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。     

空间效应模型分析田间试验的方法与效果

为了提高田间试验分析的准确性,讨论了利用空间效应模型分析田间试验的方法,并通过实例分析和随机模拟分析对该方法的分析效果与传统方差分析法进行了比较。结果表明,空间效应模型数据拟合效果较传统方差分析模型好,空间效应模型具有较高的分析效率,在不同空间变异条件下效应误差估计和一类统计错误率控制准确;而传统方差分析模型的效应误差估计和一类统计错误率控制的准确性随空间变异增强和变程增大而降低。因此,建议采用空间效应模型分析田间试验数据。     

广义线性模型在农作物品种区域试验非平衡数据分析中的应用

应用广义线性模型(GLM)对2002年南方稻区国家水稻品种区域试验的非平衡数据进行了分析,与传统方差分析模型比较,显示了GLM模型是处理农作物品种区域试验非平衡数据非常有效的工具。     

作物品种区域试验非平衡资料的分析方法——单一性状的分析

本文运用混合线性模型的分析原理,提出了作物区域试验非平衡数据的统计分析方法。用MINQUE法估算各项方差分量,然后对品种效应的线性对比作显著性测验。品种稳定性分析采用Jackknife数值重复抽样方法,计算回归参数的估计值及其标准误,并通过分析回归参数置信区间来评价稳定性。作为分析区域试验非平衡数据的实例,分析了黄河流域棉花区域试验的皮棉产量。     

作物品种区域试验非平衡资料的分析方法——综合性状的分析

运用混合线性模型的分析原理,提出了作物区域试验非平衡数据的综合分析方法,用MINQUE法估算各性状的方差分量和成对性状的协方差分量,然后对品种效应的综合线性对比作显著性测验。对品种综合性状稳定性分析,用Jackknife数值重复抽样方法计算回归参数的估计值及其标准误,并通过分析回归参数置信区间来综合评价品种稳定性。作为综合分析区域试验非平衡数据的实例,分析了黄河流域棉花区域试验的纤维强度和皮棉产量。     

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。     

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。     

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。     

基于实证数学规划方法的农业水价政策效应模拟

为了确定当前实施的农业水价政策是否合理,采用PMP模型对小麦和玉米传统方式灌溉中应用的超定额累进加价水价政策效应进行模拟,分析了水价政策对小麦和玉米种植面积、灌溉用水量、平均农户收益的影响,结果表明:水价在阈值内稳步上涨,在节水的同时,对种植面积和农户的收益不会产生显著的影响,现行的差别水价政策是合理的。     

基于线性混合效应模型的杉木树高-胸径模型

【目的】利用线性混合效应模型分析杉木树高与胸径的关系,为杉木树高测量提供支持。【方法】收集688组有效杉木研究数据,利用最小二乘法构建树高(H)和胸径(DBH)的线性基础模型,同时考虑林分密度效应和海拔效应,在R 3.2.2软件中拟合混合模型,比较基础模型和2种混合模型的赤池信息规则(AIC)、贝叶斯信息规则(BIC)和-2倍对数似然值(-2log lik),在此基础上,引入误差效应方差协方差矩阵及指数函数、幂函数和恒等式函数,筛选较好的混合模型;基于独立验证数据对模型进行验证,选取R~2、|E|、RMSE3个评价指标对模型精度进行评价。【结果】固定模型的AIC=2 089.731,BIC=2 102.151,-2log lik=2 083.732,均大于混合模型,即混合效应模型拟合效果优于固定模型;考虑模型误差效应方差协方差矩阵,加入恒等式异方差函数能够显著提高模型的精度,且含有不同随机参数的混合模型精度不同,引入海拔随机效应的混合模型拟合精度(R~2=0.804 4,|E|=1.553 9,RMSE=2.143 0)高于含有林分密度效应的混合模型(R~2=0.797 0,|E|=1.576 6,RMSE=2.183 0)。【结论】考虑随机效应的混合模型既能反映杉木树高的总体变化趋势,还能体现不同组分间的差异,在估测精度和通用性上均优于固定模型。     

基于气象资料的中国冬小麦收获指数模型

【目的】建立基于气象资料的中国冬小麦收获指数统计模型,为构建作物产量模型提供支持。【方法】获取河南、河北、山东合计30个农业气象观测站近20年冬小麦农业气象观测数据,利用时间序列分析方法提取趋势收获指数,收获指数观测值与趋势收获指数差值即为由气象要素决定的气象收获指数。采用逐步回归分析方法建立基于气象要素的冬小麦收获指数统计模型,模型模拟并反映气象要素变化对冬小麦气象收获指数的影响。【结果】冬小麦关键生育期气象要素与气象收获指数相关关系显著,但单站尺度和区域尺度的显著性水平存在差异。利用209组独立数据,分别在单站和区域尺度对建立的冬小麦收获指数模型进行了验证,单站尺度上模型模拟值与实测值的线性相关系数和斜率分别是0.65和0.4(2n=209,P0.001),均方根误差12.2%,平均偏差-2.4%,拟合指数75.8%,模拟效率42.3%;区域尺度上模型模拟值与实测值的线性相关系数和斜率分别是0.56和0.33(n=209,P0.001),均方根误差13.3%,平均偏差-1.3%,拟合指数为69.0%,模拟效率为31.7%。【结论】基于气象资料构建的冬小麦收获指数模型可以较好地模拟不同气象条件下冬小麦收获指数的动态,该模型可与作物NPP模拟模型相耦合,用于区域尺度上冬小麦产量的模拟研究。     

林木生长关系的GWR模型

基于地理加权回归模型,给出了误差方差不相等时广义地理加权回归的估计与方差,以及对地理加权回归模型均方误差范围的推导,并以此建立林木生长模型,用此模型与一般线性回归模型对林业数据进行对比分析。     

基于均匀设计的土壤重金属PXRF检测方法优化研究

应用便携式X射线荧光光谱法(PXRF,portable X-ray fluorescence)对长三角地区某农田土壤中Cr、Cu、Zn、As和Pb等5种土壤中常见重金属元素进行测定。应用均匀设计实验方法,并结合二次多项式逐步回归法建立整体平均相对标准偏差(5种元素的相对标准偏差的均值)与检测条件之间的回归模型。结果显示,最优检测条件为风干样品、0.125 mm粒径、制样压力3 MPa、检测时间115 s。3组验证实验的预测相对误差小于5%,表明该模型预测能力良好。在该条件下,PXRF对Cr、Cu、Zn、As、Pb的最低检出限分别为15.0、4.12、3.22、2.22、3.14 mg·kg^-1。33个土壤样品的PXRF检测值与ICP-OES检测值之间的一元线性回归模型的决定系数R²均大于0.97,7个未知样的预测相对误差全部低于10%,表明在均匀设计法优化得到的最佳检测条件下,PXRF检测结果通过简单的一元线性回归模型校正后,可满足定量分析的要求。     

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...     

YM型小麦温敏雄性不育系ATM3314育性遗传研究

以YM型小麦温敏雄性不育系ATM3314与恢复系中国春配制杂交组合,连续2 a对该组合的P1、F1、P2和F2代的育性进行了调查,采用植物数量性状主基因+多基因混合模型4世代联合分析法对YM型小麦温敏雄性不育系育性遗传进行了研究。结果表明,YM型小麦温敏雄性不育系育性受2对加性-显性-上位性主基因+多基因联合控制,主基因遗传率很高,分别为95.62%和90.32%;2008年为加性-显性-上位性多基因控制,2009年为加性-显性多基因控制,多基因遗传率分别为0.058%和6.11%,表明环境对其育性波动有较大影响。     

方差分析模型对马铃薯区域试验结果的影响

利用2005—2010年国家马铃薯中晚熟西北组共6组区域试验数据资料,研究试点效应随机和固定的不同方差分析模型对区域试验结果的影响。结果表明,试点效应固定,品种产量平均相差73.06 kg就表现出显著差异,相差96.72 kg就表现出极显著差异;试点效应随机,则品种产量每667 m2平均相差330.30 kg才表现显著差异,相差442.74 kg才表现极显著差异。马铃薯品种区域试验参试品种是否存在显著或极显著差异将直接影响对参试品种的评价,因此,为提高审定品种的产量潜力,降低新品种推广风险,建议马铃薯品种区域试验选择品种试点效应随机的方差分析模型。     

基于高光谱技术的茶鲜叶茶多酚含量的估算模型

选取长势、色泽差异较小的9个茶树品种,使用ASD Field Spec Hand Held 2光谱分析仪采集茶树冠层的光谱数据,通过对原始数据进行预处理去除噪音干扰,采用主成分分析方法得到茶树冠层特征波段520、765、821、940 nm,提取特征波段的反射率值,运用多元线性回归、一元线性回归、最小二乘法建立了光谱反射率与茶鲜叶茶多酚含量关系的估算模型。结果表明:最小二乘法模型的决定系数达到0.99;另选23个样品对模型进行验证,真实值与预测值的相关系数为0.97,相对误差为2.99%。