<abstract xmlns="http://www.w3.org/1999/xhtml"><p>The development of seeds at various positions in the pod is asynchronous. Thus, the differences of seed dry mass production because of environmental conditions may depend on the cultivar type, type of inoculants and interrelations between seeds per pod, pods per plant or seeds per plant. Presently, a mathematical description of pea seed categorisation is missing. The aim of the study was the assessment of two groups of variables (quantitative and qualitative) for pea seed weight categorisation by ordinal regression model. Year, cultivar and inoculant constituted the first group (qualitative variables), whilst seeds per pod, the pods per plant and seeds per plant (quantitative variables) were entered as covariates in the ordinal regression model. According to the ordinal regression model variables, seeds per pod, pods per plant, seeds per plant, year and cultivar are meaningful predictors of the seed mass categories. However, the variable inoculant is marginally significant.</p></abstract>

The development of seeds at various positions in the pod is asynchronous. Thus, the differences of seed dry mass production because of environmental conditions may depend on the cultivar type, type of inoculants and interrelations between seeds per pod, pods per plant or seeds per plant. Presently, a mathematical description of pea seed categorisation is missing. The aim of the study was the assessment of two groups of variables (quantitative and qualitative) for pea seed weight categorisation by ordinal regression model. Year, cultivar and inoculant constituted the first group (qualitative variables), whilst seeds per pod, the pods per plant and seeds per plant (quantitative variables) were entered as covariates in the ordinal regression model. According to the ordinal regression model variables, seeds per pod, pods per plant, seeds per plant, year and cultivar are meaningful predictors of the seed mass categories. However, the variable inoculant is marginally significant.

Ordinal regression model for pea seed mass

Department of Crop Science, Breeding and Plant Medicine, Faculty of Agronomy

Division of Agronomy, Department of Crop Sciences

University of Natural Resources and Life Sciences Vienna (BOKU)

<trans-abstract xml:lang="de" xmlns="http://www.w3.org/1999/xhtml"><p>Die Entwicklung der Samen an den verschiedenen Positionen in der Hülse verläuft asynchron. Die Unterschiede in der Produktion des Samengewichtes von Erbse aufgrund von Umweltbedingungen könnten von der Sorte, dem Inokulum oder den Wechselbeziehungen zwischen der Kornanzahl pro Hülse, der Hülsenanzahl oder der Kornanzahl abhängig sein. Derzeit gibt es kein mathematisches Modell für die Klassifizierung von Erbsensamen. Das Ziel dieser Arbeit war es, den Einfluss von zwei Gruppen von Variablen (quantitative und qualitative) auf die Bildung des Samengewichtes von Erbse mittels eines ordinalen Regressionsmodelles zu bewerten. Jahre, Sorten und Inokulen bildeten die erste Gruppe (qualitative Variablen), während die Kornanzahl pro Hülse, die Anzahl der Hülsen und die Anzahl der Samen (quantitative Variablen) als Kovariaten in das ordinale Modell einflossen. Gemäß dem ordinalen Regressionsmodell sind Kornanzahl pro Hülse, Anzahl der Hülsen, Anzahl der Samen, Jahr und Sorte aussagekräftige Prädiktoren für die Kategorien des Samengewichts, während die Variable Inokulum geringen Einfluss hat.</p></trans-abstract>

Die Entwicklung der Samen an den verschiedenen Positionen in der Hülse verläuft asynchron. Die Unterschiede in der Produktion des Samengewichtes von Erbse aufgrund von Umweltbedingungen könnten von der Sorte, dem Inokulum oder den Wechselbeziehungen zwischen der Kornanzahl pro Hülse, der Hülsenanzahl oder der Kornanzahl abhängig sein. Derzeit gibt es kein mathematisches Modell für die Klassifizierung von Erbsensamen. Das Ziel dieser Arbeit war es, den Einfluss von zwei Gruppen von Variablen (quantitative und qualitative) auf die Bildung des Samengewichtes von Erbse mittels eines ordinalen Regressionsmodelles zu bewerten. Jahre, Sorten und Inokulen bildeten die erste Gruppe (qualitative Variablen), während die Kornanzahl pro Hülse, die Anzahl der Hülsen und die Anzahl der Samen (quantitative Variablen) als Kovariaten in das ordinale Modell einflossen. Gemäß dem ordinalen Regressionsmodell sind Kornanzahl pro Hülse, Anzahl der Hülsen, Anzahl der Samen, Jahr und Sorte aussagekräftige Prädiktoren für die Kategorien des Samengewichts, während die Variable Inokulum geringen Einfluss hat.

Die Bodenkultur: Journal of Land Management, Food and Environment

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Ein ordinales Regressionsmodell für das Samengewicht von Erbse

The development of seeds at various positions in the pod is asynchronous. Thus, the differences of seed dry mass production because of environmental conditions...

Ordinal regression model for pea seed mass

Article Category: Research Article

Published Online: Jun 30, 2017

Page range: 81 - 87

Received: Mar 14, 2017

Accepted: Jul 04, 2017

DOI: https://doi.org/10.1515/boku-2017-0008

Keywords
regression model, seed categories, inoculant, legume,

© 2017 Agnieszka Klimek-Kopyra, Jacek Strojny, Tadeusz Zając, Anna Ślizowska, Jana Klimešova, Reinhard W. Neugschwandtner, published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Ordinal regression model for pea seed mass

Article Category: Research Article

Published Online: Jun 30, 2017

Page range: 81 - 87

Received: Mar 14, 2017

Accepted: Jul 04, 2017

DOI: https://doi.org/10.1515/boku-2017-0008

Keywordsregression model, seed categories, inoculant, legume,

© 2017 Agnieszka Klimek-Kopyra, Jacek Strojny, Tadeusz Zając, Anna Ślizowska, Jana Klimešova, Reinhard W. Neugschwandtner, published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Keywords
regression model, seed categories, inoculant, legume,