AJUSTE DE MODELOS PARA PREDECIR EL RENDIMIENTO Y CARACTERÍSTICAS DE LA CANAL EN BASE A VARIABLES PRODUCTIVAS ANTEMORTEM DE OVINOS EN ENGORDA CON ALIMENTACIÓN INTENSIVA

Abstract

Antecedentes: La evaluación instrumental de las características de la canal, calidad de la carne y rendimiento productivo de los ovinos requiere equipos especializados, por lo tanto, es necesario contar con recursos tecnológicos y económicos que resultan, muchas veces costosos en la cadena de valor de producción de carne ovina. La predicción de las características de la canal ovina, a partir de modelos matemáticos, es un método económico, confiable y reproducible. Objetivo: Ajustar, mediante dos métodos de estimación, ecuaciones de predicción de variables postmortem, a través de variables productivas antemortem de corderos faenados en el valle de Toluca, Estado de México. Metodología: Se utilizaron 175 registros de ovinos (n= 575 corderos) en finalización, faenados por productores de barbacoa del municipio de Capulhuac, Estado de México. Se utilizaron 8 variables antemortem, para determinar ecuaciones de predicción de 18 variables relacionadas con rendimiento, morfometría, conformación muscular y grado de engrasamiento de canales de ovinos. Las canales fueron clasificadas de acuerdo a sus similitudes y se agruparon por componentes principales (CP), y se realizaron análisis de regresión lineal múltiple (RLM) sobre variables originales y cargas factoriales del análisis factorial con método de extracción de componentes principales (RCP). Resultados: Las ecuaciones ajustadas con RLM mostraron R2 ≥ 0.42 para PCC (peso de canal caliente), PCF (peso de canal fría), PP (perímetro de pierna), AG (ancho de grupa), PT (profundidad de tórax) e IC (índice de compacidad). Los supuestos de RLM fueron verificados y los estadísticos Tol, VIF, DFBETAS y DFFITS evidenciaron multicolinealidad entre variables. Para el análisis de regresión de componentes principales (RCP) se obtuvieron tres CP, que explicaron 82.78% de la σ2 (varianza), y el ajuste de RLM sobre las cargas factoriales obtuvo ecuaciones para PCC, PCF, PP, PT e IC con R2 ≥ 0.37 y hasta 0.73. Se destaca la importancia de la ecuación ajustada para PCF por su relación con el precio de la canal y por su peso como variable predictora de cortes primarios y comerciales. Implicaciones: Resulta útil y necesario que, el ajuste de ecuaciones de predicción para variables de rendimiento productivo en la ciencia animal sea acompañando de los resultados de las respectivas pruebas de los supuestos del modelo de regresión lineal múltiple. Nuestros hallazgos, apoyan la idea de examinar exhaustivamente el ajuste de las ecuaciones de predicción a fin de estimar ecuaciones con menor sesgo y mayor confiabilidad. Conclusiones: La regresión lineal múltiple sobre variables originales y vectores de los componentes principales determinó ecuaciones de predicción con distinto grado de ajuste para variables de rendimiento (PCC, PCF e IC) y calidad de la canal (PP, AG y PT). En las ecuaciones ajustadas sobre variables originales, las betas con mayor poder de predicción fueron para PS, Pvini y Pvfin. Mientras que, para el ajuste de ecuaciones de predicción con cargas factoriales de los CP, las betas con mayor poder de predicción fueron para CP1 y CP2, caracterizados por tener mayores cargas factoriales. Los valores de multicolinealidad, autocorrelación, sesgo, coeficiente de determinación y varianza explicada, demuestran que la aplicación práctica de estas ecuaciones de predicción permite una aproximación real a la estimación de las variables postmortem, sin embargo, estos valores deben tomarse considerando su fiabilidad.