Masterarbeit

Im Studiengang Agrarwissenschaften

Überprüfung der ökonomischen Gewichte in

der Zuchtwertschätzung für Fleckvieh anhand

eines Discrete Choice Experiments.

Vorgelegt von:

Maike Maria Schmüderich (918914)

Kiel, Juni 2013

Erstgutachter: Prof. Dr. Uwe Latacz-Lohmann

Zweitgutachter: Dr. Volker Saggau

Institut für Agrarökonomie

Abteilung Landwirtschaftliche Betriebslehre und Produktionsökonomie

Agrar- und Ernährungswissenschaftliche Fakultät

der Christian-Albrechts-Universität zu Kiel

Inhaltsverzeichnis

I

Inhaltsverzeichnis Abkürzungsverzeichnis........................................................................................... II

Abbildungsverzeichnis .......................................................................................... III

Tabellenverzeichnis ............................................................................................... III

Tabellenverzeichnis Anhang ................................................................................. III

1. Einleitung ......................................................................................................... 1

2. Die Zuchtwertschätzung ................................................................................... 3

2.1. Allgemeine Grundlagen ................................................................................ 3

2.2. Zuchtwertschätzung beim Fleckvieh ............................................................ 9

3. Material und Methoden .................................................................................. 16

3.1. Discrete Choice Methode ........................................................................... 16

3.2. Gestaltung und Ziele der Fragebogenausarbeitung .................................... 21

3.3. Auswertungsmechanismen ......................................................................... 31

3.3.1.1. Aufbereitung der Daten ....................................................................... 31

3.3.1.2. Grundlegende Auswertungs- und Entscheidungsmechanismen.......... 33

3.3.1.3. Die Annahme der Unabhängigkeit von irrelevanten Alternativen ...... 35

3.3.1.4. Das multinominale Probit-Modell ....................................................... 38

4. Ergebnisse ...................................................................................................... 43

4.1. Deskriptive Analyse.................................................................................... 43

4.2. Empirische Analyse .................................................................................... 49

5. Diskussion und Empfehlungen ....................................................................... 62

6. Zusammenfassung .......................................................................................... 69

Anhang ................................................................................................................... 72

Literaturverzeichnis ............................................................................................... 88

Eidesstattliche Erklärung ....................................................................................... 93

Abkürzungsverzeichnis

II

Abkürzungsverzeichnis

AGÖF Arbeitsgemeinschaft österreichischer Fleckviehzüchter

AK Arbeitskraft

ASR Arbeitsgemeinschaft Süddeutscher Rinderzucht- und

Besamungsorganisationen e. V.

BLUP Best linear unbiased prediction

BVN Besamungsvereins Neustadt an der Aisch e.V.

DCE Discrete Choice Experiment

DCM Discrete Choice Methode

DLQ Deutschen Verband für Leistungs- und Qualitätsprüfungen e.V.

DN Doppelnutzung

DNK Durchschnittsleistungen der Nachkommen

FRM Fixed-Regression-Modell

GHK Geweke-Hajivassiliou-Keane-Algorithmus

GZW Gesamtzuchtwert

HF Holstein-Friesian

IIA independence of irrelevant alternatives

LfL Bayerische Landesanstalt für Landwirtschaft

LR Likelihood-Ratio

MNL Multinominales Logit-Modell

MNP Multinominales Probit-Modell

MSL Maximum simulated Likelihood

PD Populationsdurchschnitt

RRM Random-Regression-Modell

RUT Random Utility Theory

RZW Relativzuchtwert

SPSS Statistical Package for Social Sciences

VIT Vereinigte Informationssysteme Tierhaltung w.V.

ZW Zuchtwert

ZWS Zuchtwertschätzung

Abbildungsverzeichnis und Tabellenverzeichnisse

III

Abbildungsverzeichnis

Abbildung 1: Ökonomische Gewichte der ZWS für Fleckvieh ........................... 10

Abbildung 2: Exterieurbeschreibung beim Fleckvieh ........................................... 12

Abbildung 3: Verteilung der Betriebe nach Postleitzahlen ................................... 43

Abbildung 4: Ausbildung der Entscheider der Bullenwahl ................................... 44

Abbildung 5: Umsatz im Betriebszweig Milchproduktion .................................... 45

Abbildung 6: Verteilung der Melksysteme............................................................ 47

Tabellenverzeichnis

Tabelle 1: Attribute des Bullenspermas und deren Ausprägung ........................... 27

Tabelle 2: Beispiel eines Choice Sets des Fragebogens ........................................ 28

Tabelle 3: Betriebsstruktur .................................................................................... 44

Tabelle 4: Betriebliche Parameter ......................................................................... 46

Tabelle 5: Tierhaltung und -verwendung .............................................................. 47

Tabelle 6: Verwendung neuer Zuchtmethoden...................................................... 48

Tabelle 7: Vollständiges Modell für Betriebe mit Melkrobotoren ........................ 49

Tabelle 8: Koeffizienten des reduzierten Modells und der LR-Test ..................... 50

Tabelle 9: Vollständiges Modell unter Einbeziehung aller Kreuzterme ............... 51

Tabelle 10: Vollständiges Modell für die jungen Entscheider .............................. 53

Tabelle 11: Reduziertes Modell, der signifikanten Variablen junger Entscheider 54

Tabelle 12: Vollständiges Modell für Betriebe, die gesextes Sperma einsetzen ... 55

Tabelle 13: Reduziertes Modell für Betriebe, die gesextes Sperma einsetzen ...... 55

Tabelle 14: Vollständiges Grundmodell ................................................................ 56

Tabelle 15: Reduziertes Grundmodell ................................................................... 57

Tabelle 16: Marginale Effekte des Grundmodells ................................................. 57

Tabelle 17: Marginale Effekte der Betriebe, die Melkrobotoren einsetzen ........... 58

Tabelle 18: Marginale Effekte für das Modell der jungen Entscheider ................. 59

Tabelle 19: Marginale Effekte für Betriebe, in gesextes Sperma nutzen .............. 60

Tabelle 20: Vergleich der Gewichte der ZWS und der neuaufgestellten ZWS ..... 61

Tabellenverzeichnis Anhang

Tabelle A 1: Reduziertes Modell aller Kreuzterme und LR-Test.......................... 72

Tabelle A 2: Marginale Effekte aller signifikanten Kreuzterme ........................... 72

Tabelle A 3: Junge Entscheider mit Kreuztermen und LR-Test ............................ 73

Tabelle A 4: Marginale Effekte des Grundmodells für Bulle 2............................. 73

Tabelle A 5: Marginale Effekte des Grundmodells für Bulle 3............................. 74

Tabelle A 6: Hausman-Test ................................................................................... 84

Einleitung

1

1. Einleitung

Die Ermittlung des Wertes eines Tieres für die Zucht ist Ziel jeder

Zuchtwertschätzung (WEIß ET AL., 2000). Dieser Zuchtwert unterliegt einem

ständigen Wandel, da immer neue Erkenntnisse gewonnen werden. Deshalb

erfolgt eine Zuchtwertschätzung bei der Rinderrasse Fleckvieh dreimal im Jahr.

„Die Aufgabe der Zuchtwertschätzung ist es, die Ergebnisse der

Leistungsprüfungen aufzubereiten und den Zuchtprogrammen als Grundlage für

Selektionsentscheidungen zur Verfügung zu stellen“ (DODENHOFF, 2005).

Allerdings genügt es nicht, nur die neuen Erkenntnisse aus den

Leistungsprüfungen miteinzubeziehen. Im Laufe der Zeit verändern sich die

Ansprüche der Landwirte an ihre Fleckvieh-Rinder und somit an deren

Zuchtwertschätzung. Die Ansprüche der Landwirte können sich sowohl

betrieblich bedingt, als auch durch äußere Umstände, wie veränderte

Marktsituationen, ändern. Die aktuellen ökonomischen Gewichte der Zuchtwert-

schätzung für Fleckvieh stammen aus dem August 2007 und sind demnach über

fünf Jahre alt (LFL, 2013). Aus diesem Grund stellt sich die Frage, inwiefern die

aktuellen ökonomischen Gewichte der einzelnen Parameter der

Zuchtwertschätzung überhaupt noch den Ansprüchen der Landwirte entsprechen.

Dieses soll im Rahmen der vorliegenden Masterarbeit untersucht werden. Die

Zuchtverbände überprüfen ebenfalls von Zeit zu Zeit die ökonomischen Gewichte

und passen diese gegebenenfalls an. Dieses entspricht einem Vergleich der

jetzigen Gewichte mit den Ansprüchen der Landwirte und erfolgt mit Hilfe eines

Discrete Choice Experimentes. Die Discrete Choice Methode ist eine im

Marketing häufig verwendete Methode, Zahlungsbereitschaften für einzelne

Charakteristika der Produkte zu ermitteln (SAMMER, 2007). Zudem können die

Wege der Entscheidungsfindung analysiert werden. Die Methode erlaubt eine

Auswahlentscheidung aus verschiedenen Produkten und ist demnach der Realität

nachempfunden (BACKAHAUS ET AL., 2003). Im Falle der vorliegenden

Masterarbeit erfolgt die Analyse der Ansprüche der Landwirte, die durch die

Zuchtwertschätzung ausgedrückt werden soll, mit Hilfe der Auswahl des

Produktes „Bullensperma“. Dabei werden keine Zahlungsbereitschaften für

einzelne Charakteristika des Bullenspermas ermittelt, sondern es erfolgt eine

Ableitung der ökonomischen Gewichte, wie sie den Ansprüchen der Landwirte in

der Zuchtwertschätzung für Fleckvieh entsprechen. Um die Ansprüche der

Einleitung

2

Landwirte herauszufinden und die Auswahl des Bullenspermas durchführen zu

können, bot sich eine Umfrage auf der Messe „Eurotier“ an. Der Fragebogen

wurde so konzipiert, dass mithilfe der Discrete Choice Methode die Beziehungen

zwischen den individuellen Charakteristika der Landwirte, den

Produkteigenschaften sowie der getroffenen Auswahlentscheidung untersucht

werden können (HAHN, 1997).

Die vorliegende Arbeit untergliedert sich in sechs Abschnitte. Der erste Abschnitt

ist mit der Einleitung bereits abgehandelt. In Kapitel 2 erfolgt die Beschreibung

der Zuchtwertschätzung. Zu Beginn erfolgt ein kurzer Überblick über die

Entwicklung der Tierzucht, insbesondere der Rinderzucht. Im Verlauf werden die

verschiedenen Methoden der Zuchtwertschätzung sowie deren Entwicklung im

Zeitablauf erläutert. Das folgende Unterkapitel beschäftigt sich mit der

Zuchtwertschätzung, wie sie beim Fleckvieh vorgenommen wird. Das Kapitel 3

befasst sich mit den verwendeten Materialien und Methoden. Zu Beginn erfolgt

die Beschreibung der Discrete Choice Methode. Im Anschluss werden die Ziele

und Gestaltung der Fragebogenausarbeitung erläutert. Das nächste Unterkapitel

beleuchtet die Auswertungsmechanismen näher. In Kapitel 4 erfolgt zuerst die

deskriptive und im Verlauf die empirische Auswertung der durchgeführten

Umfrage. Das Kapitel 5 gibt Empfehlungen für die zukünftige

Zuchtwertschätzung und diskutiert die gewonnen Ergebnisse. Weiterhin erfolgt

eine kritische Betrachtung der durchgeführten Umfrage. Kapitel 6 schließt diese

Ausarbeitung mit einer Zusammenfassung ab.

Zuchtwertschätzung

3

2. Die Zuchtwertschätzung

Das Kapitel unterteilt sich in zwei Unterkapitel. In den allgemeinen Grundlagen

wird zuerst die Entwicklung der Zuchtwertschätzung erörtert, um anschließend

einige grundlegende Begriffe zu erklären. Weiterhin erfolgt dann die

Beschreibung der verschiedenen Modelle, die bei der Zuchtwertschätzung zum

Einsatz kommen. Das zweite Unterkapitel beschäftigt sich mit der

Zuchtwertschätzung des Fleckviehs.

2.1. Allgemeine Grundlagen

Zwischen dem 10. und 7. Jahrhundert vor Chr. begannen die Menschen wilde

Tiere für ihre Zwecke zu halten. Dieses entspricht der Zeit, in dem der Mensch

zur Sesshaftigkeit überging. Zuerst erfolgte die Zähmung von Ziegen und

Schafen, in der zweiten Hälfte des 8. Jahrhunderts die Zähmung des Rindes. Von

diesem Zeitpunkt an wurden die gezähmten Tiere zu unseren heute bekannten

Tieren umgezüchtet. Die Haustiere unterscheiden sich stark von ihren

wildlebenden Vorfahren. Demnach kann vom Beginn der Rinderzucht gesprochen

werden (VON LENGERKEN, 2006). Zu Beginn der Tierzucht erfolgte die

Anpaarung nach rein subjektiven gewählten Kriterien, die nicht unbedingt mit

einer Leistungssteigerung einhergingen. Die gezielte Verpaarung von Tieren einer

Art führte zu einer Unterscheidung verschiedener Rassen. Meist geschah diese

Zucht in unterschiedlichen geographischen Regionen auf verschiedene Weise. Es

entstanden Landschläge, oder Landrassen. Oft sind geographische Besonderheiten

Ursache für die Entwicklung von Landschlägen. So entwickelten sich das Jersey-

Rind auf der Insel Jersey oder das Simmentaler-Rind in einer abgelegenen

schweizerischen Gebirgsregion (WILLAM & SIMIANER, 2011). Mit der

Einführung von Herdbüchern begannen eine organisierte Tierzucht sowie der

Übergang von den Landrassen zu den Kulturrassen (VON LENGERKEN, 2006).

Meist führten wirtschaftliche Bedürfnisse, wie z.B. ein erhöhter

Nahrungsmittelbedarf, zur Entwicklung der Kulturrassen (KRÄUSSLICH, 1994). In

der zweiten Hälfte des 18. Jahrhunderts begann in England die gezielte Paarung

und somit eine Zucht zur Steigerung der Leistungsmerkmale. Die

Leistungsmerkmale wurden mit ersten Leistungsprüfungen verglichen. Robert

Bakewell (1725-1795) gilt als erster Züchter, der noch heute bekannte

Nutztierrassen züchtete, darunter das Longhorn-Rind oder das Shirehorse. Das

Zuchtwertschätzung

4

erste Zuchtbuch wurde 1793 für die Pferderasse „Englisches Vollblut“ gegründet.

Das englische Shorthorn-Rind ist das erste Rind, das ein Herdbuch bekam (1822).

Seit Mitte des 19. Jahrhunderts gibt es in vielen europäischen Ländern

Züchtervereinigungen, die Herd- und Zuchtbücher führen. Weiterhin stellten die

Züchtervereinigungen Rassestandards auf, die ab dem 20. Jahrhundert verstärkt

geprüft wurden. Aus diesen Überprüfungen der Rassestandards entwickelten sich

zunehmend Leistungsprüfungen (WILLAM & SIMIANER, 2011). Ab 1866 führten

Zuchtgenossenschaften und Zuchtverbände ein Herdbuch für Fleckvieh (ASR,

2013). 1893 folgte als erste Leistungsprüfung ein öffentliches Probemelken in

Bayern. Problematisch waren die oft auf phänotypische Merkmale, also auf

äußerliche ersichtliche Merkmale wie Farbe, angelegten Rassestandards, die eine

gezielte Leistungssteigerung verhinderten. Erst ab 1950 konnte starke

Zuchtfortschritte erzielt werden, in dem wissenschaftliche Erkenntnisse vermehrt

Beachtung fanden (WILLAM & SIMIANER, 2011).

Im Folgenden müssen verschiedene Begriffe definiert werden, um

Verwechslungen oder Irritationen zu vermeiden.

Unter Zucht versteht sich die gezielte Anpaarung von Tieren, in diesem Fall

erfolgt die Annahme, dass es sich bei den Tieren um Rinder handelt. Die

Verpaarung zweier Rinder einer Population erfolgt unter dem Gesichtspunkt, dass

die Nachkommen dieser Rinder dem festgelegten Zuchtziel näher kommen als die

Eltern selbst. Somit ist die Voraussetzung, von Zucht sprechen zu können, die

Definition des Zuchtziels (FÜRST, 2013). Das Zuchtziel, ist eine im Rahmen des

Tierschutzgesetzes zulässige, willkürlich festgelegte Ausprägung von Merkmalen,

die die Nachkommen erfüllen sollen. Dabei steht in der Rinderzucht die

Erzeugung von gesunden Tieren im Vordergrund, die dem Landwirt einen

möglichst hohen Gewinn einbringen (FEWSON, 1993). Je nach Nutzung der Tiere

weichen die Zuchtziele verschiedener Rassen voneinander ab. Nach der Definition

des Zuchtziels muss der Erfolg der Züchtung anhand von Leistungsprüfungen

gemessen werden, z.B. in Form von Probemelkungen oder der Überprüfung des

Schlachtkörpers. Die Leistungsprüfungen dienen als Grundlage zur Schätzung des

Zuchtwertes (VON LENGERKEN, 2006). Die Zuchtwertschätzung (ZWS) hat das

Ziel, die Tiere innerhalb ihrer Population nach dem züchterischen Wert zu

rangieren. Der Zuchtwert ist ein Schätzwert für den erblichen Einfluss eines

Tieres auf seine Nachkommen (WEIß ET AL., 2000). Der wahre Zuchtwert bleibt

Zuchtwertschätzung

5

verborgen, es kann nur ein Zuchtwert geschätzt werden, da nicht alle additiven

Geneffekte und Umwelteinflüsse gemessen und aus dem Modell zur Ermittlung

des Zuchtwertes herausgerechnet werden können. Die mathematische

Beschreibung des Zuchtwertes lässt sich wie folgt darstellen:

(2.1)

ZW: durch den Zuchtwert bedingte Abweichung des Tieres vom

Populationsmittel (PD)

PD: Populationsmittel (Durchschnitt der Referenzpopulation)

DNK: Durchschnitt der erbrachten Leistungen der Nachkommen des Tieres, für

den der Zuchtwert ermittelt wird

Da die Nachkommen nur die Hälfte der Erbanlagen von dem Tier erhalten, für

den die Zuchtwertschätzung aufgestellt wird, erfolgt die Multiplikation der

Differenz mit 2. Die Ermittlung des Zuchtwertes ist gekoppelt an die Annahme,

dass das Tier unendlich viele Nachkommen hat. Diese Annahme ist in der Praxis

nicht gegeben. Weiterhin müssen die Paarungspartner der Referenzpopulation

entsprechen. Da beide Partner an der Entstehung des Nachkommen zu gleichen

Teilen beteiligt sind, ist sonst der Zuchtwert von dem Durchschnittszuchtwert des

Partners abhängig. Zudem erfolgt die Annahme, dass die Umwelt der

Referenzpopulation gleich der Umwelt der Nachkommen ist, da so eine

Umwelteinwirkung eliminiert werden kann (FÜRST, 2013). Nach der Schätzung

des Zuchtwertes erfolgt die Auswahl der Tiere, die dem Zuchtziel am ehesten

entsprechen. Dieser Vorgang nennt sich (künstliche) Selektion. Mit den

selektierten Tieren erfolgt die weitere Zucht, um einen Zuchtfortschritt zu

generieren. Die Einwirkungen der Umwelt sind nicht, wie in der Annahme

unterstellt, bei den Nachkommen immer identisch zu der Referenzpopulation. Sie

beeinflussen die Leistungen der Nachkommen.

Demnach können einige Merkmale, die das Erscheinungsbild des Tieres

ausmachen, besonders durch die Umwelt, andere besonders vom Genotyp, also

der vererbten Genausprägung, abhängen. Somit unterscheiden sich die Merkmale

in ihrer Erblichkeit. Diese Erblichkeit nennt sich Heritabilität. Die Werte der

Zuchtwertschätzung

6

Heritabilität liegen im Bereich von null und eins. Je kleiner die Werte sind, desto

geringer ist die Wirkung der veranlagten Gene und desto höher ist der Einfluss der

Umwelt auf die Ausprägung des Merkmals (ERNST & KALM, 1994). Ein Wert

von eins gibt an, dass das Merkmal nicht durch die Umwelt beeinflusst wird,

sondern nur von den Genen abhängt (z.B. die Farbe). Die Hauptaufgabe der ZWS

ist die Trennung des Genotyps von den Umweltwirkungen. Da die Annahmen in

der Praxis oft nicht erfüllt werden können, ist der geschätzte Zuchtwert i.d.R.

immer fehlerhaft. Das Ziel der ZWS ist es, eine möglichst genaue Schätzung des

wahren Zuchtwertes zu liefern (DEMPFLE, 1984). Aus diesem Grund ist es

wichtig, so viele Informationen wie möglich über die Leistungen aller

Nachkommen und aller Verwandten zu sammeln. Die Leistungen der Verwandten

hängen vom Genotyp ab, der mit dem Genotyp des Tieres, dessen Zuchtwert

ermittelt werden soll, in Teilen identisch ist. Um die Leistungen der Verwandten

einordnen zu können, müssen die Heritabilität der Merkmale und die

Verwandtschaftsverhältnisse definiert sein. Weiterhin muss eine Berücksichtigung

des Genotyps des Partners erfolgen, da dieser Genotyp von dem des

Populationsmittels abweichen kann.

Die Modelle der Zuchtwertschätzung unterscheiden sich zum einen in der Anzahl

der geschätzten Merkmale und zum anderen sind die Bezugspunkte verschieden.

Zur Schätzung des Zuchtwertes für ein Merkmal wird die einfachste Form: das

Ein-Merkmals-Modell, herangezogen, während die Schätzung von mehr als einem

Merkmal anhand des Mehrmerkmalsmodells erfolgt. Dieses letztgenannte Modell

führt zu Zuchtwerten, die eine höhere Sicherheit aufweisen, da auch die

genetischen Beziehungen, also Korrelationen zwischen den Genen, und nicht nur

die Heritabilitäten in das Modell einfließen. Wird das Ein-Merkmals-Modell

mehrfach wiederholt, spricht man vom Wiederholbarkeitsmodell, somit stellt

dieses die Erweiterung des Ein-Merkmals-Modell dar. Die Wiederholung des

Mehrmerkmalsmodells führt zum Testtagsmodell, bei dem bspw. der Verlauf der

Laktation mit einbezogen werden kann (FÜRST, 2013).

Die Unterscheidung der Modelle durch verschiedene Bezugspunkte spiegelt die

Entwicklung der Zuchtwertschätzung wider. Zu Beginn der Zuchtwertschätzung

in den 60er und 70er Jahren des 20.Jahrhunderts erfolgte die Zuchtwertschätzung

anhand des Populationsmittels. Unter der Annahme einer genetisch homogenen

Population wurde für alle Zuchtwerte der Population die Verteilung einer

Zuchtwertschätzung

7

Zufallsvariablen angenommen. Das Schätzverfahren heißt

„Töchterpopulationsvergleich“ oder „Zeitgefährtinnenvergleich“ (ROBERTSON &

RENDEL, 1954). Dieses Verfahren, dass das Populationsmittel als beste Schätzung

des ZWs angibt, wurde in den 70er Jahren von dem best linear unbiased

prediction (BLUP)-Modell abgelöst. Dieses BLUP-Schätzmodell entwickelte

HEDERSON (1963), um die Zufallsvariable „Zuchtwert“ einzelner Tier bestimmen

zu können. Er ging davon aus, dass sich Populationen in genetisch

unterschiedliche Subpopulationen aufteilen. Die Tiere der Subpopulation haben

einen Zuchtwert, der der Verteilung einer Zufallsvariablen entspricht. Der

Mittelwert dieser Zuchtwerte entspricht dem besten Schätzwert für das einzelne

Tier. Das erste BLUP-Modell war das Vatermodell, das nur die

Verwandtschaftsbeziehung von Vater und Tochter berücksichtigt (VOGEL-

LACKENBERG, 1992). Der Zuchtwert des Bullen wurde von den Leistungen seiner

Töchter abgeleitet. Heutzutage erfolgt die Zuchtwertschätzung mit Hilfe des

BLUP-Tiermodells, das sowohl die väterlichen Leistungen als auch die

Leistungen der weiblichen Verwandten und deren Nachkommen zur Schätzung

des Zuchtwertes nutzt (SCHAEFFER, 1984). Demnach ist der beste ZW und

Bezugspunkt des Modells der, der dem Mittel der Elternzuchtwerte entspricht

(EßL, 1996). Voraussetzung für das Tiermodell ist, dass die

Verwandtschaftsverhältnisse geklärt sind und keine falschen Abstammungen

verwendet werden, da sonst die Schätzung eines falschen ZWs erfolgt. Weiterhin

ist zu beachten, dass besonders in kleinen Populationen die Gefahr vermehrter

Inzucht besteht. Diese geschieht, weil verwandte Tiere oft einen ähnlich guten

Zuchtwert haben und dann zur weiteren Zucht genutzt werden (FÜRST, 2013).

Das BLUP-Modell lässt sich allgemein folgendermaßen darstellen (HENDERSON,

1973):

(2.2)

Y: Vektor der phänotypischen Leistungen

b: Vektor der fixen Effekte

u: Vektor der zufälligen Effekte

e: Vektor der Resteffekte

X: Designmatrix von b

Z: Designmatrix von u

Zuchtwertschätzung

8

Durch die Unterscheidung des Tiermodells und des Vatermodells entstehen zwei

Abweichungen dieser Formel, die entweder nur die Leistungen der Töchter oder

die Leistungen aller Verwandten in der Verwandtschftsmatrix berücksichtigt. Die

Schätzungen der Zuchtwerte werden gleichzeitig für männliche und weibliche

Tiere durchgeführt, dabei erfolgt die Korrektur der Umwelteffekte. Um die beste

lineare unverzerrte Vorhersage treffen zu können, müssen die Merkmale, die in

die ZWS einfließen, annährend normalverteilt sein, damit die Erwartungstreue

und Minimumvarianz auch zutreffend ist (WILLAM & SIMIANER, 2011).

Der Gesamtzuchtwert (GZW) eines Tieres lässt sich aus der Summe der einzelnen

gewichteten Relativzuchtwerte ermitteln. Ein Gesamt- oder ein Relativzuchtwert

von 100 stellt das Populationsmittel dar. Somit sind Tiere mit Zuchtwerten über

100 besser als der Durchschnitt der Population. Die Gewichtung erfolgt durch den

wirtschaftlichen Wert, der ein Merkmal für die Zucht darstellt. Diese

Wirtschaftlichkeitskoeffizienten sind in verschiedenen Populationen

unterschiedlich. Zudem sind sie abhängig vom Marktgeschehen und von der Zeit

(WEIß ET AL., 2000). Demnach müssen sie regelmäßig überprüft und ggf.

angepasst werden. Aus diesem Grund sind Zuchtwerte unter 100 nicht unbedingt

schlechter als das Populationsmittel. Dieses ist der Fall, wenn bspw. ein veralteter

Zuchtwert mit einem aktuellen verglichen wird. Als der Zuchtwert damals

aufgestellt wurde, konnte das Tier zu den Besten gehören. Der Zuchtwert wird in

den folgenden Jahren durch die regelmäßigen Anpassungen abdiskontiert, was

dazu führt, dass der Zuchtwert im Vergleich schlechter ist als das

Populationsmittel. Das Populationsmittel verschiebt sich im Laufe der Jahre durch

die Generierung des Zuchtfortschrittes nach oben, wodurch diese Unterschiede

zustande kommen (WILLAM & SIMIANER, 2011).

Zuchtwertschätzung

9

2.2. Zuchtwertschätzung beim Fleckvieh

Das heute bekannte Fleckvieh geht auf das Simmentaler-Rind zurück, das in der

Bergregion des Simmentals in der Schweiz seinen Ursprung hat. Mittlerweile

erfolgt die Zucht des Fleckviehs seit über 150 Jahren (RINDERZUCHT TIROL,

2013). Eingeführt wurden die ersten Simmentaler-Rinder, um im Süden

Deutschlands die lokalen Landschläge zu verbessern. Das damalige Drei-

Nutzungsrind überzeugte durch sehr gute Zug- und Milchleistung. Eine gute

Bemuskelung konnte das Simmentaler-Rind ebenfalls aufweisen. Mit diesen

vielfältigen Leistungen war es den Landrassen Süddeutschlands deutlich

überlegen, was dazu führte, das sich das Fleckvieh durch eine Verdrängungszucht

schnell ausbreitete. Zu Beginn des 20. Jahrhunderts wurde das Fleckvieh in

Reinzucht weiterentwickelt, dadurch wurde das Herdbuch geschlossen und die

Zucht als eigenständige Rasse fortgesetzt. Die in der Mitte des 19. Jahrhunderts

gegründeten Zuchtverbände und -genossenschaften bauten die

Leistungsprüfungen und die Bullenhaltung auf. Weiterhin stellten sie Elitebücher

für Kühe auf (ASR, 2013). Durch den maschinellen Fortschritt verlor das

Fleckvieh ab 1930 zunehmend seine Stellung als Zugtier (ERNST & KALM, 1994).

Daraufhin erfolgte die weitere Zucht als Zwei-Nutzungsrind. Bis heute ist das

Fleckvieh eines der bedeutendsten Zwei-Nutzungsrinder in Mitteleuropa. Auch

weltweit kommt das Fleckvieh zum Einsatz, besonders die guten

Mutterkuheigenschaften und die Milchleistung machen es besonders in der

Mutterkuhhaltung begehrt (RINDERZUCHT TIROL, 2013). Zudem überzeugt das

Fleckvieh im Bereich der Fitness und durch sekundäre Merkmale, wie Zellzahl

oder Fruchtbarkeit. Dieses macht das Fleckvieh besonders interessant für

Kreuzungszuchten, da so die gewünschten Heterosiseffekte auftreten. Die

Zuchtwertschätzung des Fleckviehs erfolgt in Österreich seit 1963 für die Milch

mithilfe des Töchterpopulationsmodells. 1982 führte Bayern (AVERDUNK, 1984)

und 1983 Baden-Württemberg das BLUP-Vatermodell für Milchleistungs-

merkmale ein (KARRAS, 1984). Österreich folgte diesem Beispiel 1985 (FUCHS,

1984). 1992 löste in Österreich das BLUP-Tiermodell für die

Milchleistungsmerkmale und das Fitnessmerkmal Persistenz den Töchter-

populationsvergleich ab. In den folgenden Jahren wurden weitere

Fitnessmerkmale, sowie der ökonomische Gesamtzuchtwert eingeführt (1998).

Seit 2000 wurde eine gemeinschaftliche Zuchtwertschätzung des Fleckviehs von

Zuchtwertschätzung

10

Deutschland und Österreich mit den Merkmalen Exterieur, Melkbarkeit,

Gebrauchskreuzungszuchtwert begonnen. Die Durchführung der gemeinschaft-

lichen Zuchtwertschätzung für alle Merkmale findet seit 2002 statt. Für die

Milchzuchtwertschätzung wurde ein Testtagsmodell eingeführt. 2010 und 2011

folgte die Erweiterung der ZWS um die Einführung der genomischen ZWS

(FÜRST, 2013). Seit 2002 wird der Gesamtzuchtwert (GZW) als primäres

Selektionskriterium verwendet. Der GZW definiert auch das gemeinschaftliche

Zuchtziel der Fleckviehzucht in beiden Ländern (ASR, 2013). Das Zuchtziel

strebt eine Verbesserung der Eiweißmenge, der Fitness, die Konstanthaltung der

Fleischleistung und eine Steigerung der Lebensleistung an. Zudem soll eine lange

Nutzungsdauer mit einer mittleren Lebensleistung von 30.000 kg Milch erreicht

werden (RINDERZUCHT TIROL, 2013). Das Fleckvieh als Zweinutzungsrasse

zeichnet sich im Vergleich zu reinen Milchrassen auch schon heute durch

günstige Fitnesseigenschaften aus (KROGMEIER, 2005). Umgesetzt werden diese

Zuchtziele mithilfe der ökonomischen Gewichte der Zuchtwertschätzung. Der

Relativzuchtwert der Milchmerkmale hat einen Anteil am Gesamtzuchtwert von

37,8%, der Relativzuchtwert Fleisch hat einen Anteil von 16,5% am GZW. Die

Fitnessmerkmale fließen mit einem Anteil von 43,7% und die Melkbarkeit mit 2%

in den Gesamtzuchtwert ein. In Abbildung 1 sind die einzelnen Relativzuchtwerte

in ihre Unterkategorien aufgeteilt:

Abbildung 1: Ökonomische Gewichte der ZWS für Fleckvieh

Quelle: eigene Darstellung nach ASR, 2013 und LfL, 2013

7,3% 4,6%

4,6%

4,4%

33,4%

2%

13,4%

6,8%

9,7%

3,7% 8,1% 2%

Nettozunahme

Ausschlachtung

Handelsklasse

Fettmenge

Eiweißmenge

Melkbarkeit

Nutzungsdauer

Fruchtbarkeit

Zellzahl

Kalbeverlauf

Totgeburten

Persistenz

Fitness 43,7% Fleisch 16,5%

Milch 37,8%

Melkbarkeit 2%

Zuchtwertschätzung

11

Aus Abbildung 1 ist ersichtlich, dass sich die Milchmerkmale, die in den GZW

einfließen, aus der Fettmenge (4,4%) und der Eiweißmenge (33,4%)

zusammensetzt. Der Anteil von 43,7% der Fitnessmerkmale am GZW teilt sich in

2% Persistenz, 8,1% Totgeburten, 3,7% Kalbeverlauf, 9,7% Zellzahl, 6,8%

Fruchtbarkeit und 13,4% Nutzungsdauer auf. Die Fleischleistungsmerkmale

spalten sich in 7,3% Nettozunahme und jeweils 4,6% Ausschlachtung und

Handelsklasse auf. Die Melkbarkeit ist ein selbstständiger Anteil und macht 2%

des GZW aus. Die Beschreibung des Zuchtziels erfolgt mithilfe dieser

ökonomischen Gewichtung des Gesamtzuchtwertes. Formal würde die folgende

Formel den Gesamtzuchtwert des Fleckviehs beschreiben:

In den Gesamtzuchtwert beim Fleckvieh fließen im Gegensatz zu bspw. den

Schwarzbunten keine direkten Werte des Exterieurs, wie z.B. der Rahmen oder

das Fundament ein. Ebenso sind das Euter oder die Bemuskelung nicht Teil des

Gesamtzuchtwertes. Diese Faktoren bilden als Hauptmerkmale jedoch den

Grundstock jeder Zuchtwertschätzung. Die Prüfung dieser Hauptmerkmale und 19

weiterer Einzelmerkmale erfolgt mithilfe der linearen Beschreibung (AGÖF,

2006). Die Ergebnisse werden regelmäßigen veröffentlicht. In den

Bullenkatalogen finden sich diese Ergebnisse als Exterieurprofil ebenfalls wieder.

Eine beispielhafte Exterieurbechreibung ist in Abbildung 2 zu sehen:

Zuchtwertschätzung

12

Abbildung 2: Exterieurbeschreibung beim Fleckvieh

Quelle: BVN & Eurogenetik Bullenkatalog, 2013

Demnach sind die Merkmale, obwohl sie den Gesamtzuchtwert nicht

beeinflussen, für jeden Züchter zugänglich. In der Abbildung wird deutlich, dass

100 wieder den Durchschnitt darstellt. Das wünschenswerte Optimum muss

allerdings nicht erforderlicher Weise oberhalb der 100 liegen. So wünschen sich

die Prüfer einen steileren Sprunggelenkswinkel, was dazu führt, dass die Werte

unter 100, die zu präferierenden sind. Die Vererbung der Beckenneigung dieses

Bullen liegt nahezu im Populationsdurchschnitt und auch im gewünschten

Optimalbereich. Das Vordereuter vererbt sich schlechter als im Durchschnitt der

Population (ZW 96). Das Fundament ist besonders stark ausgeprägt und erhält für

dieses Tier einen ZW von 118.

Um den Relativzuchtwert (RZW) der Milchleistungsmerkmale zu ermitteln,

nutzen Deutschland und Österreich seit 2002 ein Testtagsmodell. Dieses Modell

wurde gemeinschaftlich mit dem Agrifood Research Centre in Jokioinen

(Finnland) entwickelt. Das Testtagsmodell ist eine Sonderform des

Mehrmerkmalsmodells, bei dem die Leistung an einem Kontrolltag direkt in das

Zuchtwertschätzmodell einfließt. Das Modell simuliert anhand der gesammelten

Daten eine typische mittlere Verlaufskurve, in diesem Fall der Milchleistung, die

Zuchtwertschätzung

13

am Testtag als 24-Stunden-Gemelk ermittelt wurde (WILLAM & SIMIANER,

2011). Demnach muss keine vollständige Laktations- oder Abschnittsleistung

vorliegen, um die Informationen in der Zuchtwertschätzung verwerten zu können.

Die Kontrolltagsleistungen werden zwischen den Laktationstagen 8 und 350

erhoben. Auch hier gilt: Je mehr Informationen vorhanden sind, desto besser.

Deshalb gibt es auch keine Grenze bezüglich des Laktationsstadiums, auch von

Kühen mit mehreren Laktationen werden Daten gesammelt. Jedoch nehmen die

Beobachtungen mit zunehmender Anzahl an Laktationen deutlich ab. Die Daten

der Verwandten vervollständigen das Testtagsmodell. Auf mütterlicher Seite

fließen drei Generationen, auf väterlicher Seite die letzten acht Generationen ein.

Kann die Verwandtschaft nicht genau ermittelt werden, werden die Daten anhand

von Alter, Geschlecht und Herkunftsland geschätzt. Es gibt zwei Arten von

Testtagsmodellen, das Fixed-Regression-Modell und das Random-Regression-

Modell. Zur Ermittlung der Zuchtwerte für Milchleistungen beim Fleckvieh wird

das Random-Regression-Modell (RRM) genutzt. Dieses hat im Vergleich zum

Fixed-Regression-Modell (FRM) den Vorteil, dass die Daten des Testtags nicht

innerhalb einer Laktation als wiederholte Beobachtungen betrachtet werden,

welches zu einem festen Zuchtwert für alle Laktationstage führen würde, sondern

dass mithilfe von zufälligen Regressionskoeffizienten und Kovariablen für alle

305 Laktationstage jeweils ein eigener ZW errechnet wird. Diese werden dann zu

einem Zuchtwert für die gesamte Laktation zusammengerechnet (FÜRST, 2013).

Demnach sind die Kontrolltage der Laktation genetisch verschiedene Merkmale,

die eine tägliche Leistungsabweichung aufweisen (VIT, 2013). Die berechneten

ZW korrelieren sowohl mit den Laktationstagen der Laktation, in dem der

Kontrolltag liegt, als auch mit denen der anderen Laktationen. Die

Umwelteinflüsse, die die Kontrolltagsleistungen beeinflussen, können direkt in

der Testtagszuchtwertschätzung berücksichtigt werden. Hierzu zählen die Punkte

Herdenkontrolltag, Kalbealter, Trächtigkeit, Laktation und Laktationsstadium

sowie die Streuung innerhalb der Herden. Mit dem Herdenkontrolltag erfolgt der

Vergleich der Leistungen innerhalb der eigenen Herde, da auf diese Herde die

gleichen Umwelteinflüsse, wie bspw. Fütterung oder Temperatur, wirken. Das

Kalbealter sowie der Tag der Trächtigkeit beeinflussen die Milchleistung der

Kühe. Deshalb erfolgt mit der Einbeziehung dieser Daten die Korrektur der

erbrachten Leistung. Die Leistungen des Teststaggemelks hängen von der

Zuchtwertschätzung

14

Laktationsnummer und dem –stadium ab, in dem sich die Kuh befindet. Sie

spiegeln den unterschiedlichen Verlauf der Laktationskurve wider und müssen mit

einbezogen werden. Die Streuung der Testergebnisse innerhalb der Herde kann in

einigen Betrieben sehr hoch, in anderen dagegen nur sehr gering sein. Da das

Modell der ZWS auf Abweichungen vom Populationsmittel beruht, kann dieses

den ZW ungewollt verändern (vgl. Kapitel 2.1). Deshalb erfolgt die Korrektur

dieser Streuung durch die Streuung der nicht durch das Zuchtwertschätzmodell

erklärbaren zufälligen Restfehler, also der Residuen. Der Milchwert errechnet sich

aus den Ergebnissen des Testtagsmodells (ZW für Fett- und Eiweißgehalt (in Kg))

und deren ökonomischen Gewichtung (1:10) (FÜRST, 2013).

Aus dem Testtagsmodell für Milch kann der ZW der Persistenz abgeleitet werden.

Die Persistenz gibt das Durchhaltevermögen der Milchleistung an, die aus der

Laktationskurve des RRM zwischen dem 60. und 300. Laktationstag resultiert. Es

muss allerdings eine Korrektur erfolgen, um die fett- und eiweißkorrigierte

Milchmenge zu erhalten (FÜRST, 2013).

Das BLUP-Tiermodell liefert die Ergebnisse der Zuchtwertschätzung für Fleisch.

In das Tiermodell fließen 10 Merkmale ein, somit handelt es sich um ein

multivariates Verfahren, bei dem die Merkmale unter Einbeziehung der

genetischen Korrelation gleichzeitig geschätzt werden. Die Ergebnisse der 10

Merkmale stammen aus der Eigenleistungsprüfung im Feld (bei Versteigerungen)

oder auf einer Prüfstation, aus Schlachthofdaten (ungelenkte Feldprüfung) sowie

aus Nachkommenprüfungen in Prüfstationen. Der Fleischwert ermittelt sich aus

den Merkmalen Nettozunahme, Ausschlachtung und Handelsklasse (im Verhältnis

48: 26: 26). Der Relativzuchtwert für die Fleischleistung hat einen Mittelwert von

100 mit einer Streuung von 12 Punkten (Standardabweichung) (FÜRST, 2013).

Die Relativzuchtwerte für den Kalbeverlauf, die Totgeburtenrate sowie für die

Fruchtbarkeit werden ebenfalls mithilfe des BLUP-Tiermodells berechnet. Für die

Zuchtwerte des Exterieurs, die beim Fleckvieh nicht in den Gesamtzuchtwert

einfließen, erfolgt die ZWS ebenfalls mit dem BLUP-Tiermodell. Die Darstellung

der Zuchtwerte erfolgt wie bereits beschrieben.

Der Zuchtwert für die Nutzungsdauer wird anhand eines Weibull-

Regressionsmodell geschätzt. Diese entspricht einem Vater-Muttersvater-Modell,

bei dem nur eine Betrachtung der Verwandtschaften zwischen Stieren stattfindet.

Zuchtwerte der weiblichen Verwandten werden näherungsweise errechnet. Es

Zuchtwertschätzung

15

besteht kein großer Unterschied zum Tiermodell, da sehr viele Daten in das

komplexe Modell einfließen, bei dem das zu schätzende Merkmal das

Abgangsrisiko darstellt. Das Abgangsrisiko wird durch das Erstkalbealter, die

relative Leistung innerhalb der Herde, die Größe der Herde und deren

Veränderung sowie durch die Alpung, Heterosiseffekte und

Rekombinationsverluste beeinflusst. Zudem müssen regionale, saisonale und

managementbedingte Unterschiede einbezogen werden (FÜRST, 2013).

Die Zuchtwerte für Zellzahl und Melkbarkeit werden mit einem Testtagsmodell

ermittelt. Im Unterschied zu der Zuchtwertschätzung der Milchleistungsmerkmale

erfolgt die Schätzung mit dem Fixed-Regression-Modell. Da für die Zellzahl

keine Normalverteilung vorliegt, werden die Werte der Zellzahl logarithmiert. Die

Zellzahlergebnisse werden in den ersten drei Laktationen zwischen dem 8. und

312. Laktationstag gesammelt. Die Ergebnisse der Melkbarkeitsprüfung stammen

entweder aus einer Stoppuhrmessung (in Österreich, Baden-Württemberg und

Hessen) oder es erfolgt, wie in Bayern, die Ermittlung der Melkbarkeit im

Rahmen der Michleistungsprüfung mithilfe der Parameter Milchmenge aus

Haupt- und Nachgemelk sowie der Dauer des Haupt- und Nachgemelks. Aus

beiden Methoden wird das durchschnittliche Minutengemelk errechnet. Da

Untersuchungen ergeben haben, dass beide Werte auf unterschiedlichen

genetischen Merkmalen beruhen, müssen auch beide Merkmale unterschiedlich in

die ZWS einfließen. Da bei den Merkmalen der Melkbarkeit ebenfalls keine

Normalverteilung vorliegt, erfolgt eine Transformation durch Ziehen der

Quadratwurzel. Die Ergebnisse stammen ausschließlich aus der ersten Laktation

(zwischen dem 8. und dem 275. Tag). Für die Zellzahl wird für jede der drei

Laktationen ein ZW ermittelt. Um den RZW zu ermitteln, erfolgt die Berechnung

des durchschnittlichen ZW dieser drei Laktationen. Bei der Melkbarkeit wird als

Relativzuchtwert nur der Wert des durchschnittlichen Minutengemelks aus

Österreich und Baden-Württemberg veröffentlicht. Auch bei diesen RZW liegt

das Mittel bei 100 mit einer Standardabweichung von 12 Punkten.

Aus dieser Ermittlung der einzelnen Relativzuchtwerte entsteht mithilfe der

ökonomischen Gewichte der Gesamtzuchtwert der Doppelnutzungsrasse

Fleckvieh, wie oben beschrieben.

Material und Methoden

16

3. Material und Methoden

Zu Beginn erfolgt die Beschreibung der verwendeten Discrete Choice Methode.

Im Anschluss werden die zu testenden Hypothesen sowie die Gestaltung des

Fragebogens erläutert. Das Kapitel 3.3. befasst sich mit den verschiedenen

Methoden, die während der Auswertung genutzt wurden.

3.1. Discrete Choice Methode

FECHNER legte bereits im Jahre 1860 den Grundstein für die Discrete Choice

Methode (DCM) mit seiner „Study of psychophysics“ (aus ANDERSON ET AL.,

2001). Als Begründer der DCM gelten LUCE & TUKEY (1964), THEIL (1970) und

QUANDT (1992), MCFADDEN (1974) und LOUVIERE (1983) als Entwickler der

ökonomischen Auswertungsmethoden.

Theorie

Die DCM ist eine Art, die Präferenzen von ökonomischen Entscheidern mithilfe

von labormäßig simulierten, hypothetischen Entscheidungsalternativen zu messen.

Dabei lassen sich Beziehungen zwischen Produkteigenschaften und individuellen

Präferenzen der Entscheider sowie deren Auswahlentscheidungen feststellen

(HAHN, 1997). Die Entscheidungsalternativen werden dem Probanden in Form

sogenannter Choice Sets vorgelegt.

Die Grundidee der Discrete Choice Methode basiert auf der Characteristic Theory

of Value von LANCASTER (1966) und der Random Utility Theory (MCFADDEN,

1974).

Die Characteristic Theory of Value besagt, dass nicht das Gut an sich Nutzen

stiftet, sondern die Vielzahl seiner Charakteristika. Diese werden als Attribute

bezeichnet und sind die eigentlichen Nutzenstifter (LANCASTER, 1966).

Die Random Utility Theory (RUT) geht davon aus, dass der Nutzen eines Gutes

nicht direkt messbar ist, sondern der Nutzen nur indirekt beobachtbar ist. Es

handelt sich demnach um einen latenten Nutzen. Deshalb lässt sich die

Nutzenfunktion der RUT in eine deterministische (beobachtbare) und eine

stochastische (nicht beobachtbare) Komponente zerlegen (AUSPRUG & LIEBE,

2011). Dieser latente Zufallsnutzen wird durch folgende Formel beschrieben,

weshalb auch vom Zufallsnutzenmodell gesprochen wird:

(3.1)

Material und Methoden

17

: Nutzen U einer Alternative j für die Person i

: deterministische Nutzen V als Summe der Einflüsse der Attribute des

Produktes z und der Person s

: Spezifikations- und Messfehler; zufällige Komponente

Weiterhin wird keine individuelle Nutzenfunktion angenommen, sondern eine

aggregierte Nutzenfunktion, da auf Grund der „geringen Anzahl von

Auswahlentscheidungen je Proband keine Berechnung individueller Nutzenwerte

möglich ist“ (BACKHAUS ET AL., 2003). Die einzelnen Präferenzen der Probanden

lassen sich mithilfe von Vektoren berücksichtigen. Der deterministische Nutzen V

kann als additive Funktion der M persönlichen Eigenschaften und der Einflüsse

der N Attribute dargestellt werden (vgl. BREUSTEDT ET AL., 2013):

∑ ∑

(3.2)

Der Proband wählt die Alternative j*, die den Nutzen maximiert, da die Annahme

des Homo oeconomicus unterstellt wird. Daraus ergibt sich folgende Gleichung:

m für alle j J²

(3.3)

Eine Nutzenmaximierung geht einher mit der Wahl der Alternative, die die

höchste Präferenz aufweist. Dadurch steigt die Wahrscheinlichkeit diese

Alternative aus der vorgegebenen Menge an Alternativen auszusuchen.

für alle j J

(3.4)

: Parameter der Produkteigenschaften

: Parameter der Probandeneigenschaften

werden ökonometrisch geschätzt

: Interaktionsterme

: wenn die Alternative j* gewählt wird, sonst 0

F: Funktion, die zwischen 0 und1 liegt, bspw. eine logistische Funktion

Material und Methoden

18

Praxis

Die Discrete Choice Methode kommt besonders im Verkehrs- und

Gesundheitsbereich zum Einsatz (TELSER, 2002). Im Bereich der

Agrarwissenschaft nutzt besonders die Umweltökonomie das Verfahren des

Discrete Choices. So befassen sich BREUSTEDT ET AL. (2013) mit der

Teilnahmebereitschaft an Vertragsnaturschutzprogrammen unter Zuhilfenahme

der DCM. Im Zuchtbereich nutzen ROESSLER ET AL. (2008) und OUMA (2007)

die DCM, um Anforderungen an die Schweinehaltung in Vietnam und

Präferenzen phänotypischer Merkmale von Rindern zu untersuchen. Für die

Zuchtwertschätzung bei Rindern liegen noch keine Veröffentlichungen vor.

Die Durchführung von Discrete Choice Experimenten (DCE) erfordert eine

genaue Planung des Untersuchungsobjektes. Voraussetzung, um ein DCE

durchführen zu können, sind diskrete Produkte, die sich untereinander in

verschiedenen Ausprägungen, Attribute genannt, offensichtlich unterscheiden.

Der Proband wählt aus einer bestimmten Anzahl von Gütern, die er

unterschiedlich wahrnimmt und die untereinander konkurrieren (BUNCH &

BATSELL, 1989). Für diskrete Produkte kann nur eine Ja-oder-nein-Entscheidung

erfolgen, da es eine Wahl für das gesamte Produkt und nicht für ein oder mehrere

Attribute des Produktes ist.

Zu Beginn muss das Ziel der Untersuchung festgelegt werden. Im Folgenden wird

das Produkt in seine Eigenschaften aufgespalten. Für die anschließende Befragung

sollten alle Eigenschaften gewählt werden, bei denen die Vermutung nahe liegt,

dass sie bei der Wahl von Bedeutung sind (BACKHAUS ET AL., 2003). Erfolgt

diese Auswahl nicht ordnungsgemäß, könnte diese zu einer verzerrten Analyse

führen, da der Proband in den Attributen seine Prioritäten nicht wieder findet. Um

dieses zu vermeiden, empfiehlt sich nach abgeschlossener Vorbereitung ein

Pretest. Als Nächstes erfolgt die Festlegung der Ausprägungen der einzelnen

Attribute, auch Levels genannt. Hierzu gibt es verschiedene Möglichkeiten. Zum

einen ist es möglich, dass bei einigen Produkten verschiedene Ausprägungen

vorgegeben sind, bspw. ein vorhandenes oder fehlendes Bio-Siegel. Zum anderen

können Ausprägungen durch statistische Verfahren ermittelt werden, z.B. eine

Berechnung verschiedener Quantile einer Reihe vorgegebener Preisdaten.

Generell gibt es keine vorgeschriebene Skala für die Attributsausprägungen. Es

sind zudem quantitative (z.B. eine Angabe in Wochen) oder qualitative Levels

Material und Methoden

19

(z.B. hoch oder gering) möglich. Um den Befragungsaufwand in Grenzen zu

halten, da dieser überproportional mit den Attributen und Levels steigt, und den

Befragten nicht zu überfordern, empfiehlt sich eine Begrenzung der Attribute und

Ausprägungen (BACKHAUS ET AL., 2003).

Eine Korrelation der verschiedenen Attribute sollte vermieden werden, damit

Verzerrungen vermeiden werden. Eine Kompensation der einzelnen

Attributsausprägungen hingegen ist wünschenswert. Hierdurch entsteht ein Trade-

off, der notwendig ist, um marginale Effekte berechnen zu können. „Ein Trade-off

liegt vor, wenn eine Person bereit ist, etwas von einem Attribut aufzugeben, um

mehr von einem anderen zu erhalten“ (AUSPRUG & LIEBE, 2011).

Aus den einzelnen Attributen und Levels können nun verschiedene Produkte

zusammengesetzt werden. Diese Produkte müssen zu mehreren gruppiert werden,

damit eine Entscheidungssituation herbeigeführt werden kann. Es besteht sowohl

die Möglichkeit nur zwischen verschiedenen Produkten zu wählen, als auch die

Option der nicht-Wahl aller Produktalternativen. Bis zu vier verschiedene

Wahlalternativen sind für den Probanden zumutbar (AUSPRUG & LIEBE, 2011).

Diese Auswahlentscheidung wird als Choice Set bezeichnet. Durch die Vielzahl

der unterschiedlichen Kombinationsmöglichkeiten der Produkte ist es kaum

möglich, alle Alternativen per Hand zu erfassen. Hierzu gibt es verschiedene

Computerprogramme (z.B. SPSS), die diese Arbeit erledigen. Es entsteht bei der

Verwendung aller Level und Attribute ein full factorial Design. Dieses erlaubt die

Schätzung aller Haupteffekte und Interaktionen. Es ist perfekt orthogonal, das

bedeutet, es besteht keine Multikollinearität zwischen den

Eigenschaftsausprägungen. Ein Modell ohne Multikollinearität hat einen D-

Efficency-Wert von 100 (KUHFELD ET AL., 1994). In den meisten Fällen ist ein

perfekt orthogonales Modell zu komplex und es enthält Kombinationen, die

keinen Sinn machen. Ein fractional factorial Modell erscheint ausreichend. Dieses

ist ein reduziertes orthogonales Modell, das einen möglichst hohen D-Efficency-

Wert aufweist. Multikollinearität beschreibt die wechselseitige Abhängigkeit von

Variablen in einer multivariablen Analyse (vgl. RUDOLF & KUHLISCH, 2008).

Hierzu mehr in Kapitel 3.2.

Das Statistikprogramm gibt, je nach Attributs- und Levelzahl, unterschiedlich

viele Choice Sets aus. Eine gängige Variante ist es, den Entscheidern mehrere

Choice Sets vorzulegen. Allerdings können, trotz des reduzierten orthogonalen

Material und Methoden

20

Modells, nicht alle Choice Sets von einer Person bearbeitet werden. Eine zu große

Anzahl von Choice Sets pro Umfrage führt zu einer hohen Abbruchrate, einer

sinkenden Teilnahmebereitschaft und zu Lerneffekten. In der Literatur erscheinen

verschiedene Werte für die maximale Anzahl an Choice Sets pro Fragebogen.

BACKHAUS (2003) nennt maximal 12 bis 15 Choice Sets pro Proband, JOHNSON

& ORME (1996) empfehlen bis zu 20,. und CAUSSADE ET AL. (2005) begrenzen

die Anzahl schon auf 10 Choice Sets. Fakt ist, mehrere Choice Sets pro Proband

verringern den Befragungsaufwand und die damit entstehenden Kosten. Weiterhin

kann schon mit einer vergleichsweise geringen Umfragezahl gutes Datenmaterial

gesammelt werden.

Die Zusammenstellung der verschiedenen Choice Sets zu Gruppen erfolgt am

besten per Zufallsprinzip, je nach Art der Umfrage in Papier- oder Onlineform.

Bei der Onlineumfrage bietet es sich an, die Anzahl der Choice Sets festzulegen

und bei jedem Probanden zufällig die Choice Sets erscheinen zu lassen. Bei der

Papierform sollten verschiedene Fragebogenversionen erstellt werden, in denen

zufällig, aber versionsabhängig immer dieselben Choice Sets vorhanden sind.

Je nach Umfang des Fragebogens und Erreichbarkeit der Probanden erfolgt die

Festlegung der Umfragemethode. Natürlich treten je nach Umfrageart

unterschiedliche Kosten auf, die ebenfalls berücksichtigt werden sollten. Die

Befragung kann mit einem schriftlichen Fragebogen, per Telefon oder Computer

oder in einer persönlichen Befragung erfolgen (TELSER, 2002). Persönliche

Befragungen sind in der Regel teurer als computergestützte Umfragen.

Material und Methoden

21

3.2. Gestaltung und Ziele der Fragebogenausarbeitung

In diesem Abschnitt folgt die Anwendung der in Kapitel 3.1 beschriebenen

Vorgehensweise der Durchführung von Discrete Choice Experimenten anhand der

Entscheidungsfindung bei der Auswahl von Fleckviehbullen.

Ziele

Diese Arbeit beschäftigt sich mit der Überprüfung der ökonomischen Gewichte in

der Zuchtwertschätzung beim Fleckvieh. Mit Hilfe eines Discrete Choice

Experimentes soll herausgefunden werden, auf welche der Bulleneigenschaften

der Landwirt als Entscheider unter Einbeziehung der Kosten des Spermakaufs am

meisten Wert legt. Da sich die Fleckviehbullen verschieden vererben, entstehen

unterschiedliche Level der einzelnen Attribute. Analog zum Entscheidungsmodell

in Kapitel 3.1 wird erwartet, dass der Landwirt das Bullensperma auswählt, dass

seine Präferenzen am besten zum Ausdruck bringt und ihm deshalb den höchsten

Nutzen stiftet. Setzt man den rational handelnden Landwirt voraus, entscheidet

dieser unter Berücksichtigung seiner betrieblich gegebenen Umstände und den

Eigenschaften des Bullen sowie dem Preis pro Portion des Spermas. Demnach

fällt die Wahl auf den Bullen, der die höchste Wahrscheinlichkeit hat durch die

Anpaarung mit den Kühen, die Kälber hervorzubringen, die dem Idealbild des

Züchters am nächsten kommen. Die Überprüfung der ökonomischen Gewichte,

mit denen die einzelnen Attribute in die Zuchtwertschätzung eingehen, ist zudem

ein weiteres Ziel der Ausarbeitung. Hierbei ist ein Vergleich zwischen den

jetzigen Gewichten und denen, die durch das DCE gewonnen wurden, angedacht.

Das Ziel der Untersuchung ist damit erläutert. Nun erfolgt die Zerlegung des

Produktes in seine Eigenschaften. Das Produkt „Bullensperma“ hat verschiedene

Eigenschaften, die sich nicht äußerlich zu erkennen geben. Es unterscheidet sich

lediglich in den vererblichen Merkmalen, die entweder genomisch geprüft oder

durch Leistungsprüfungen festgestellt worden sind. Um die vererblichen

Eigenschaften der einzelnen Bullen herauszufinden, erfolgt eine Zuchtwert-

schätzung für jeden Bullen (vgl. z.B. BAYERISCHE LANDESANSTALT FÜR

LANDWIRTSCHAFT). Aus dieser Zuchtwertschätzung wurden die Eigenschaften

des Bullenspermas abgeleitet. Eine Übernahme aller für die Zuchtwertschätzung

relevanten Merkmale ist für ein Discrete Choice Experiments zu umfangreich.

Deshalb musste eine Begrenzung der Eigenschaften auf die wichtigsten

stattfinden. DESHAZO & FERMO (2002) raten davon ab, ein Produkt mit mehr als

Material und Methoden

22

zehn Attributen zu beschreiben (aus MANGHAM ET AL., 2008). Der

Gesamtzuchtwert setzt sich aus Milchwert, Fleischwert und Fitnesswert

zusammen. Deshalb müssen Attribute aus allen drei Kategorien ausgesucht

werden.

Stellvertretend für den Milchwert steht die Milchmenge, diese wurde gewählt, da

die Landwirte, die Bullensperma kaufen, i.d.R. Milchviehhalter sind und die

weibliche Nachzucht zur Milcherzeugung nutzen. Die Milchmenge an sich fließt

nicht direkt in den Zuchtwert ein, allerdings hätten sonst, der Vollständigkeit

halber, beide den Milchwert beschreibenden Merkmale aufgenommen werden

müssen (vgl. Kapitel 2.2). Zudem erfolgt eine Angabe der

Milchleistungssteigerung im Bullenkatalog (LFL & BVN, 2012). Der Fleischwert

ist ein eigenes Attribut für das Discrete Choice Experiment, zusätzlich fließt die

Bemuskelung als ein Attribut des Bullenspermas ein, da diese Einfluss auf das

Fleisch und die Fitness bzw. das Exterieur hat. Zum Exterieur gehört auch das

Euter, ein weiteres Attribut für das DCE. Das Euter spielt auch in der Kategorie

Fitness eine Rolle, hier ist die Melkbarkeit und Zellzahl wichtig. Um eine

Eingrenzung der Attribute vorzunehmen, wurde nur das Euter in das DCE

aufgenommen, obwohl dieses eine erhebliche Vereinfachung beinhaltet. Da

Eutererkrankungen eine häufige Abgangsursache sind, wurde die Nutzungsdauer

der Kuh als Attribut mit aufgenommen. Das Fundament als Grundgerüst jedes

Rindes und als ein weiterer häufiger Abgangsgrund musste ebenfalls als Merkmal

in das DCE einfließen, obwohl dieser Wert ebenfalls kein direkter Teil der

Zuchtwertschätzung ist. Zudem ist der Preis pro Portion Bullensperma ein

Attribut, da so die Zahlungsbereitschaften für die einzelnen Merkmale ermittelt

werden können. Damit zerlegt sich das Produkt „Bullensperma“ für die Discrete

Choice Methode in folgende sieben Attribute:

• Vererbung der Milchleistung (abgekürzt: Milchleistung)

• Vererbung des Euters (abgekürzt: Euter)

• Vererbung der Nutzungsdauer (abgekürzt: Nutzungsdauer)

• Vererbung des Fundaments (abgekürzt: Fundament)

• Vererbung des Fleischwertes (abgekürzt: Fleischwert)

• Vererbung der Bemuskelung (abgekürzt: Bemuskelung)

• Preis pro Portion des Bullenspermas (abgekürzt: Preis)

Material und Methoden

23

Nach der Festlegung der Attribute erfolgt, wie zuvor in Kapitel 3.1 beschrieben,

die Bestimmung der einzelnen Ausprägungen der Eigenschaften. Hierzu wurden

die einzelnen Werte aus der Zuchtwertschätzung für Fleckvieh herangezogen, die

als „gemeinsame Zuchtwertliste von Deutschland und Österreich“ veröffentlicht

ist (vgl. LFL, 2012). Die besten 1000 Fleckviehbullen gingen in die Berechnung

der Level ein. Für das Euter, die Nutzungsdauer, das Fundament, den Fleischwert

und die Bemuskelung ist der Relativzuchtwert die Grundlage. Dieser beschreibt,

wie sich der Bulle in Bezug auf die Population vererbt. 100 entspricht dem

Populationsmittel. Demnach sind Werte über 100 besser als der Durchschnitt der

Population und Werte unter 100 schlechter als das Populationsmittel. Für die

Milchleistung liegen keine Relativzuchtwerte vor, deshalb wird die Menge Milch

(in Litern) angegeben, die die Nachkommen des Bullen über oder auch unter dem

Durchschnitt der Population geben. Eine Berechnung der Quantile erscheint als

beste Alternative, um die unterschiedlichen Ausprägungen der Level festzulegen.

Diese Methode gibt die realistischsten Werte wider. Es wurden, neben dem

Mittelwert der 1000 besten Bullen, das 10%- und das 90%-Quantil berechnet.

Als Nächstes erfolgt eine Ausarbeitung der Hypothesen, die sich aus dem

Entscheidungsmodell und der Attribute ergeben. Da die Präferenzen des

Landwirtes mit den betrieblichen Gegebenheiten korrelieren, müssen neben dem

Discrete Choice Experiment auch betriebliche Fakten in der Umfrage abgefragt

werden. Aus diesen betrieblichen Fakten, den persönlichen Merkmalen des

Züchters und der Eigenschaften der Bullen ergeben sich folgende Hypothesen, die

anhand der Ergebnisse der Befragung empirisch überprüft werden:

1. Setzt ein Landwirt einen Melkrobotor ein, achtet dieser bei der Wahl des

richtigen Bullen für seine Kühe vermehrt darauf, dass der Bulle gute Euter

vererbt.

Melkrobotoren arbeiten ohne menschliche Hilfe beim Ansetzen des

Melkgeschirres. Hierzu nutzen sie Ultraschall, Laser und optischen Sensoren. Der

Melkrobotor kann unförmige Euter sowie schiefe oder solche mit überzähligen

Zitzen nicht erkennen, und demnach sind Kühe mit suboptimalen Eutern

ungeeignet für Melkrobotoren (HARSCH, 2010). Der Landwirt kalkuliert dieses

bei seiner Entscheidungsfindung mit ein.

Material und Methoden

24

2. Der Landwirt achtet, sofern er die männliche Nachzucht selbst mästet, bei

der Bullenauswahl vermehrt auf die Vererbung der Bemuskelung.

Da der Landwirt nicht nur auf den Erlös des männlichen Kalbes wert legt, sondern

auch auf die Qualität des Fleisches, wird er auf eine gute Bemuskelung achten.

Bei guter Bemuskelung der Nachzucht erzielt der Landwirt einen höheren

Schlachterlös als bei Tieren mit schlechterer Bemuskelung.

3. Eine eigene Mast der männlichen Nachzucht führt bei der Bullenauswahl

zu einer vermehrten Beachtung des Fleischwertes.

Nicht nur die Bemuskelung, sondern auch der Fleischwert interessieren den

Landwirt. Der Fleischwert enthält die Komponenten: Nettozunahme,

Handelsklasse und Ausschlachtung (LFL, 2009). Eine möglichst schnelle

Zunahme von gutem Fleisch ist Ziel des Landwirts.

4. Je höher die Abgangsrate eines Betriebes, desto höher ist die

Wahrscheinlichkeit, dass der Betriebsleiter sich bei der Bullenwahl für einen

Bullen entscheidet, der eine lange Nutzungsdauer vererbt.

Eine hohe Abgangsrate führt unter Umständen zu einem Engpass bei der

Remontierung mit eigener Nachzucht, der durch Zukäufe ausgeglichen werden

muss. Ein Zukauf von Färsen ist nicht ohne Risiko und ggf. teurer als die eigene

Nachzucht.

5. Je höher die Abgangsrate in einem Betrieb, desto mehr Wert legt der

Landwirt auf die gute Vererbung des Fundamentes.

Fundamentprobleme sind einer der häufigsten Gründe, weshalb Milchkühe den

Betrieb verlassen. Ein mangelhaftes Fundament führt unter anderem zu

schmerzhaften Klauenproblemen, die die Milchleistung negativ beeinflusst, oder

es verhindert, dass die Kuh ihrem Leben im Laufstall nachgehen kann.

6. Vollerwerbslandwirte reagieren stärker auf Preisanreize bei der Wahl des

Bullenspermas.

Vollerwerbslandwirte, deren Ziel eine Gewinnmaximierung ist, reagieren stärker

auf Preisveränderungen des Bullenspermas als Landwirte, die

außerlandwirtschaftliche Einkünfte erzielen und nur im Nebenerwerb Milchvieh

Material und Methoden

25

halten. Zum einen ist dieses oft mengenbedingt, da Nebenerwerbslandwirte selten

so viele Kühe besamen, und zum anderen verfolgen sie nicht unbedingt das Ziel

der Gewinnmaximierung.

7. Je geringer der Umsatz der Milchproduktion am Gesamtumsatzes des

Betriebes, desto wichtiger wird der Preis des Bullenspermas.

Betriebe, die unter 50% ihres Umsatzes im Bereich Milchproduktion

erwirtschaften, nehmen günstigeres Sperma von Bullen, die sich vermeintlich

schlechter vererben. Die Milchproduktion nimmt einen geringeren Stellenwert ein

als ein anderer Betriebszweig, weshalb Ausgaben im Milchsektor möglichst

gering gehalten werden.

8. Ein studierter Landwirt reagiert stärker auf Preise von Bullensperma als

Landwirte ohne agrarwissenschaftlichem Studium.

Studierte Landwirte haben einen ökonomischeren Blick und ordnen Preise und

Ausgaben anders ein als Landwirte ohne Studium. Es findet eine stärkere

Abwägung des Preis-Leistung-Verhältnisses statt.

9. Je geringer die Milchleistung im Herdendurchschnitt ist, desto stärker

wird der Entscheider der Bullenwahl auf eine Erhöhung der Milchleistung achten.

Eine geringe Milchleistung im Herdendurchschnitt hat zur Folge, dass der Betrieb

einen geringeren Erlös verzeichnet. Es wäre durch eine bessere genetische

Veranlagung der Kühe möglich, mit gleichem Input einen höheren Output zu

erzielen. Demnach sollten Betriebe mit einer Milchleistung von unter 7500 kg pro

Jahr eine Erhöhung der Milchleistung anstreben.

10. Jüngere Landwirte entscheiden bei der Bullenwahl anders als ältere.

Landwirte, die nach 1980 geboren wurden, setzen im Vergleich zu älteren

Landwirten ihre Prioritäten an anderer Stelle. Neu erlernte Techniken oder

Verfahren bieten Chancen, denen ältere Landwirte skeptischer entgegenblicken

als jüngere. Demnach entscheiden ältere Landwirte konservativer.

Material und Methoden

26

11. Entscheider der Bullenauswahl, die gesextes Sperma einsetzen, haben

unterschiedliche Präferenzen im Vergleich zu Betrieben, in denen kein gesextes

Sperma zum Einsatz kommt.

Gesextes Sperma führt dazu, dass hauptsächlich weibliche Nachzucht erzeugt

wird. Deshalb sollten Merkmale, die den Fleischwert und die Bemuskelung

betreffen, von untergeordneter Bedeutung für den Landwirt sein.

Gestaltung

Im vorherigen Abschnitt wurde schon erläutert, welche Attribute in das Discrete

Choice Experiment einfließen. Die Berechnung der unterschiedlichen Level

erfolgte mit Hilfe der vorhanden Relativzuchtwerte oder im Fall der Milchleistung

anhand des Literzuwachses in der nächsten Generation. Der Mittelwert sowie das

10%- und 90%-Quantil wurden statistisch ermittelt. Beim Preis hingegen konnte

keine statistische Berechnung vorgenommen werden, da trotz vorhandener Daten

eine zu geringe Spanne zwischen dem 10%- und 90%-Quantil vorhanden war. Die

Preise pro Spermaportion, die die Besamungsverbände verlangen, unterschieden

sich nur geringfügig. Um Anreize zu setzen, empfahl sich eine extremere

Verteilung der Preise. Dieses sollte dazu führen, bessere Trade-offs zu entwickeln.

Eine extreme Verteilung der Preislevel könnte einerseits dazu führen, dass der

Landwirt eine differenzierte Beurteilung der einzelnen Eigenschaften vornimmt,

da mit dem Spermakauf höhere Kosten entstehen, dessen Qualität erst einmal

gründlich nachvollzogen werden muss. Andererseits könnten gerade Landwirte

mit geringerem Budget vor dem Kauf von teurem Sperma zurückschrecken. Bei

einer geringfügigen Unterscheidung der Preise erscheinen die Unterschiede nicht

relevant für den Landwirt, es erfolgt eine kostenunabhängige Beurteilung. Da für

alle Attribute drei verschiedene Eigenschaften gewählt wurden, sind auch drei

Ausprägungen für den Preis empfehlenswert. Für den Preis sind 5 Euro, 15 und 25

Euro pro Spermaportion ausgewählt worden. Bei der Milchleistung ergaben sich

die Attributsausprägungen: 445 Liter, 763 und 1068 Liter über dem

Populationsmittel (10%-Quantil, Mittelwert, 90-Quantil). Für das Euter erfolgte

eine Ermittlung der Relativzuchtwerte von 98, 108 und 118 (10%-Quantil,

Mittelwert, 90-Quantil). Die Relativzuchtwerte für die Nutzungsdauer liegen bei

99, 110 und 120. Das Fundament hat die Relativzuchtwerte von 96, 106 und 116.

Beim Fleischwert wurden die Werte 98, 108 und 119 für die Relativzuchtwerte

errechnet. Für die Bemuskelung ergaben sich 91, 102 und 113 als

Material und Methoden

27

Relativzuchtwerte. In der folgenden Tabelle 1 sind die Eigenschaften und die

verschiedenen Ausprägungen noch einmal zusammenfassend dargestellt:

Tabelle 1: Attribute des Bullenspermas und deren Ausprägung

Attribut Erläuterung Ausprägungen (10%-

Quantil/ Mittelwert/ 90%-

Quantil) Milchleistung Angabe in Litern über dem

Populationsmittel

445/ 763/ 1068

Euter RZW (100 entspricht dem

Populationsmittel)

98/ 108/ 118

Nutzungsdauer RZW (100 entspricht dem

Populationsmittel)

99/ 110/ 120

Fundament RZW (100 entspricht dem

Populationsmittel)

96/ 106/ 116

Fleischwert RZW (100 entspricht dem

Populationsmittel)

98/ 108/ 119

Bemuskelung RZW (100 entspricht dem

Populationsmittel)

91/ 102/ 113

Preis Preis in Euro und pro Portion

des Spermas

5/ 15/ 25

Quelle: eigene Darstellung

Das Produkt „Bullensperma“ ist nun in seine Attribute und Eigenschaften zerlegt,

es folgt die Wahl der Anzahl der Alternativen. Da schon eine hohe Anzahl an

Attributen und Levels vorliegt, sollten nicht zu viele Alternativen zur

Entscheidung angeboten werden, um eine Überforderung der Landwirte zu

vermeiden. Eine Option der nicht-Wahl ist in diesem DCE nicht vorgesehen. Es

geht darum, dem Landwirt eine möglichst realitätsnahe Befragungssituation zu

bieten (KUHFELD ET AL., 1994). Aus diesem Grund fiel die Entscheidung gegen

eine nicht-Wahl-Option und für drei verschiedene Bullenspermen. Die drei Bullen

unterscheiden sich in sieben Attributen mit jeweils drei Eigenschaften, damit ist

ein Choice Set komplett. „Die Ausprägungen dieser Attribute werden über die

Alternativen hinweg variiert“ (AUSPRUG & LIEBE, 2011). Dazu wurde das

Statistikprogramm SPSS genutzt. SPSS gab 64 verschiedene Choice Sets aus.

Hierzu ein exemplarisch gewähltes Choice Set:

Material und Methoden

28

Tabelle 2: Beispiel eines Choice Sets des Fragebogens

Bulle/Milchleistung Bulle 1 Bulle 2 Bulle 3

Milchleistung 763 445 1068

Euter 118 98 108

Nutzungsdauer 120 120 99

Fundament 106 96 116

Fleischwert 98 98 98

Bemuskelung 91 102 91

Preis pro Portion (Euro) 5 25 5

Ich würde wählen:

Quelle: eigene Darstellung des SPSS-Outputs

SPSS erstellte ein orthogonal, reduziertes Design. Ein Choice Set wies über alle

Alternativen in allen Attributen dasselbe Level auf und wurde folglich entfernt, da

keine Entscheidung für einen Bullen möglich war. Weiterhin gab es in einigen

Choice Sets Bullen, die in allen Attributsausprägungen Vorteile gegenüber den

anderen Bullen der Entscheidungssituation hatten, deshalb wurden diese neun

entfernt. Bei einigen weiteren Choice Sets erfolgte eine Änderung in einer

Ausprägung bei einem Attribut, um eine Dominanz des Bullen zu vermeiden. Am

Ende der Bearbeitung der Choice Sets wurde das veränderte orthogonal,

reduzierte Design auf Multikollinearität geprüft. Wie KUHFELD (1994)

beschreibt, ist ein D-Efficiency Wert von 100 nicht möglich wegen des

reduzierten Designs und den zusätzlichen Veränderungen innerhalb der Choice

Sets. Allerdings erreicht das Modell noch einen sehr guten Wert von 96,5.

Die 54 Choice Sets kann kein Umfrageteilnehmer auf einmal beantworten,

deshalb musste eine Einschränkung und zufällige Auswahl erfolgen. Auf Grund

der persönlichen Interviews auf der „Eurotier“ 2012 empfahl sich eine klassische

Papierumfrage, da mehrere Landwirte gleichzeitig, aber unabhängig voneinander

am Experiment teilnehmen konnten. Ein persönliches Interview hat den Vorteil,

dass die Rücklaufquote und die Qualität der gewonnenen Daten hoch ist. Die

Messe „Eurotier“ bot sich als Plattform für das Discrete Choice Experiment an, da

dort genügend Milchviehhalter, die die Rasse Fleckvieh nutzen, anzutreffen sind.

Das Fleckvieh ist, wie näher in Kapitel 2.2 beschrieben, vor allem im

Süddeutschenraum vertreten. Deshalb wäre ohne die Messe „Eurotier“ eine

Material und Methoden

29

persönliche Umfrage nicht möglich gewesen, da der Kostenaufwand durch die

Reise und Befragung unverhältnismäßig hoch wäre. Es hätte eine andere

Umfrageart gewählt werden müssen. Eine Telefonumfrage ist in der heutigen Zeit

sehr schwierig, da durch die vielen Call-Center-Befragungen eine geringe

Bereitschaft besteht, an einer Umfrage teilzunehmen. Weiterhin ist eine

Beantwortung der Choice Sets ohne visuelle Betrachtung und Vergleich der

Alternativen nahezu unmöglich. Es hätte eine erste telefonische Kontaktaufnahme

stattfinden können, aber zur Beantwortung des Fragebogens hätte der Fragebogen

per Post an die Landwirte geschickt werden müssen. Das Internet, als eine weitere

Möglichkeit der Umfragedurchführung, ist die kostengünstigste Alternative.

Jedoch ist die Rücklaufquote der Beantwortung des Fragebogens sehr gering,

weshalb eine sehr große Anzahl potenzieller Teilnehmer auf die Umfrage

aufmerksam gemacht werden muss (HÄDER, 2010). Die Messe „Eurotier“ bot,

dank des Besamungsvereins Neustadt an der Aisch mit deren Unterstützung die

Umfrage durchgeführt wurde, die beste Möglichkeit der Umfrageerhebung.

Da die Literatur keine eindeutige optimale Anzahl der Choice Sets mit drei

Produktalternativen und je sieben Attributen vorgibt, fiel die Entscheidung, jedem

Teilnehmer der Umfrage sechs Choice Sets vorzulegen. Um alle Choice Sets den

Landwirten gleichmäßig vorzulegen, wurden neun verschiedene Fragebögen

erstellt. Die Auswahl der sechs Choice Sets erfolgte nach dem Zufallssystem. Jede

Fragebogenversion enthält demnach immer die gleichen sechs Choice Sets. Eine

Entscheidung für eine Alternative ist durch die Vielzahl der Attribute kompliziert.

„The greater the number of attributes, the greater the cognitive difficulty of

completing a DCE“ (MANGHAM ET AL., 2008). Zusätzlich ist die Konzentration

während der Umfrage durch die Messeatmosphäre beeinträchtigt. Zu den sechs

Choice Sets, die jeder Landwirt, der an der Umfrage teilnahm, beantworten

musste, kamen eine Reihe von Fragen zum Betrieb. Diese Fragen weisen keine

Unterschiede in den verschiedenen Versionen des Fragebogens auf. Wie aus den

oben genannten Hypothesen ersichtlich wurde neben dem Betriebstyp und dem

Umsatz auch das Alter und die Berufsausbildung des Entscheiders der Bullenwahl

erfragt. Die im Betrieb gehaltenen Rinderrassen und die Verwendung der

Nachzucht sowie Milchquote und durchschnittliche Herdeleistung und Mastdauer

der Bullen waren ebenfalls Teil der Umfrage. Am Ende des Fragebogens ging es

neben der Haltungsform der Kühe vor allem um den Einsatz und die Ansicht des

Material und Methoden

30

Landwirtes bezüglich neuerer Verfahren, wie z.B. dem Einsatz von gesextem

Sperma. Alle Fragen nach soziodemographischen Parametern befinden sich im

Anhang in Form eines der neun Versionen des Fragebogens, der den Landwirten

auf der Messe „Eurotier“ vorgelegt wurde. Zu Beginn des Fragebogens sollten

leicht zu beantwortende Fragen stehen, die nicht zu persönlich sind, um eine gute

Interviewatmosphäre zu schaffen. Anschließend folgen die schwierigen Fragen, in

diesem Fall die sechs Choice Sets. Den Abschluss bilden noch einige leicht zu

beantwortende Fragen (HÄDER, 2010).

Material und Methoden

31

3.3. Auswertungsmechanismen

Das erste Unterkapitel beschreibt die Aufbereitung der gesammelten Daten. Das

folgende Unterkapitel befasst sich mit den grundlegende Auswertungs- und

Entscheidungsmechanismen, die zur Auswertung genutzt wurden. Das dritte

Unterkapitel erläutert die Annahme der Unabhängigkeit von irrelevanten

Alternativen. Im letzten Unterkapitel wird das geschätzte multinominale

Probitmodell näher betrachtet.

3.3.1.1. Aufbereitung der Daten

Das Dircrete Choice Experiment wird mit Hilfe des Statistikprogramms „Stata“

ausgewertet. Für kleinere Berechnungen und die Abbildung 3 bot sich MS Excel

als Auswertungsmethode an. Da die Umfrage nicht elektronisch vorgenommen

wurde, mussten die Daten von der Papierform erst in MS Excel übertragen

werden, damit sie im Folgenden in das Stataprogramm exportiert werden können.

Um eine Kompatibilität mit dem englischsprachigen System des Stataprogrammes

herzustellen, musste in MS Excel zu Beginn der Datenübertragung auf die im

englischsprachigen Raum übliche Schreibweise konfiguriert werden. Dieses geht

einher mit der Vertauschung von Punkt und Komma als Dezimal- und

Hundertertrennzeichen.

Nach dem Einlesen der Daten in Stata erfolgte eine Überprüfung auf die

Korrektheit der Daten. Dabei fielen einige Übertragungsfehler von der Papierform

auf, die in „Stata“ mit dem „replace“-Befehl behoben wurden. Weiterhin erfolgte

eine durch die Übertragung verursachte Änderung der Antworten. Einige Befragte

ließen einen Teil der Fragen aus, da sie diese aus betrieblichen Gründen nicht

beantworten konnten. So fehlte bei den Landwirten, die die Bullen alle

verkauften, u.a. die Mastdauer der Bullen. Durch das Einlesen der Daten in Stata

erhielten frei gelassene Zellen in MS Excel teilweise anstelle eines Punktes das

Symbol in Stata für eine offene Antwort: eine Null. Dieses verfälschte im Verlauf

der Auswertung u.a. die durchschnittlichen Werte, welches ein falsches Bild der

Betriebe verursachte. Der „replace“-Befehl ermöglichte hier ebenfalls die

Korrektur der Daten. Nach der Kontrolle der Daten erfolgte die Aufbereitung

dieser. Zu Beginn der Aufbereitung wurde die Milchleistung standardisiert.

Dieses musste erfolgen, da die Milchleistung als einzige Angabe im Choice-Set,

abgesehen vom Preis pro Portion Sperma in Euro, kein Relativzuchtwert ist. Um

Material und Methoden

32

im Verlauf der Auswertung, besonders bei der Berechnung der marginalen

Effekte, besser Vergleiche ziehen zu können, bietet sich die Einführung eines

standardisierten Wertes an, der dem Relativzuchtwert der anderen Attribute

entspricht. Die Standardabweichung der Relativzuchtwerte beträgt 12 Punkte. Die

Standardabweichung der Milchmenge beträgt 802kg. Das Populationsmittel 100

entspricht dem Wert der Milchleistung von 0kg. Daraus ergibt sich für die

Milchleistung von 445kg über dem Populationsmittel ein fiktiver

Relativzuchtwert von 106,66 (aufgerundet 107). Für die Milchmenge 763kg der

im Choice-Set aufgeführten Mengen errechnet sich der Wert von 111,42

(abgerundet 111). Der höchste Wert für die im Choice-Set dargestellte

Milchmenge von 1068kg über dem Populationsmittel erhält den fiktiven

Relativzuchtwert von 115,98 (aufgerundet 116). Diese Werte werden in Stata mit

dem Befehl „replace“ geändert und zur weiterführenden Analyse genutzt.

Um festzustellen, ob betriebliche Besonderheiten eine Veränderung der

Entscheidung herbeiführen, wurden sogenannte Kreuzterme eingeführt. Dazu

müssen als erstes Dummy-Variablen hergestellt werden. Diese Dummy-Variablen

nehmen nur den Wert null und eins an (KOHLER, 2008). Eins, wenn diese

Eigenschaft im Betrieb vorhanden ist, und null, wenn diese Eigenschaft nicht auf

den Betrieb zutrifft. Hierzu muss in Stata der Befehl „generate“ verwendet

werden. Nach dem „generate“-Befehl muss der Name des neuen Dummys stehen

sowie dessen Ausprägung(=0 oder =1). Als Befehlszusatz wird eine if-Bedingung

verwendet, damit das Statistikprogramm die umzuwandelnde Variable erkennt.

Zusätzlich enthält diese Bedingung die Ausprägung der ursprünglichen Variable

(bspw. if Melksystem==3). Im Anschluss erfolgt eine Generierung einer neuen

Variablen aus der Dummy-Variablen multipliziert mit der Ausprägung der

Eigenschaft, die als Kreuzterm bezeichnet wird. Auf diese Weise entstand bspw.

die Variable „Robotor_Euter“ durch die Multiplikation der Dummy-Variable, die

angibt, ob der Betrieb einen Melkrobotor einsetzt („1“), mit der Variable „Euter“,

die die Ausprägung der Eigenschaft „Euter“ angibt. Diese Variable „Euter“

enthält die einzelnen Level, die in den verschiedenen Choice Sets vorhanden sind.

Nach diesem Vorgehen entstanden acht weitere Kreuzterme. Die Kreuzterme

ergeben sich aus den Hypothesen, die in Kapitel 3.2 aufgeführt sind. Betriebe mit

eigener Mast erhalten in einer neuen Dummy-Variable die Ausprägung eins.

Diese Dummy-Variable wird, um neue Kreuzterme zu generieren, mit den

Material und Methoden

33

Variablen „Bemuskelung“ und „Fleischwert“ multipliziert. Mithilfe dieser beiden

Kreuzterme soll herausgefunden werden, ob eine eigene Mast das Verhalten bei

der Bullenwahl beeinflusst. Zudem entstanden zwei separate Gruppen von

Betrieben, die bestimmte Eigenschaften aufweisen. Für diese Betriebe erfolgte

zusätzlich zur allgemeinen Schätzung eine separate Schätzung, die Abweichungen

von den gesamten Betrieben aufdecken soll. Die eine Gruppe kennzeichnet sich

durch sehr junge Entscheider der Bullenwahl, die alle unter 25 Jahren sind. Die

andere Gruppe setzt gesextes Sperma bei der Besamung ihrer Kühe ein. Um die

Betriebe zu kennzeichnen, die entweder sehr junge Entscheider der Bullenwahl

hatten oder gesextes Sperma einsetzten, bot sich ebenfalls die Generierung von

Dummy-Variablen an. Die Betreibe, auf die das Merkmal zutrifft, erhalten den

Wert eins, alle anderen den Wert null. Erfolgt im Anschluss eine Multiplikation

mit den verschiedenen im Choice Set vorhandenen Variablen, ergeben sich eigene

Variablen speziell für die Betriebe, die die obengenannten Kriterien erfüllen.

3.3.1.2. Grundlegende Auswertungs- und

Entscheidungsmechanismen

Zu Beginn der Auswertung des Discrete Choice Experiments erfolgt ein Abschnitt

zur deskriptiven Statistik. Bei der deskriptiven Statistik handelt es sich um eine

beschreibende Auswertung der gesammelten Daten. Genauer gesagt handelt es

sich bei deskriptiver Statistik um die Erhebung, Aufbereitung und Auswertung der

Daten (BOL, 2004). Die Erhebung der Daten ist mit der Umfrage auf der Messe

„Eurotier“ abgeschlossen und die Aufbereitung ist oben erläutert.

Das Statistikprogramm „Stata“ eignet sich zur Auswertung. Die Anweisung

„sum“ oder „summarize“ gibt die arithmetischen Mittelwerte der einzelnen

Variablen wieder. Zudem enthält der Output dieses Befehls die Anzahl der

Beobachtungen, die zur Berechnung genutzt wurden, die Standardabweichung

sowie den höchsten und niedrigsten Wert des Datensatzes (vgl. KOHLER, 2008).

Für einige der beobachteten Variablen der Umfrage macht es keinen Sinn, den

Mittelwert zu berechnen. Als Beispiel sei die Variable „Melksystem“ genannt.

Diese Variable hat die Ausprägungen eins (Melken am Platz), zwei (Melken im

Stand) und drei (Melkrobotor) (vgl. Fragebogen im Anhang). Das arithmetische

Mittel liegt bei 1,89. Dieser Wert ist nicht logisch, da es diese Ausprägung nicht

gibt. Deshalb ist in solch einem Fall die Beschreibung der einzelnen

Material und Methoden

34

Ausprägungen sinnvoller. Hierzu wird der Befehl „proportion“ verwendet. Bei

diesem Befehl gibt „Stata“ genauso wie bei dem Befehl „sum“ die Anzahl der

Beobachtungen an sowie die Standardabweichung. Diese wird jedoch für jede

einzelne Ausprägung angegeben, genau wie das Konfidenzintervall (95%). Das

Hauptinteresse gilt allerdings der Verteilung der Variablen. Durch diese

Verteilung der einzelnen Variablen kann der Anteil der Ausprägungen abgelesen

werden. Für die Variable „Melksystem“ ergeben sich für die Ausprägungen

„1“(Melken am Platz) knapp 22%, die meisten Betriebe (ca. 67%) haben die

Ausprägung „2“ und die verbleibenden knapp 11% haben die Ausprägung „3“,

nutzen also einen Melkrobotor. Für jede einzelne Ausprägung der Variable gibt

„Stata“ den Anteil an den beobachteten Daten an (vgl. Stata-Hilfe). Mit diesen

beiden Stata-Befehlen erfolgt eine Beschreibung des Datensatzes sowie des

durchschnittlichen Betriebes (vgl. Kapitel 4.1).

Nach der Beschreibung der gesammelten Daten erfolgt die empirische

Auswertung. Bei dieser weiterführenden Anwendung der Statistik geht es nicht

nur um die Beschreibung der Daten, sondern um die Gewinnung von

Erkenntnissen über die tatsächliche Welt (KROMREY, 2009). Im Rahmen dieser

Masterarbeit soll die empirische Analyse der Daten die ökonomischen Gewichte

der Zuchtwertschätzung überprüfen. Des Weiteren erfolgt eine Überprüfung der in

Kapitel 3.2 aufgestellten Hypothesen. Damit eine empirische Auswertung

vorgenommen werden kann, bedarf es einer Modellentwicklung, um den

Untersuchungsgegenstand zu beschreiben. Die Grundlage jedes Discrete Choice

Experimentes ist das in Kapitel 3.1 erläuterte Random Utility Modell. Da es sich

um ein komplexes, diskretes Experiment handelt, sind lineare Modelle nicht

geeignet, um die diskrete Zielvariable ausreichend zu beschreiben (MOSSMÜLLER,

2004). Im Fall der durch die Umfrage gesammelten Daten kann von einer

Zufallsstichprobe ausgegangen werden. Aus diesem Grund erfolgt eine

Beschreibung der Daten durch die Entwicklung eines Logit- oder Probit-Modells.

Das Logit-Modell entsteht, wenn die Störterme, die der zufälligen Komponente

im Random Utility Modell entsprechen sowie die Verteilungsfunktion logistisch

verteilt sind. Das Probit-Modell wird genutzt, wenn für die Störterme und die

gesamte Verteilungsfunktion des Modells die Normalverteilung angenommen

wird (BATEMANN ET AL., 2002).