Variance component estimation in animal breeding: a review †

Summary The goal of animal breeding is to improve performance traits of animal populations through selection. The selection criterion is usually based on best linear unbiased prediction (BLUP) of additive genetic effects. BLUP requires knowledge about variance components that have to be estimated in practice. Due to its desirable properties restricted maximum likelihood (REML) has become the method of choice for the estimation of variance components of mixed linear models in animal breeding. Impressive progress has been made in the development of efficient computing algorithms that allow REML to be used for general mixed linear models of large data sets. Various flexible computer programs have become available. Due to the adoption of Markov chain Monte Carlo procedures Bayesian estimation has recently become feasible and is increasingly used in animal breeding applications. The availability of powerful computers and advances in the efficiency of computing algorithms allow the consideration of increasingly complex models. Therefore, the development and application of appropriate statistical procedures for model comparison is becoming more important. Zusammenfassung Varianzkomponentenschätzung in der Tierzucht‐eine Uebersicht Das Ziel der Tierzucht ist die Verbesserung der Leistung von Tierapopulationen durch Selektion. Als Selektionskriterium wird üblicherweise die beste lineare Vorhersge (BLUP) des additiv genetischen Effektes verwendet. BLUP setzt bekannte Varianzkomponenten voraus, die in der praktischen Anwendung jedoch geschätzt werden müssen. Die attraktiven Eigenschaften haben Restricted Maximum Likelihood (REML) zur Methode der Wahl für die Schätzung von Varianzkomponenten gemischter linearer Modelle in der Tierzucht werden lassen. Beachtliche Fortschritte wurden bei der Entwicklung von effizienten Rechenalgorithmen erzielt, die es erlauben REML für arbiträre gemischte Modelle und grosse Datenmengen zu verwenden. Mehrere flexible Computerprogramme wurden entwickelt und verftügbar gemacht. Die Verwendung von Markov chain Monte Carlo Prozeduren hat die praktische Anwendung der Bayes'schen Schätzung in der Tierzucht ermöglicht. Die stetige Steigerung der Rechenleistung von Computern und die Fortschritte bei der Entwicklung effizienter Rechenalgorithmen erlauben die Anwendung immer komplexerer Modelle. Daher gewinnt die Entwicklung und Anwendung von statistischen Verfahren für den Vergleich alternativer Modelle an Bedeutung.