Säilörehun korjuuajan vaikutus maitotilan talouteen –lyhyen aikavälin näkökulma

Tässä tutkimuksessa selvitettiin säilörehun korjuuajan vaikutusta maitotilan talouteen lyhyellä aikavälillä. Tutkimuksessa vertailtiin maitotilan vuosittaisia ylijäämiä neljän eri säilörehun korjuuaikastrategian välillä. Tutkimusongelman ratkaisua varten rakennettiin lineaarinen op-timointimalli, jonka tavoitefunktio oli maitotilan ylijäämän maksimointifunktio. Tarkastelussa oli mukana kaksi vakioitua maitotuotostasoa, 9 000 kg ja 10 000 kg. Työssä käytetyt maidon-tuotantotulokset perustuivat MTT Maaningan Karjatilan kannattava peltoviljely (KARPE) –hankkeessa tehtyihin kolmeen erilliseen ruokintakokeeseen sekä neljään aiempaan ruokinta-kokeeseen, jotka oli selvitetty kirjallisuuden perusteella. Säilörehun satotiedot perustuivat MTT Maaningan ja MTT Siikajoen säilörehukokeisiin. Aikaisin korjattu säilörehu, jonka satojen painotettu D-arvo oli 691 g/kg ka, oli taloudellisesti paras lypsylehmien ruokintavaihtoehto lyhyellä aikavälillä lähtöoletusten vallitessa. Suhteelli-set erot maidontuotannon ylijäämissä säilörehun korjuuaikastrategioiden välillä olivat kuiten-kin hyvin pienet, sillä säilörehun sadot kompensoivat toisiaan määrän ja laadun suhteen. Kol-men niiton säilörehunkorjuu osoittautui selkeästi kalliimmaksi vaihtoehdoksi mm. lisääntynei-den työ- ja konekustannusten takia. Tulokset olivat samansuuntaisia molemmilla maitotuotos-tasoilla. Tämän tutkimuksen perusteella säilörehun korjaaminen suositeltua hieman myöhem-min on lyhyellä aikavälillä lähes yhtä hyvä vaihtoehto kuin suositusten mukainen aikainen korjuu. Korkeaa maitotuotostasoa tavoiteltaessa erittäin myöhään korjatun säilörehun syöttä-minen on kyseenalaista, sillä se vaatisi ruokintaan hyvin korkean väkirehumäärän ja siten al-tistaa lehmän erilaisille sairauksille. Rehuohran hinnan noustessa ylijäämä laski aikaisen niiton strategialla suhteessa enemmän kuin muissa vaihtoehdoissa, kun tilalla oli pinta-alaa käytettävissä vähän. Aikaisessa korjuu-aikastrategiassa maitotilalle jouduttiin ostamaan enemmän viljaa karjan käyttöön kuin muissa strategioissa, joiden pinta-alasta riitti enemmän hehtaareja oman rehuviljan tuotantoon. Tällöin eri korjuuajoilla saavutetut ylijäämät lähenivät toisiaan. Myöhäisellä korjuulla saavutettiin paras ylijäämä, kun rehuohran hinta nousi 1,25-kertaiseksi tai enemmän 9 000 kg:n maito-tuotostasolla. Kolme niittoa osoittautui parhaimmaksi vaihtoehdoksi pienen väkirehuprosentin myötä vasta silloin, kun rehuohran hinta nousi 2,5-kertaiseksi lähtötilanteeseen verrattuna. Säilörehun korjuuaikastrategia on valittava tilakohtaisesti, jolloin koko kasvukauden aikana kertyneet nurmisadot ovat ratkaisevia karjan ruokinnassa. Lyhyellä aikavälillä korjuuajan va-linnalla maitotilan ylijäämään voi vaikuttaa vain vähän. Siksi pitkän aikavälin toimiin säilöre-hun satotasojen parantamiseksi on kiinnitettävä tilatasolla entistä enemmän huomiota.

Lineaarisesta regressiomallista monitasoiseen rakenneyhtälömalliin – Menetelmien toimivuustarkasteluja skitsofreniaperheaineistossa

Opinnäytetyössä perehdytään erilaisiin tilastollisiin menetelmiin, joilla voidaan analysoida lääkityksen vaikutusta skitsofreniapotilaiden kognitiiviseen suoriutumiseen. Analysoitava aineisto on osa laajaa perheaineistoa, joka kerättiin alun perin Terveyden ja hyvinvoinnin laitoksen tutkimusprojektia varten. Projektin tarkoituksena on selvittäävakavien mielenterveyshäiriöiden geneettistä epidemiologiaa. Keskeiset työssä käsiteltävät menetelmät ovat lineaarinen regressioanalyysi, faktorianalyysi ja rakenneyhtälömallinnus. Potilaiden kognitiivista suoriutumista on mitattu neuropsykologisella testipatteristolla, joka koostuu useasta eri testistä. Lääkityksen ja kognition välisiä yhteyksiä tutkitaan aluksi lineaaristen regressiomallien avulla, joissa lääkityksen vaikutusta jokaiseen kognitiotestiin arvioidaan erikseen. Testit kuitenkin korreloivat keskenään kohtalaisen voimakkaasti muodostaen erilaisia alaryhmiä. Analyyseissa sovelletaan täten myös rakenneyhtälömallia, jossa yksittäisten testimuuttujien sijaan tarkastellaan eräänlaisia laajempia kognitiota edustavia ulottuvuuksia. Toisaalta aineistossa voidaan ajatella olevan riippuvuutta myös havaintojen tasolla. Tutkimusaineisto on kerätty hyödyntäen perhetason otantaa, joten otoksessa saattaa olla useampi samaan perheeseen kuuluva henkilö. Tällaista monitasoista aineistoa ei suoraviivaisesti voida analysoida kaikkein yleisimmin käytetyillä tilastollisilla menetelmillä, jotka yleensä on tarkoitettu satunnaisotannalla kerätyn riippumattoman aineiston analyysiin. Monitasoisuus tullaan huomioimaan analyyseissa käyttäen ns. satunnaistekijä- ja marginaalimallinnusta. Tarkastelujen tavoitteena on ennen kaikkea kokeilla erilaisten menetelmien sovellettavuutta tässä aineistossa. Huomionarvoiset seikat liittyvät toisaalta yksittäisten regressiomallien ja rakenneyhtälömallin välisiin eroihin ja toisaalta siihen, mitä merkitystä aineiston monitasoisuuden huomioimisella on. Aluksi mallinnukset suoritetaan siten, että perherakennetta ei lainkaan huomioida. Työn myöhemmässä vaiheessa samoja menetelmiä käytetään uudelleen, tällä kertaa kuitenkin olettamatta havaintoja riippumattomiksi. Otanta-asetelman huomioiminen estimoinnissa ja toisaalta erilaiset monimuuttujamenetelmät ovat tunnettuja ja yleisesti sovellettuja. Kuitenkin menetelmät, jotka yhdistävät nämä kaksi aluetta, ovat vasta melko hiljattain vakiinnuttamassa asemaansa tutkimuksessa. Työn loppuosassa perehdytään jo melko monimutkaiseen analyysitapaan, kun sovelletaan monitasoista rakenneyhtälömallia. Eri menetelmillä saadut tulokset ovat hyvin samankaltaisia, eikä monitasoisuuden huomioiminen merkittävästi muuta analyysien tuloksia ja tulkintoja tässä aineistossa. Kokeilut antavat kuitenkin hyvän ja perusteellisen kuvan lääkityksen ja kognition välisistä suhteista ja auttavat ymmärtämään eri menetelmien välisiä suhteita.

Ilmiöiden automaattinen ennustaminen hakukonetilastojen avulla

Web-hakukoneiden merkitys tiedonhaussa on noussut merkittävään asemaan viimeisten vuosikymmenten aikana. Vaikka tiedonhaku hakukoneella on hyvin suoraviivaista, ihmiset käyttäytyvät hakukoneissa eri tavoilla. Tämän tutkielman aiheena on tutkia ihmisten hakukonekäyttäytymistä ja yrittää löytää tapoja hyödyntää näitä tutkimustuloksia. Tutkielmassa käytetään aineistona keskeisiä hakukoneiden perusteita käsitteleviä teoksia, joiden avulla käydään läpi hakukoneiden toimintalogiikkaa sekä hakukonetilastojen hyödyntämismahdollisuuksista löytyvää kirjallisuutta. Tutkielman tutkimusosuus hyödyntää Googlen tarjoamia työkaluja, joiden avulla päästään käsiksi ihmisten hakukonekäyttäytymiseen avainsanojen ja näiden hakuajankohtien osalta. Tutkimusosuudessa aiheena on ennustaa vuoden 2015 eduskuntavaalien viiden suurimman puolueen ääniosuudet. Ennustus tehtiin tutkimalla ihmisten hakukonekäyttäytymistä viiden edeltävän vaalin aikana ja suhteuttamalla nämä käyttäytymismallit tiedettyihin vaalituloksiin. Tehtiin hypoteesi, että suurempi hakuvolyymi johtaa suurempaan ääniosuuteen ja valittiin lineaarinen regressio ennustusmalliksi. Ennustusmalli toimi hyvin ja keskimääräinen virhemarginaali ääniosuuden ennustuksessa oli 2,90 %-yksikköä. Perussuomalaisten tulos oli yllätyksellinen ja ilman sitä ennustuksen keskimääräinen virhemarginaali oli 1,34 %-yksikköä. Tutkimustulosten perusteella nähdään hakukonetutkimusten potentiaali. Vaikka vaalitulosten ennustamiseen käytetty tietomäärä oli hyvin suppea, saatiin silti aikaan julkaisukelpoisia tuloksia. Näiden tulosten mukaan näyttää siltä, että Googlen hakutilastojen avulla on mahdollista ennustaa ihmisten valinnoista riippuvia nykymaailman tapahtumia lähitulevaisuuteen.