第三讲 DPS应用(5、专业试验统计)

第五章专业试验统计一、生物测定生物测定，又称为半数效量，是生物、医学研究中最普遍的一类实验，通常包括供试因子(如化学或生物性杀虫剂、杀菌剂、除草剂、植物生长调节剂、新医药、保健品或可能具有某种活性的物质或产品)和受试靶体(如一种昆虫、植物或小白鼠之类的实验动物)。这类实验有定性与定量水平之分。定性测定较为简单，如仅测定某种微生物是否对某种动物有致病性，其结果仅仅回答是或非两种可能；定量测定则较为复杂，通常包括供试因子的一系列剂量，每剂量要处理合理数量(越多实验误差越小)的受试靶体并且整个实验要持续观察一段时间。一、生物测定定性数据概率分析例：根据甘蔗工业科学研究所用农药液剂、烟草粉肥皂液和烟脉肥皂液三种药液对棉蚜进行毒力测定的数据(王鉴明，1985)，进行机值分析并检验三种毒力回归直线的平行性。数据编辑格式：第1列为农药药剂(依次从1，2，…)编号、第2列为农药处理浓度，第3、4列分别为供试虫数和死亡虫数。定义数据块。一、生物测定定义数据块→选择“专业统计→生物测定→计数型机值分析”一、生物测定定性数据概率分析系统提示确认浓度是否经过对数转换。如果已经转换则按“Y”再回车，若没有转换则直接回车。然后，根据系统提示输入待求的致死剂量效应指标，致死剂量可同时输入10、50、90等，各值间用空格隔开，再按回车。如果直接回车，系统将取默认值LD50、LD95。回车后可立即得到回归独立曲线图和分析结果。一、生物测定结果分析解释⑴拟合程度卡方值及其显著水平。如显著水平大于0.05，则表明所建立的毒力回归曲线模型是合适的，即否定所求模型异质性的假设；反之，则认为所建立的模型不合适。本例中三种农药各自的概率分析模型的拟合度以第一、二个较差，第三个较好，卡方检验x2值分别为36.63，140.35和5.82。一、生物测定⑵对多种药剂进行机值分析并检验毒力回归直线平行性。可以其方差分析结果推断：当方差分析表中的F值的显著水平小于等于0.05时，表明毒力回归直线互相不平行。本例中，害虫对三种农药反应的差异极显著(F=10.522，大于Fa=0.01=8.05)，所以这三条回归线的斜率不同，即不存在共同斜率。⑶上述方差分析只能揭示毒力回归直线的总的趋势，而两种药剂其致死剂量之间的差异，DPS系统则采用致死剂量比率测定方法来检验：当致死剂量比率的95%置信区间包含1，则两种药剂的某致死剂量之间的差异不显著。⑷注意：有时因异质因子较大，计算的置信限会溢出，以致于不能给出其置信区间。一、生物测定定量数据概率分析数据编辑格式是每一个浓度在一行中按浓度和死亡(抑制)率顺序填入。对多种药剂，且每种药剂有几个剂量水平处理的试验结果进行机值分析时，数据编辑格式为：第1列为药剂(依次从1，2，…)编号，第2列为药剂浓度，第3列为死亡(抑制)率。一、生物测定定量数据概率分析定义数据块后，选择“专业统计→生物测定→数量型机值分析”，系统提示确认浓度是否已经过对数转换。如果已经转换则按“Y”再回车，若没有转换则直接回车。此后，系统再提示用户输入待求的致死剂量效应指标。致死剂量可同时输入10、50、90等，各值间用空格隔开，再按回车。如果直接回车，系统将取默认值LD50。回车后瞬即得到分析结果。一、生物测定分析结果解释⑴毒力回归方程方差分析F值及其显著水平：数量型数据毒力回归方程诊断采用方差分析方法进行，这是数量型资料和计数资料在生物测定分析进行模型诊断方面的差异。当F值的显著水平小于等于0.05时，表明了所求的毒力回归曲线是合适的；反之则表明所建立的模型不合适。⑵对多种药剂进行机值分析，DPS系统采用致死剂量比率测定方法来检验两种药剂在致死剂量方面的差异：当致死剂量比率的95%置信区间包含1，则两种药剂的某致死剂量之间的差异不显著。一、生物测定时间-剂量-死亡率模型分析对于包含供试品剂量和受试生物在试验期间死亡(反应)率的生测数据分析，一般用概率分析的方法，即将累计死亡率进行概率值转换后分别对剂量或时间作线性回归分析，通过回归参数的估计而建立直线回归模型，从而估计剂量效应(如LD50)或时间效应(如LT50)。但这样的分析方法导致时间与剂量的效应相互分开，无法使所建模型充分体现实验数据的完整性。因此，有必要将时间和剂量的效应统一到同一个模型中来。时间-剂量-死亡率(time-dose-mortality，缩为TDM)模型就是这样的模型，按其数学结构又称互补重对数模型(complementarylog-logmodel)，简称CLL模型。一、生物测定时间-剂量-死亡率模型分析如：用乙酰甲胺磷的5个浓度处理西红柿上某害虫。处理后试虫死亡过程缓慢，故适合用TDM模型分析数据。分析前，先将数据编辑定义。其数据编辑和存放格式为：数据块第一列为供试药剂的浓度，以后各列为用药后不同时间的试虫存活数。然后执行“专业统计→生物测定→时间－剂量死亡率模型”功能项一、生物测定输出结果包括：①模型系数的协方差矩阵；②所求系数即各参数的估计值、参数标准误、t测验值、显著水平；③模型拟合值、残差、标准残差。结果表列中有些行显示“数据不合理，未进行处理”的字样，这主要因为在最高剂量下试虫在整个实验观察完成前的数个时间区间已经全部死亡，即累计死亡率在前一个时间区间已达100%，此后各时间区间的条件死亡率在数学上无法计算(0/0)。每当这种情况出现时，DPS系统自动将该数据视为无效，但截至前一时间区间的拟合仍然有效，并且不影响其余各剂量数据的继续拟合。结果中，如果皮尔逊卡方检验能通过，即其显著水平大于等于0.05，则模型的拟合效果很好。而实际上，一般皮尔逊卡方检验不能通过(显著水平小于0.05)，这表明模型异质性的假设成立。但Nowierski等提出用Hosmer和Lemeshow改进的方法进行拟合度测验，如Hosmer-Lemeshow检验的卡方值的显著水平大于等于0.05，则可认为数据拟合是成功的。新引入、新育成的品种或品系，在大面积推广之前，都需要经过区域试验，来鉴定其产量水平和适应性，为其推广和合理利用提供依据。区域试验中需要研究的主要效应有：①品种效应，即品种的产量或品质效应，因区域试验中供试品种是一定的，故品种效应是固定型效应；②地区效应，即地区之间土壤类型、耕作制度、生产水平和管理方法等可以预见的环境差异对品种的影响效应，一般亦属固定型效应；③年际效应，即不同年份的温度、雨量、偶然性灾害等难以预知的随机性环境差异对品种的影响效应，一般属随机型效应；④品种×地区的互作效应，即研究品种对于可预知的环境差异是否具有特殊的适应性，若品种与地区互作效应显著，说明品种对地区有特殊适应性，反之则说明适应性广泛，故该互作效应一般亦属固定型效应；⑤品种×年份的互作效应，反映品种对难以预测的环境差异是否有特殊适应性，一般属随机型效应；⑥品种×地点×年份的互作效应，反映品种与地点的互作效应是否随难以预知的环境变化而改变，因此该效应属于随机型效应。二、品种区域试验二、品种区域试验评定一个品种的应用价值，主要考虑以下三个效应值：①品种效应；②品种×地区点的互作效应及方差；③品种×年份的互作效应及方差。品种效应显著而互作效应小的品种是具有广泛适应性的丰产型品种，适于大面积推广；而互作效应显著的品种具有特殊适应性(如对环境条件有特殊要求)，只能在特定地区推广才能发挥增产作用。（一）一年多点试验稳定性分析例如，对5个品种5个地点的品种区域试验结果进行稳定性分析，得到的结果如图。分析时按图中的阴影部分编辑并用鼠标选中待分析的数据。然后执行“专业统计→品种区域试验→

品种稳定性分析”功能，这时系统会要求你输入地点数、品种数(这里分别是5、5)。输入后系统立即给出GeorgeC.C.Tai模型的品种稳定性分析图。（一）一年多点试验稳定性分析αi用以量测第i个品种对环境效应的线性响应，而λi是表示以误差均方为单位的线性回归离差。此图表示α与λ的分布图。图中两条正交轴分别以α、λ值表示，如果αi

=0为真，那么将有95％的落在双曲线内。第一、二条垂直线是λ0=1时90％置信区间的上、下限，若途中还有其余垂直线则是λ0>1时的置信上限。这些直线把α、λ区分成不同的稳定性区域。从图中各个品种分布位置可以看出，供试品种3表现最稳定，其次是品种1和品种4；而品种2的稳定性最差。（一）一年多点试验稳定性分析结束图形分析，返回到编辑状态，则可得到几种方法的稳定性分析结果。分析结果的第一部分是各个试验点误差均方的同质性检验。一般要求是卡方值较小，概率p值大于0.05。本例中的p=0.7717，表明各个试验点的误差均方是同质的，可以进行进一步分析。随后，系统给出了各个试点、品种的均值，并给出了各个试点参试品种的方差分析结果和几个试点的联合方差分析结果。从这里可以初步分析各个试点各个品种的表现情况，以及他们的综合表现情况。（二）一年多点区域试验的统计分析例如，在4个地点进行6个品种的区域品种比较试验，每个地点2个区组，获得一组试验资料。现对该试验资料进行一年多点试验的方差分析，分析前先按下图方式输入、编辑数据：（二）一年多点区域试验的统计分析或者，按如下格式编辑定义数据块。定义数据块后，选择“专业统计→品种区域试验→一年多点”分析项，即可得到分析结果：（二）一年多点区域试验的统计分析（三）多年多点品种区域试验的统计分析品种区域试验常常需要在多个地点连续进行数年，以便为品种的评定和应用提供更广泛的信息，尤其是品种对不同年份随机变化的气候条件适应性的信息。按地点、品种、区组顺序输入试验数据并按规定格式编辑和定义数据块，系统执行运算后，将输出计算结果。输出结果包括双向列表、方差分析表、f统计量、多重比较和稳定性分析结果以及最后的综合评价。（三）多年多点品种区域试验的统计分析如有5个玉米品种在4个地点连续进行了3年试验，每次试验设2个区组。试验数据按图格式输入并编辑定义成数据块，注意地点、品种、年份、重复的排列格式。进入专业统计菜单，选择“品比试验→多年多点”项，按提示输入各参数后回车执行运算，分析结束时输出如下结果：（三）多年多点品种区域试验的统计分析（三）多年多点品种区域试验的统计分析（四）品种区域试验AMMI模型分析作物品种区域试验旨在鉴定品种的丰产性、稳定性和适应性。参加区试的品种在不同地点的产量往往表现不一致。这表明品种的基因型和环境互作(g×e)效应的存在。以往对这种互作效应大多采用线性模型进行分析，但线性模型一般仅能解释