随机回归模型是在随机效应项镶嵌关于时间的函数用来分析测定日记录或者纵向数据的混合模型,它在动物育种中已然成为分析个体重复记录的一般方法,其广泛应用于产奶性状、生长性状、生存性状、繁殖性状、基因型和环境互作的遗传分析。而且随机回归模型的优化也是人们一直在探索的问题,子模型函数的选择便是其中的热点之一。本研究的主要目的是通过不同统计标准和估计参数行为的比较,筛选出拟合随机回归模型中各种效应的最佳子模型。本文使用的数据来源于1998到1999年加拿大10130头荷斯坦奶牛第一胎次的测定日记录。我们的优化过程:首先将28个子模型分别镶嵌到随机回归模型中的固定效应,固定效应包括群测定日独立于时间的效应和描述所有动物平均观测值表型曲线的函数。通过拟合度和F统计量的比较,确定5阶Legendre多项式为拟合固定效应的最佳子模型。其次,固定效应镶嵌5阶Legendre多项式,加性遗传效应和永久环境效应分别镶嵌3到8阶的Legendre多项式。总计有26个随机回归模型进行比较。随机回归模型的方差组分使用Gibbs抽样的方法进行估计。模型的统计标准有总剩余方差、似然函数对数值、Akaike信息尺度、贝叶斯信息准则、贝叶斯因子、模型复杂性尺度和复杂性相对下降率。结果表明在比较不同随机回归模型时,贝叶斯因子,模型复杂性尺度、复杂性相对下降率可以更好的显示模型之间的差异。通过各种统计指标和估计参数行为的比较,确定固定效应和加性遗传效应镶嵌5阶Legendre多项式,永久环境效应镶嵌7阶Legendre多项式的随机回归模型为最优模型。另外,我们还把所选择的最优模型与其它随机回归模型的常见形式进行了比较,进一步证实了这种选优方法和结果的可靠性。