不同地域和年份间系列试验的设计与分析(综合分析)文库.doc

第六章 不同地域和年份间系列试验的设计与分析（综合分析）在某些研究里（如环境因素影响很大的研究），每个试验都受到严格的制约，因为试验结果只适用于特定的年份和特定的地块。考虑到土壤、水分、作物管理及气候的变异，很难把这些试验结果外推到其它的情况下应用。然而，试验结果应该广泛应用，所以外推是必须的。因此，个别试验没有什么农业价值，而实用推荐只能依据系列试验的结果。某种试验为什么要反复做的另一个原因是，在一个位点得到的结果虽然显著，但不一定可信。由于偶然性的存在，二十分之一（即0.05显著水平）的概率可能会出现，而试验人员却不知道哪个会是偶然错误。事实上，一些未知因素对处理会有不同的影响，所以试验结果在很大程度上是不可靠的。在任何试验里19:1的概率也不一定是太可靠的，最好的办法是对试验进行重复。通过一系列的试验，我们有可能确定处理与试验位点间是否有交互作用。系列的试验位点应该能代表具有农业推广意义的群体，虽然位点的选择要求随机性，但事实上，这是不可能的，因为必须使用现有的试验站。有些时候，选择试验位点必须力图精心选出一种或多种环境条件下的系统取样范围。为了获得准确的气候样本，试验至少要持续三年。即使这样，我们也不能保证季节样本具有典型性。1. 试验设计与布置的统一性由于统计学原因，试验设计对所有位点来说必须是共同的，并且其它条件（重复数、小区面积和形状）都要保持一致。各位点之间布局必须相同，但每个试验的处理分别进行随机化。然而，从土壤肥力观点看，处理的标准化并不总是可能的，因为一些植物养分如Zn或S在一种土壤里缺乏，而在另一种土壤里不缺。在某些位点施足量的S或Zn是一种较好的解决办法，只要它们与供试大量养分之间没有相互作用即可。综合分析的关键在于缩小系列试验的范围，这样就可以利用共同的一组处理。如果这种办法不可行，综合数据的分析即使不是不可能的话也会变得很复杂。不等数重复也可以用在综合数据分析中，但这种方法也会使分析更复杂。位点-年份复合因子可以作为环境因素处理。系列试验采取环境因素样本的结构如下：1.1 每年都利用每个位点位点-年份位点年份位点年份 如不是每年重新随机化，这就多年试验点。1.2 年年改变位点位点-年份年份 一些年份中的位点1.3 每年都用同一些位点，但不同年份重新定一个点位点-年份位点年份（在一些位点上）通过对一系列试验的方差进行综合分析可以确定是否在不同的环境下有不同的处理反应，当然，需要对每种环境试验进行下面的分析。在综合分析中，处理与环境之间交互作用的存在意味着很难对所有供试环境下的处理进行概括。实际上，这种交互作用经常存在，所以在进行一般性推荐时要小心。对来自系列试验的数据进行综合可以提高精确性。2.综合方差分析中平方和的计算方法通过合并每个位点的处理平方和就可以获得处理+（处理位点）的平方和。为得到处理位点平方和，从合并所有处理的平方和中减去综合位点的处理平方和。所需要的其它平方和是：位点平方和= (S12+-+Ss2)/tb-CF全部处理平方和= (T12+-+Tt2)/sb-CF位点内区组平方和=各个位点上区组平方和的合并值综合分析误差=各个位点上误差平方和的合并值这里， 指加和，小写字母如t和b是指处理水平、区组等等，CF指校正因素。3. 系列位点综合数据方差分析的通用格式（随机完全区组设计）(表：表1 )变异来源 自由度d.f. 平方和SS 均方MS 位点 S s-1 SSS MSS 重复(位点) R(S) s(r-1) SSR(S) MSR(S) 处理 T t-1 SST MST ST ST (s-1)(t-1) SSST MSST 误差 E s(r-1)(t-1) SSE MSE 4. 书写与方差综合分析有关的均方期望值的用途：写下与方差综合分析有关的均方期望值很有用，这不仅有利于用方差分析方法来决定如何估计方差组成，而且对确定因素被认为是固定或随机的检验模式也有一定帮助。在书写均方期望值之前，明确哪些因素是随机的，哪些是固定的十分重要。确定固定因素或随机因素的标准：4.1 试验人员是否想把他的结果或结论概括到因素水平的更大群体上？随机的：概括到更大的群体上通常是理想的，并被效应的统计分析所证明。固定的：试验人员可能希望或不希望把因素水平概括到比他试验更多的因素水平群体上，但任何这样的概括都是主观的而且不被效应的统计分析所证实。4.2 如何确定在试验中设置的因素水平？随机的：因素水平为随机过程所确定。 固定的：因素水平可以用任何方法来确定。4.3 如果重作试验，试验因素水平是否能保持精确一致？随机的：在重作的试验中，水平不必与原始试验保持精确一致。固定的：在任何重作的试验中，水平都应与原始试验保持精确一致。5. 确定均方期望值的一般规则： 下面是由Schultz（1955）以及Steel和Torrie（1980）总结的规则：1) 对于随机模型来说，任何效应在它的均方平均值里，都有群体方差（2）和那些下标含有所有效应字母的方差的线性组合，但不包括其它方差。每个方差的系数都包括了所有与下标中没有的字母相对应的字母。2) 对于混合的模型，先计算随机模型的均方平均值，然后去掉某些方差，并用群体效应均方来代替其它的部分。与效应名称有同样下标的组分总是在效应均方里出现。在任何下标中，都不用命名效应的字母。如有任何其它的关键字母与固定的效应相同，就排除这个组分（关键字母列在括号外）。3) 只有一些研究人员使用混合模型。如果在平均值中的任何遗留方差的下标中有一个或几个字母与固定效应相对应，而正好在那里也有一个命名的随机效应，那么方差系数就需要对每个固定效应有一个因子。该因子是固定效应的水平数对比它少一个水平数的比值。M.S.McIntosh（1983）在Agronomy Journal杂志上发表的一篇文章介绍了在多种情况下对所遇到的两个或更多个环境数据进行综合分析中的均方期望值。虽然很有用，但在使用的时候还是应该谨慎，因为在进行给定的方差分析，提出一个效应测验模式时，除了考虑均方期望值外，还有许多其它的条件需要考虑。6. 定量处理Laird和Cady （1969）讨论了系列肥料效应试验综合数据的回归模型。除了像获得定量处理那样获得精确的方差综合分析外，他们还试图解释位点差异，这些差异大多是由于试验点之间的土壤性状差异而引起的。多项式用来解释处理的变异。通用综合回归模型包括了产量对土壤变量、施肥养分（多项式形式）及环境与土壤变量（包括添加的养分）的交互作用的回归。这样的模型方程可以用来预测新位点的产量或根据给定的价格来估计最佳的肥料用量。有关综合肥料试验的其它内容可以参考Voss和Pesek (1976)、Voss等(1970)、Sopher和Mc Cracken (1973)及Sopher等（1973）的文章。7. 合并在估计误差的时候经常希望合并多个来源的平方和。其好处与稳定性的提高有关，并由此增大了合并误差估计值所依据的自由度的数量。Bancroft（1964）建议在进行合并前使用显著性的初步检验。Carmer等（1969）做了进一步的说明。他们利用显著性的初步检验来判定是否应在方差分析的检验处理中使用ST的或包含ST和误差平方和的合并误差。Bancroft（1964）建议，除非n1n2并且n35n2，否则，在初步检验中使用=0.25。这里，n1、n2和n3分别是处理、ST和误差项的自由度。如果这两个条件都成立，就使用=0.5。如果用初步检验证明ST是显著的，那么就不需合并，而ST的均方就可以用于检验处理。否则，误差和ST平方和就要合并再除以自由度，得到合并误差均方。参考文献1. Bancroft, T. A. 1964. Analysis and inference for incompletely specified models involving the preliminary tests of significance. Biometrics 20: 427-442. 2. Cady, F. B. and D. M. Allen. 1972. Combining experiments to predict future yield data. Agron. J. 64: 211-2143. Carmer, S. G., W. H. Walker and R. V. Seif. 1969. Practical suggestions on pooling variances for F-tests of treatment effects. Agron. J. 61: 334-336.4. Cochran, W. G. 1937. Problems arising in the analysis of a series of similar experiments. J. Royal Stat. Soc. Supp. 4: 102-118.5. Cochran, W. G. 1939. Long term agricultural experiments. J. Royal Stat. Soc. Supp.6: 104-148.6. Cochran, W. G. 1951. Testing a linear relation among variances. Biometrics 7: 17-32.7. Cochran, W. G. 1952. Determination of the size of experiments and samples. Lecture presented at usda, Washington, D.C.8. Cochran, W. G. 1954. The combination of estimates from diffeent experiments. Biometrics 10:101-129.9. Cochran, W. G. and G.M. Cox. 1957. Experimental designs, 2nd Ed. Chapter 14. John Wiley and Sons, New York.10. Elandt, R. C. 1963. Optimal and sufficient allocation of multiple varietal experiments. Biometrics 19:615-628. 11. Finney, D. J. 1964. The replication of variety trials. Biometrics 20:1-75.12. Jones, G. L., Matzinger and W. K. Collins. 1960. A comparison of flue-cured tobacco varieties repeated over locations and years with implications on optimum plot allocation. Agron. J. 52: 195-200.13. Kempthorne, O. 1952. Experiments on infinite populations and groups of experiments. In. Design and Analysis of Experiments Wiley, New York.14. Laird, R. J. and F. B. Cady. 1969. Combined analysis of yield data from fertilizer experiments. Agron. J. 61:829-834.15. Miller, P. A.; J. C. Williams and H. F. Robinson. 1959. Variety x environment interactions in cotton variety tests and their implications on testing methods. Agron. J. 51: 132-134.16. Monroe, R. J. and D.D. Mason. 1955. Problems of experimental inference with special reference to multiple location experiments and experiments with perennial crops. Proc Am. Soc. Hort. Sci. 66:410-414. 17. Nelson, L. A.; S. G. Pantula and R. L. Anderson. 1983. Estimation of linear models for field experiments in series. Proc. 44th International Statistical Institute Meeting, Vol. 1: 590-610.18. Pearce, S. C. 1953. Field experimentation with fruit trees and other perennial crops. Tech. Comm. No. 23. Imp. Bur. of Hort. and Plantation Crops. East Milling.19. Rasmussen, D. C. and J. W. Lambert. 1961. Variety x environment interaction on barley variety tests. Crop Sci. 1: 261-262.20. Riech, R.C.; E. J. Kamprath and L. A. Nelson. 1981. Soil and management factors correlated with soybean yields in the Southeastern U.S. Coastal Plain. Agron. J. 73: 90-95.21. Roessler, E. B. and L. D. Leach. 1944. Analysis of combined data for identical replicated experiments. Prod. Am. Hort. Sci. 44: 323-328.22. Snedecor, G. W. and E. S. Haber. 1946. Statistical methods for an incomplete experiment on a perennial crop. Biometrics 2: 61-67.23. Sopher, C. D. and R. J. McCracken. 1973. Relationships between soil properties, management practice, and corn yields on South Atlantic Coastal Plain soils. Agron. J. 64: 595-599.24. Sopher, C. D.; R. J. McCracken and D. D. Mason. 1973. Relationships between drouth and corn yields on selected South Atlantic Coastal Plain soils. Agron. J. 65: 351-354.25. Sprague, C. F. and W. T. Federer. 1951. A comparison of variance components in corn yield trials. Agron. J. 43: 535-541.26. Sprague, C. F. and W. T. Federer. 1951. A comparison of variance components in corn yield trials: II. Error, year x variety, location x variety, and variety components. Agron. J. 43: 535-541.27. Steel, R. G. D. 1955. Analysis of perennial crop data. Biometrics 11: 201-212.28. Steel, R. G. D. and J. H. Torrie. 1980. Principles and procedures of statistics, 2nd Ed. McGraw-Hill, New York.29. Wilm, H. G. 1945. Notes on analysis of experiments replicated in time. Biometrics 1: 16-20.30. Voss, R. and J. Pesek. 1967. Yield of corn grain as affected by fertilizer rates and environmental factors. Agron. J. 59:567-572.31. Voss, R. E.; J. J. Hanway and W. A. Fuller. 1970. Influence of soil, management and climatic factors on the yield response by corn (Zea mays L.) to N, P and K fertilizer. Agron. J. 62: 736-740. 32. Yates, F. and W.G. Cochran. 1938. The analysis of groups of similar experiments. J. Agri. Sci. 25: 556-580.一些有关求导均方期望值运算的文献 1. Bennett, C. A