پژوهش حاضر به منظور مقایسه مدل های مختلف رگرسیون تصادفی برای برآورد اجزای واریانس میانگین وزن تولد بره ها در هر زایش در گوسفندان مهربان انجام شد. اطلاعات مورد استفاده شامل 5559 رکورد میانگین وزن تولد بره ها در هر زایش 2244 رأس میش مهربان بود. مدل های رگرسیون تصادفی شامل اثر ثابت گله- سال- فصل زایش، یک رگرسیون ثابت برای برازش میانگین تغییرات در جمعیت و دو رگرسیون تصادفی برای برازش آثار تصادفی ژنتیکی افزایشی و محیطی دائمی بودند. این مدل ها دارای توابع بی اسپلاین خطی و درجه دو، یا توابع لژاندر درجه دو یا درجه سه، همگی با واریانس های باقی مانده ناهمگن بودند. اجزای واریانس با الگوریتم میانگین اطلاعات بیشترین درست نمایی محدود شده (AI-REML) برآورد شدند. بر اساس معیارهای اطلاعات آکایک و بیزی، مدل BS212 با توابع بی-اسپلاین درجه دو، خطی و درجه دو، به ترتیب برای رگرسیون ثابت و رگرسیون های تصادفی ژنتیکی افزایشی و محیط دائمی به عنوان بهترین مدل برای برازش داده ها در نظر گرفته شد. با کمک مدل BS212 بالاترین و پایین ترین وراثت-پذیری میانگین وزن بره ها در هر زایش به ترتیب، در سن 12 ماهگی (62/0± 74/0) و سنین 31 تا 66 ماهگی میش (08/0± 03/0) برآورد شدند و ضرایب محیط دائمی در همه سنین نزدیک به صفر بودند. مقادیر برآورد شده در سنین میانی دقیق تر از سنین آغازین و پایانی بودند. نتایج این بررسی نشان داد که رکوردهای به دست آمده از زایش-های نخست احتمالاً اهمیت بالاتری در برنامه های اصلاح نژادی دارند.
