表达式计算得到的主成分得分高低可以反映出AA 肉鸡生产的基本状况，所以，生产上可以根第二期101据各项主成分得分的变化采用针对性饲养管理措施，以保证 AA 肉鸡发挥出更大的生产力。在肉鸡生产上，通常以周为时间单元进行项目测量；所以，本研究选择代表性指标时，以“周指标”为主，这样使评定模型中的生产指标更符合生产实际情况。聚类分析显示，16 项生产指标聚为 5 大类，与马发顺等11，18根据主成分分析和聚类分析对指标的分类一致；而马发顺等12把9 项生产指标聚为 4 大类，其差异可能是研究的指标数量和内容不同所致。综合聚类结果与主成分分析结果可以看出，聚类分析时，x4x12聚为 1小类，与主成分 Y1综合的信息基本一致；x1和 x2聚为 1 类，与主成分 Y2综合的信息基本一致；x13和 x14聚为 1 类，又与 x15聚为 1 类，与主成分 Y3综合的信息基本一致；x3和 x16在聚类关系中较接近，与主成分 Y4综合的信息基本一致。可见，主成分分析和聚类分析的结果基本吻合，分析效果良好。在根据聚类结果选择代表性指标时，既遵守聚类分析基本规则，又灵活使用聚类信息，把大类和小类综合考虑，这样选出的生产指标代表性更强。同时，把主成分分析和聚类分析相结合，根据各项生产指标的实际含义及其之间的关系决定取舍，这是本研究的显著特色。本研究纳入生产力评定模型的生产指标，是通过主成分分析和聚类分析从众多指标中筛选出来的，包含了马发顺等18研究确定的主要生产指标的全部信息，所以比马发顺等11所建模型更为合理。模型中各项系数的正负可反映出生产指标间的相关关系，同时也反映出生产指标与综合指数间的相关关系。模型中各项指标间的相关关系与马发顺等10-11研究结果基本一致。权数绝对值的大小代表各生产指标对综合指数的影响度。所建模型中各指标按权数排序结果也与马发顺等11的研究结果基本吻合。根据所建模型计算的 AA肉鸡生产力评定指数，15 周龄呈递增态势，表明随着周龄的增长，AA 肉鸡的生产力水平逐渐提高；虽然各栋鸡舍间的排序在 3 周龄前有交替变化，但在 4 周龄后生产力水平趋于稳定，并且各栋鸡舍间的总排序主要决定于 4 周龄之后的生产力水平。可见，生产上应更加重视生长后期的饲养管理。5 栋鸡舍中，A1生产力水平最高，其次是 A2，再次是 A4，而 A5生产力水平最低，此结果可作为肉鸡场饲养管理上的参考。4 结论AA 肉鸡 16 项生产指标间存在复杂的相关关系；提取的 4 个主成分 Y1、Y2、Y3和 Y4方差贡献率分别为 83.545%、10.957%、3.662%和 1.081%，累计贡献率为 99.245%；16 项生产指标聚为 5 类；筛选出的代表性生产指标为 x2、x3、x5、x7、x9、x11、x12、x13和 x16；所建立的 AA 肉鸡生产力评定模型为I=0.027x2-0.096x3+0.116x5+0.116x7+0.111x9+0.111x11+0.119x12+0.150 x13-0.122x16。此模型解决了多项生产指标的合理加权问题，可用于 AA 肉鸡的生产力综合评定。参考文献：1 张尊会.环境因素对AA肉鸡生产性能影响的分析J.山东畜牧兽医，2013，34（9）：15-16.2 陈普青.不同饲养方式对 AA 肉鸡生产性能和经济效益的影响 J.中国饲料，2019（16）：119-122.3 毕慧娟，王合亮，马欣，等.不同的光照制度对 AA肉鸡生产性能、屠宰性能的影响 J.家禽科学，2018（4）：3-6.4 李剑虹，闫辰，白思平，等.不同饲养方式下禁食时间对 AA 肉鸡肉质和代谢指标的影响 J.黑龙江畜牧兽医，2014（15）：108-111.5 巨晓军，章明，屠云洁，等.基于主成分分析的不同品种鸡肉品质评价J.家畜生态学报，2021，42（4）：45-51.6 李尚民，王克华，曲亮，等.徐海鸡体重与体尺性状指标的主成分分析J.家畜生态学报，2016，37（12）：66-69.7 翁恺麒，霍蔚然，张扬，等.中国地方鹅品种体量、繁殖性能与生态特征的主成分分析 J.四川农业大学学报，2020，38（2）：225-233.8 徐琪，张扬，李秀，等.基于主成分分析法建立鸭肉质的评估模型 J.中国兽医学报，2013，33（1）：133-136.9 程郁昕，段永亮.AA 肉鸡屠宰性状主成分评估模型的建立 J.畜牧与兽医，2015，47（12）：56-58.10 马发顺，王高兴，梁秀丽，等.AA 肉鸡生产性能评定模型的建立 J.黑龙江畜牧兽医，2020（16）：40-43.11 马发顺，王莫含，邢安琪，等.运用主成分分析法建立 AA 肉鸡生产性能评价模型 J.养禽与禽病防治，2021（10）：5-10.12 马发顺，邢安琪，赵梦雪，等.运用主成分分析和聚类分析确定 AA 肉鸡生产力的评价指标 J.畜牧与兽医，2021，53（2）：13-17.13 马发顺，王高兴，梁秀丽，等.滑县某肉鸡饲养场AA 肉鸡生产性能表现分析 J.畜牧与兽医，2020，52（2）：32-34.14 马发顺，张明亮，王高兴，等.AA 肉鸡生产指标间的相关性分析 J.黑龙江畜牧兽医，2020（2）：35-37.马发顺，张潇潇，元雪浈，等：基于主成分分析和聚类分析 AA 肉鸡生产力评定模型的建立2023 年安阳工学院学报10215 马发顺，秦星星，张凌源，等.AA 肉鸡生产指标间的相关回归分析 J.畜牧与兽医，2021，53（12）：12-16.16 马发顺，徐婷婷，时志琪，等.AA 肉鸡最佳生长模型的建立 J.养禽与禽病防治，2020（3）：30-33.17 梁秀丽，马发顺，赵梦雪，等.AA 肉鸡生产指标间典型相关与回归分析 J.黑龙江畜牧兽医，2022（11）：7-11.18 马发顺，牛月琳，邢安琪，等.用主成分分析法和聚类分析法确定AA肉鸡生产指标J.安阳工学院学报，2022，21（4）：104-108.Establishment of Productivity Evaluation Model for AA Broilers Based on Principal Component Analysis and Cluster AnalysisMA Fashun1,ZHANG Xiaoxiao1,YUAN Xuezhen2,LIANG Xiuli1,ZHAO Lijie1,LI Zehao1(1.School of Biotechnology and Food Science,Anyang Institute of Technology,Anyang 455000,China;2.Henan Province Animal Drug Feed Inspection Office,Zhengzhou 450000,China)Abstract:In order to comprehensively evaluate the productivity level of AA broilers in a large-scale broiler farm,103 020 AA broilers aged 15 weeks in five henhouses in a broiler farm in Hua county were used as experimental animals.Correlation analysis,principal component analysis and cluster analysis were carried out on 16 production indicators,such as the number of livestock(x1),the number of livestock(x2),the survival rate(x3),the weekly feed consumption(x4),the cumulative weekly feed consumption(x5),the daily feed consumption(x6),the cumulative daily feed consumption(x7),the cumulative feed consumption(x8),the cumulative feed consumption(x9).Correlation analysis,principal component analysis and cluster analysis were carried out on 16 production indicators,including daily material consumption only(x10),cumulative daily material consumption only(x11),body weight(x12),weekly weight gain(x13),daily weight gain(x14),weekly efficiency(x15)and the cumulative efficiency(x16).Representative production indicators were selected,and then the productivity evaluation model was established by using the principal component analysis method.The results showed that among the 120 correlation coefficients among the 16 production indexes,99 reached a very significant level(P0.01),6 reached a significant level(P0.05);The variance contribution rates of the extracted four principal components Y1,Y2,Y3 and Y4 were 83.545%,10.957%,3.662%and 1.081%respectively,and the cumulative contribution rate was 99.245%;16 production indicators were grouped into 5 categories.The selected representative production indicators were x2、x3、x5、x7、x9、x11、x12、x13 and x16.The productivity evaluation model of AA broilers established was I=0.027x2-0.096x3+0.116x5+0.116x7+0.111x9+0.111x11+0.119x12+0.150 x13-0.122x16.This model solves the problem of reasonable weighting of multiple production indexes and can be used for the comprehensive evaluation of productivity of AA broilers.Key words:AA broiler;production indicators;principal component analysis;cluster analysis;productivity evaluation model（责任编辑：连凯琪）