空间效应模型在青贮玉米新品系评比试验中的应用

【目的】为了提高青贮玉米田间品种比较试验的准确性,降低空间变异对品种试验评比结果的影响。【方法】在非标准随机区组的条件下,利用SAS9.4对23个青贮玉米品种的单株产量进行方差分析和空间效应模型分析。【结果】研究结果表明:试验的误差存在典型的空间相关性,利用剩余误的误差的空间协方差可降低供试品种效应估计的误差和提高品种效应差异F检验与T检验的效率。在不同玉米品系平均单株产量分析中,空间效应模型在拟合效果、效应估计、误差估计方面都优于传统方差分析。田间试验存在的一些空间差异通过空间效益模型得到控制。【结论】遇到非标准随机区组设计时,建议采用空间效应模型分析不同青贮玉米品种田间试验数据,从而提高数据分析的准确性。     

非独立试验数据的一般线性混合模型分析

传统方差分析模型的假设条件之一是试验数据相互独立,实际的试验数据未必能满足其条件,这使方差分析的应用范围和分析的效果受到限制。近年来,一般线性混合模型得到发展,为分析非独立试验数据提供了新途径。本文讨论了一般线性混合模型分析非独立试验数据的方法及其在SAS软件的实现,对小麦品比和玉米灌溉2个不同试验的非独立数据进行了一般线性混合模型与方差分析模型的对比分析。结果表明,与传统方差分析法相比,一般线性混合模型数据拟合效果好,在小麦品比试验使小麦品系效应比较的平均标准误降低18.4%,平均分析相对效率为1.5,而在玉米灌溉试验使灌溉效应比较和品种×灌溉交互效应比较的平均标准误降低9.1%￣10.8%,平均分析相对效率均约为1.2。因此,对非独立试验数据,一般线性混合模型分析的准确性和效率要比传统方差分析模型高。     

数据非平衡性对试验分析结果的影响

利用蒙特卡罗(MonteCarlo)模拟考察了随机区组设计、裂区设计和条区设计因数据缺失形成的数据非平衡性对试验分析结果的影响。结果表明,数据非平衡性可导致方差组分估计的精准度降低、固定效应误差的偏低估计以及固定效应测验一类统计错误率的增大。缺失数据越多,这一现象表现越明显。数据缺失对随机区组设计分析精准度的影响小,而对裂区和条区设计分析精准度的影响大。     

不同方差协方差结构线性混合模型在玉米品种区域试验中的适用性及模型误用对分析结果的影响

为研究不同方差协方差结构线性混合模型对区试分析的影响。采用2002-2006年中国40个玉米区试组数据,用7种不同结构的线性混合模型分别对数据进行拟合分析并利用信息量准则选择每组数据的最佳模型,对在不同方差协方差结构模型下区试品种效应估计与评价的差异进行探讨。结果表明,不同方差协方差结构模型对试验数据拟合的效果不一样,没有一个模型对所有试验资料均是最佳的;AMMI-1和FA(2)结构模型作为最佳模型的百分率最大,适用性最广泛;不同结构模型对区试品种效应的估计及评价不同,FA(1)模型的稳健性最好,方差分析模型对品种进行差异显著性分析时的误差不同程度地大于其他结构模型。不同方差协方差结构线性混合模型适用于不同试验数据,模型误用对品种效应的估计和评价有较大影响;在实际区试中,应利用信息量准则选用最佳结构模型进行分析,以提高作物区试分析及品种评价的准确性。     

基于空间效应与竞争效应的林木遗传分析模型

【目的】建立空间效应与竞争效应的分析模型,以提高林木遗传评估的准确性.【方法】利用R软件及其程序包breed R模拟数据,结合实测数据,采用XFA1结构拟合加性效应、近邻竞争效应和AR1结构拟合空间效应,建立随机区组设计模型(RCBM)、空间模型(SM)、空间与测量误差模型(SUM)和空间与竞争模型(SCM),运行ASReml估算遗传参数,进行模型比较。【结果】对于模拟数据,估计的参数结果均显示SCM是最优模型,其大大降低了随机误差方差,随机误差方差分别由7.56(RCBM)、5.72(SUM)降低到3.13(SCM),分别降低了58.6%、45.3%,并估算到四周近邻竞争方差;SCM模型估算的单株狭义遗传力在0.40左右,高于RCBM(0.24)和SUM模型(0.30);设置参数的不同初始值,SCM估计的参数结果均较为稳定;对于实测数据,估算结果与模拟结果比较一致。【结论】SCM模型是新的单株混合模型,可用于林木遗传分析。     

线性混合模型在作物育种无重复试验数据实证分析中的应用

【目的】提出针对无重复试验数据进行分析的方法,并演示用SAS提供的Proc mixed程序分析无重复试验数据的过程。【方法】基于国际标准统计分析软件(SAS)的Proc mixed过程和实际试验设计,应用线性混合模型对作物育种中的无重复试验数据进行分析,在分析植物育种无重复试验数据特点和传统方差分析法应用缺陷的基础上,将线性混合模型分析法中利用协方差结构反映试验误差特征的原理,用于植物育种无重复试验数据的统计与分析中,采用模型拟合信息量准则选择最优的试验误差协方差结构模型,最后进行实证分析。【结果】线性混合模型分析法给出了植物育种无重复试验品系产量效应估计及其差异显著性测验的结果;采用效应估计值得到的品系效应排序及入选优良系,与直接采用品系产量观测值法所得的结果存在较大差异;误差协方差结构模型的选择,对无重复试验分析结果的影响较大。【结论】利用线性混合模型原理和SAS软件的Proc mixed程序,可实现对植物育种无重复试验数据的分析,能解决植物育种无重复试验品系间可比性差及不能进行效应差异显著性统计测验的问题。     

黄土丘陵区密植枣林细根空间分布统计模型优选

为了选取最优的黄土丘陵半干旱区密植人工枣林细根空间分布的统计模型,以4、8及11年生的密植枣林为研究对象,采用壕沟剖面法获取根系分布的数据,通过选取不同的固定效应、随机效应及协变量(树龄、土层深度、离树干的水平距离),用固定效应方差分析模型、混合效应方差分析模型及协方差分析模型对细根空间分布进行比较分析。结果表明:把树龄作为固定效应、土层深度作为协变量、离树干的水平距离作为随机效应配合的协方差分析模型,修正复相关系数最高,剩余均方差最小;枣林细根随树龄增加显著增加,随土层深度的增加显著减少,随离树干的水平距离无显著差异,符合密植枣林的实际空间分布规律,是最优统计模型。可为准确分析根系空间分布规律提供基础数据,为其他林分的根系空间分布规律的分析提供参考。     

北京市农田土壤中有机氯农药残留的空间分析

【目的】通过在北京平原区农田采取的131个表层土壤样品的化验分析，研究土壤中有机氯农药六六六（HCH）和滴滴涕（DDT）残留总量及异构体、代谢物含量的空间变异特征。【方法】样品测定结果采用传统统计分析，半方差结构和模型拟合的地统计分析以及结合普通Kriging 和反比距离插值方法进行分析。【结果】传统统计分析表明，土壤中残留HCH和DDT的异构体、代谢物及总量均服从对数正态分布，并全部属于强变异。基于半方差结构和模型拟合的地统计分析， -HCH、 -HCH和HCH总量没有空间变异结构方差，而其它农药含量存在空间变异结构方差、且可分别用指数模型或高斯模型拟合。模型拟合的结果看出α-HCH、DDT总量及其异构体以较大范围的变异为主（变程大于18 km），而 -HCH的变程只是2.73 km。趋势分析表明DDT的异构体、代谢物及总量都存在明显的趋势效应，而HCH及其异构体中只有 -HCH 和 -HCH略有趋势效应。结合普通Kriging和反比距离插值方法，获得了土壤有机氯农药残留含量的等值线图，并分析了其空间分布规律。【结论】所有土壤样本中的六六六含量和 85%的土壤样本的滴滴涕农药含量均达到国家《土壤环境质量标准》(GB15618-1995)一级标准（<0.05 mg·kg-1），残留污染较轻。     

利用分子标记信息和QTL随机效应模型进行个体遗传评定的效果

利用分子遗传标记信息和随机QTL效应模型,研究了个体遗传评定的效果.结果表明,采用分子标记信息,一般都可提高种畜遗传评定的准确性;对于遗传力较低而QTL方差贡献较大的性状,采用标记辅助遗传评定效果较好;将QTL效应作为随机效应,可以提高种畜效应值估计的效果.     

模型选择信息量准则AIC及其在方差分析中的应用

【目的】探讨模型选择信息量准则AIC在方差分析模型选择中的必要性和意义。【方法】简要介绍了模型选择信息量准则AIC的概念,推导了AIC在方差分析模型选择的公式,并运用AIC对水稻品种比较试验数据进行了最佳ANOVA模型选择分析。【结果】对5个水稻品种比较试验进行方差分析模型的选择是必要的;AIC准则在方差分析模型选择中是一种简单有效的方法。【结论】AIC可用于方差分析模型的选择,以改进方差分析结论的可靠性。     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。     

南京市住宅价格的空间回归分析

简要介绍了空间滞后模型(Spatial Lag Model,SLM)和空间误差模型(Spatial Error Model,SEM)及其估计与检验方法,应用南京市住宅小区均价数据运行特征价格模型,并根据拉格朗日乘数检验以及空间回归模型选择原则,选择空间滞后模型进行了回归分析,结果表明,在分析住宅小区均价的影响因素时,空间滞后模型比特征价格模型具有更强的解释能力.     

运用SAS广义线性混合模型分析裂区试验数据

裂区设计能够灵活地增加试验处理和进行误差分级控制,在农业试验中应用广泛。但数据的统计分析较复杂,目前有效的相关统计软件十分缺乏。为了建立操作简单、实用性强、计算结果无误的统计分析手段,采用SAS广义线性混合模型（GLIMMIX）程序模块进行裂区设计数据的统计和分析,并通过实例分析说明GLIMMIX相较于传统一般线性模型（general linear model,GLM）程序模块的优缺点。结果发现,与GLM相比,GLIMMIX能够自动选用正确的误差项方差和自由度进行统计量计算,克服了GLM在某些情况下难于计算所需统计量的问题。实例验证说明,采用GLM进行裂区设计统计分析的不足及GLIMMIX分析的其他优点,并与混合程序模块（MIXED）进行了比较,认为GLIMMIX是裂区设计数据统计分析的首选模块。     

家禽连续性状遗传分析模型误差方差估计

利用线性模型对家禽连续性状遗传分析的误差方差进行了估计，并得到估计的矩完全收敛的精确渐近性质。     

基于误差修正的电线覆冰厚度贝叶斯模型及分析

通过对已有的电线覆冰厚度数据进行分析，建立了电线覆冰厚度时间序列模型，对覆冰厚度进行贝叶斯统计推断，然后运用基于Gibbs抽样的MCMC方法对推断模型进行参数估计，并对MCMC模型进行误差修正.在此基础上，运用WINBUGS软件，对Gibbs抽样得到的预测结果与极大似然估计的预测结果进行比较.比较分析结果表明：通过误差修正的贝叶斯推断方法在电线覆冰厚度预测上具有更高的准确性.     

ANN-Krige方法及其应用

地统计学是应用数理统计学的一门新分支 ,是研究空间相关性的一种有效方法 .与传统统计学相比 ,它更注重于随机变量的空间过程 ,通过研究对象在空间上不同间隔距离的抽样点上的差异 ,定量地描述其空间变化规律 .这一理论包括两方面研究内容 :(1)半方差图 ;(2 )空间局部内插理论 .但其主要技术为半方差图模型的优化 ,这是空间局部内插理论的基础 .本文提出应用人工神经网络方法建立半方差图模型 ,进而提出空间相关性分析新方法—— ANN- Krige方法 ,并结合实例进行了应用研究 .结果表明 ,本文所提出的方法是可行的 ,其空间内插效果比传统地统计学方法明显更优 ,从而丰富和发展了地统计学的方法与理论     

天然云冷杉针阔混交林单木胸径树高空间自回归模型研究

林木间普遍存在着空间自相关,这直接关联着林木间的竞争与相互作用。单木胸径树高模型是森林生长、收获与预测的基础,忽略林木间的空间自相关将会导致胸径树高模型的普通最小二乘(OLS)回归违背残差独立分布假设,导致犯第一类错误的可能性变大,以及模型参数标准差的有偏估计和回归模型估计的有效性降低。因此,本文选择我国东北地区主要森林类型即天然云冷杉针阔混交林为研究对象,考虑林木间的空间自相关,选用合适的线性化单木胸径树高OLS模型为基准模型,利用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM),构建该混交林的单木胸径树高模型。与此同时,每个SAR模型分别采用5个不同的空间加权矩阵即Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)和高斯变异函数(GV)矩阵,利用极大似然(maximum likelihood)估计3个SAR模型的参数。对OLS和3个SAR模型的回归参数进行t检验,对3个SAR模型的自回归参数进行似然比检验。选择Morans I(MI)指数比较分析4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析这4个模型的拟合效果,选择均方误差(MS)检验模型预测效果。结果表明:未考虑空间自相关的OLS模型残差存在正空间自相关;3个SAR模型拟合效果均优于OLS,SDM和SEM的拟合效果最好,SLM最差;无论使用哪个空间加权矩阵,SLM均不能消除模型残差空间自相关,但可降低空间自相关,在一定程度上提高了模型的拟合效果;5个空间矩阵应用于SDM和SEM时,均可以消除模型残差空间自相关,但空间加权矩阵GV只适用于SEM;ID2是5个空间加权矩阵中最好的空间加权矩阵,将ID2应用于4个模型进行预测时,SDM和SEM的预测效果明显优于SLM,但3个SAR模型的预测效果均优于OLS。利用3个SAR模型提高了单木胸径树高模型拟合和预测的精度,为合理经营天然云冷杉针阔混交林提供了理论基础。      

小麦品种审定中品种的合理评价问题

 以山东和江苏的小麦区试为例，探讨了品种审定中如何公正合理评价品种的问题。⑴品种区试的精确度标准：建议采用CV≤D（n/2）#+（1/2）/t#-α来估计。⑵联合方差分析的统计模型问题：认为年份和试点转换为环境因素的联合方差分析是较好的模型。⑶适应性和稳定性分析：提出b#-i为适应性参数，a#-i为稳定性参数。⑷合理评价品种：推荐采用参数分组估计法。