First, we modelled the national or

First, we modelled the national or province-level proportion of extensively raised chickens
or pigs obtained by data-mining as function of GDP per capita (PPP2010). In order to bound
the predictions between 0 and 1, we used a logistic model where the dependent variable was
modelled as:
Pext ¼ 1=ð1 þ e
ð4:mext:ðlextGDPPPPÞþ2Þ
Þ
where Pext is the proportion of extensively raised chickens, GDPPPP is the log10-scale GDP per
capita of the country (PPP2010), and μext and λext parameters of the model controlling, respectively,
the steepness of the growth and its position. Pint for chicken was simply estimated by
default as 1- Pext. For extensively and intensively raised pigs, we used the following models:
Pext ¼ aext=ð1 þ e
ð4:ðmext =aextÞ:ðlextGDPPPPÞþ2Þ
Þ
Pint ¼ 1 aint=ð1 þ e
ð4:ðmint=aintÞ:ðlintGDPPPPÞþ2Þ
Þ
where all terms are defined as above, except Pint, the proportion of pigs raised under intensive
systems, and Pext and Pint, additional model parameters used to account for the maximum proportion
of Pext and Pint that may, in this case, differ from 1. Psint was simply estimated as 1—
(Pext + Pint). The model coefficients were estimated using non-linear least squares regression.
In order simultaneously to account for the variability in the observed data and for the different
stocking levels in different countries we used a Monte Carlo simulation where we sampled
1,000 times 25 countries out of the observed dataset with replacement, with a probability of
being in the sample estimated as the ratio of the national livestock population of chickens or
pigs to the global total for that species. This effectively weighted the contribution of data points
to the analysis by population, ensuring that countries with high chicken or pig populations
would be more often selected in the sample.

ผลลัพธ์ (ไทย) 2:

ครั้งแรกที่เราถ่ายแบบสัดส่วนในระดับชาติหรือระดับจังหวัดของไก่ยกอย่างกว้างขวาง
หรือหมูที่ได้จากการทำเหมืองข้อมูลเป็นหน้าที่ของ GDP ต่อหัว (PPP2010) เพื่อที่จะผูกพัน
การคาดการณ์ระหว่าง 0 และ 1, เราใช้รูปแบบการโลจิสติกที่ขึ้นอยู่กับตัวแปรที่ถูก
จำลองเป็น:
Pext ¼ 1 = D1 þอี
D4: MEXT: ðlextGDPPPPÞþ2Þ
Þ
ที่ Pext เป็นสัดส่วนของไก่ยกกว้างขวาง, GDPPPP เป็น จีดีพี log10 ระดับต่อ
หัวของประเทศ (PPP2010) และμextและพารามิเตอร์λextของรูปแบบการควบคุมตามลำดับ
ความสูงชันของการเจริญเติบโตและตำแหน่ง ไพน์ไก่เป็นที่คาดกันได้ง่ายๆโดยการ
เริ่มต้นเป็น 1 Pext สำหรับสุกรอย่างกว้างขวางและเติบโตอย่างเราใช้รูปแบบต่อไปนี้:
Pext ¼ aext = D1 þอี
D4: ðmext = aextÞ: ðlextGDPPPPÞþ2Þ
Þ
¼แกลลอน 1 Aint = D1 þอี
D4: ðmint = aintÞ: ðlintGDPPPPÞþ2Þ
Þ
เงื่อนไขทั้งหมดที่จะถูกกำหนดเป็น ดังกล่าวข้างต้นยกเว้น Pint สัดส่วนของสุกรที่เกิดขึ้นภายใต้เข้มข้น
ระบบและ Pext และ Pint, พารามิเตอร์แบบเพิ่มเติมที่ใช้ในการบัญชีสำหรับสัดส่วนสูงสุด
ของ Pext และ Pint ที่อาจในกรณีนี้แตกต่างไปจาก 1. Psint เป็นที่คาดกันแค่ในฐานะ 1 -
(Pext + Pint) ค่าสัมประสิทธิ์รูปแบบการใช้อยู่ที่ประมาณสองน้อยที่สุดที่ไม่ใช่เชิงเส้นถดถอย.
เพื่อพร้อมกันไปยังบัญชีสำหรับความแปรปรวนในข้อมูลที่สังเกตและที่แตกต่างกัน
ในระดับที่ปล่อยในประเทศต่างๆที่เราใช้ในการจำลอง Monte Carlo ที่เราเก็บตัวอย่าง
1,000 ครั้ง 25 ประเทศออกจาก ชุดข้อมูลที่สังเกตได้ด้วยการเปลี่ยนที่มีความน่าจะเป็นของ
การอยู่ในกลุ่มตัวอย่างประมาณอัตราส่วนของประชากรปศุสัตว์แห่งชาติของไก่หรือ
หมูที่จะรวมทั่วโลกสำหรับสายพันธุ์ที่ นี้น้ำหนักได้อย่างมีประสิทธิภาพผลงานของจุดข้อมูล
การวิเคราะห์โดยประชากรเพื่อให้มั่นใจว่าประเทศที่มีไก่ที่สูงหรือประชากรหมู
จะได้รับเลือกมากขึ้นมักจะอยู่ในกลุ่มตัวอย่าง

ผลลัพธ์ (ไทย) 3:

ก่อนอื่นเราจำลองระดับชาติ หรือระดับจังหวัด สัดส่วนอย่างกว้างขวางเลี้ยงไก่หรือหมู
ได้จากการทำเหมืองข้อมูลเป็นฟังก์ชันของจีดีพีต่อหัว ( ppp2010 ) เพื่อผูกพัน
ทำนายระหว่าง 0 และ 1 เราใช้โมเดลโลจิสติกที่ตัวแปรตาม คือจำลองเป็น :

pext ¼ 1 = ð 1 þ E
ð 4 : MEXT : ð lextgdpppp Þþ 2 Þ

ที่Þ pext มีสัดส่วน ของ พิศาล เลี้ยงไก่gdpppp เป็น LN ขนาด GDP ต่อ
ต่อหัวของประเทศ ( ppp2010 ) และμ ext λ ext และพารามิเตอร์ของแบบจำลองการควบคุมตามลำดับ
ความชันของการเจริญเติบโตและตำแหน่งของมัน แก้วสำหรับไก่เป็นเพียงประมาณการโดย
เริ่มต้นเป็น 1 - pext . สำหรับอย่างกว้างขวางและและเลี้ยงหมู เราใช้รูปแบบต่อไปนี้ :
pext ¼ aext = ð 1 þ E
ð 4 : ð MEXT = aext Þ : ð lextgdpppp Þþ 2 Þ

Þไพน์¼ 1 ไม่ได้ = ð 1 þ E
ð 4 :ðมิ้นท์ = ไม่ได้Þ : ð lintgdpppp Þþ 2 Þ

ที่Þเงื่อนไขที่กําหนดไว้ข้างต้น ยกเว้น ไพน์ สัดส่วนของสุกรที่เลี้ยงในระบบและเข้มข้น
และ pext ไพน์ พารามิเตอร์โมเดลเพิ่มเติมใช้บัญชีสำหรับสัดส่วนสูงสุด
ของ pext ไพน์ที่อาจและ กรณีนี้แตกต่างจาก 1 . psint เป็นเพียงประมาณ 1 -
( pext ไพน์ )แบบจำลองสัมประสิทธิ์การถดถอยแบบไม่เชิงเส้นโดยใช้วิธีกำลังสองน้อยที่สุด .
สั่งพร้อมกันไปยังบัญชีสำหรับการเปลี่ยนแปลงในข้อมูลและความแตกต่าง
ถุงน่องระดับในประเทศที่แตกต่างกัน เราใช้เทคนิคมอนติคาร์โลที่เราเก็บตัว
1000 ครั้งที่ 25 ประเทศจากพบข้อมูลแทนด้วย ที่มีโอกาส
มีตัวอย่างประมาณเป็น อัตราส่วนของประชากรของประเทศ ปศุสัตว์ ไก่ หรือหมูที่จะรวม
) ที่ชนิด ได้อย่างมีประสิทธิภาพนี้รวมผลงานของจุดข้อมูล
การวิเคราะห์ประชากร มั่นใจว่า ประเทศที่มีประชากรสูงไก่หรือหมู จะถูกเลือกมักจะ

ในตัวอย่าง