知识目标:
● 掌握随机区组试验田间试验设计方法;
● 掌握随机区组排列田间试验结果统计分析方法。
技能目标:
● 学会随机区组试验设计;
● 能够绘制随机区组设计田间布置图;
● 学会随机区组试验结果统计分析。
随机区组试验设计是把试验各处理随机排列在一个区组中,区组内条件基本上是一致的,区组间可以有适当的差异。随机区组试验由于引进了局部控制原理,可以从试验的误差方差中分解出区组变异的方差(即由试验地土壤肥力、试材、操作管理等方面的非处理效应 所造成的变异量),从而减少试验误差,提高F检验和多重比较的灵敏度和精确度。随机区组试验也分为单因素和复因素两类。本节只介绍单因素和二因素随机区组试验的方差分析方法, 第一节 单因素随机区组试验和统计方法
一、随机区组设计
随机区组设计(randomized blocks design)是根据“局部控制”和“随机排列”原理进行的,将试验地按肥力程度等性质不同划分为等于重复次数的区组,使区组内环境差异最小而区组间环境允许存在差异,每个区组即为一次完整的重复,区组内各处理都独立地随机排列。这是随机排列设计中最常用、最基本的设计。
区组内各试验处理的排列可采用抽签法或随机数字法。如采用随机数字法,可按照如下步骤进行:
(1)当处理数为一位数时,这里以 8个处理为例,首先要将处理分别给以1、2、3、4、5、6、7、8的代号,然后从随机数字表任意指定一页中的一行,去掉0和9及重复数字后,
即可得8个处理的排列次序。如在该表1页第26行数字次序为0056729559,3083877836,8444307650,7563722330,1922462930 则去掉0和9以及重复数字而得到56723841,即为8个处理在区组内的排列。完成一个区组的排列后,再从表中查另一行随机数字按上述方法排列第二区组、第三区组……,直至完成所有区组的排列。
(2)当处理数多于9个为两位数时,同样可查随机数字表。从随机数字表任意指定一页中的一行,去掉00和小于100且大于处理数与其最大整数倍相乘所得的数字及重复数字后,将剩余的两位数分别除以处理数,所得的各余数即为各处理在此区组内的排列。然后按同样方法完成其他区组内的处理排列。例如有14个处理,由于14乘以 7得数为98,故100以内14的最大整数倍为7,其与处理数的乘积得数为98,所以,除了00和重复数字外,还要除掉99。如随机选定第2页第34行,每次读两位,得73,72,53,77,40,17,74,56,30,68,95,80,95,75,41,33,29,37,76,91,55,27,17,04,89,在这些随机数字中,除了将99,00和重复数字除去外,其余凡大于14的数均被14除后得余数,将余数记录所得的随机排列为14个处理在区组内的排列,值得注意的在14个数字中最后一个,是随机查出13个数字后自动决定的。
随机区组在田间布置时,考虑到试验精确度与工作便利等方面的因素,通常采用方形区组和狭长形小区以提高试验精确度。此外,还必须注意使区组划分要与肥力梯度垂直,而区组内小区的长边与
梯度平行(图11-1)。这样既能提高试验精确度,同时亦能满足工作便利的要求。如处理数较多,为避免第一小区与最末小区距离过远,可将小区布置成两排(图11-2)。
随机区组设计的优点是:(1)设计简单,容易掌握;(2)富于伸缩性,单因素、复因素以及综合试验等都可应用;(3)能提供无偏的误差估计,在大区域试验中能有效地降低非处理因素等试验条件的单向差异,降低误差;(4)对试验地的地形要求不严,只对每个区组内的非处理因素等试验条件要求尽量一致。因此,不同区组可分散设置在不同地段上。缺点是:这种设计方法不允许处理数太多。因为处理多,区组必然增大,局部控制的效率降低,所以,处理数一般不要超过20个,最好在10个左右。
在田间试验设计中,各种试验设计方法有什么独特之处?分别适合什么种类的试验? |
|
二、单因素随机区组试验结果统计方法
在单因素随机区组试验结果的统计分析时,处理看作A因素,区组看作B因素,其剩余
部分则为试验误差。分析这类资料时,可应用两向分组资料的方差分析方法进行分析。设试验有k个处理,n个区组(指完全区组,下同),这样,此资料共有kn个观测值。整理格式见表11-1。x表示各小区产量(或其它性状),表示区组平均数,表示处理平均数,表示全试验的平均数,T表示全试验总和。其平方和与自由度分解公式如下:
(11-1)
总平方和=区组平方和+处理平方和+试验误差平方和
(11-2)
总自由度=区组自由度+处理自由度+误差自由度
表11-1 单因素随机区组试验资料的整理格式和符号
处理 样本 | 区 组 | 处理总和 Tt | 处理平均 |
1 | 2 | … | j | … | n |
1 | x11 | x12 | … | x1j | … | x1n | Tt1 | |
2 | x21 | x22 | … | x2j | … | x2n | Tt2 | |
… | … | … | … | … | … | … | … | … |
i | xi1 | xi2 | … | xij | … | xin | Tti | |
… | … | … | … | … | … | … | … | … |
k | xk1 | xk2 | … | xkj | … | xkn | Ttk | |
Tr | 华硕n80Tr1 | Tr2 | … | Trj | … | Trn | T=∑x | |
vb脚本 | | | | | | | | |
[例11.1]有一包括A、B、C、D、E、F、G 7个高蛋白大豆品种的蛋白质含量比较试验,其中E品种为对照,随机区组设计,3次重复,蛋白质含量结果如图11-3所示,试作分析。
Ⅰ | B 43.33 | D 44.26 | E 43.73 | C 43.72 | A 45.48 | G 41.14 | F 43.15 |
|
Ⅱ | E 43.25 | A 44.73 | G 43.43 | B 42.94 | F 43.78 | D 44.65 | C 42.26 |
|
Ⅲ | G 42.21 | C 43.25 | D 44.1 | A 44.25 | E 41.22 | F 44.0 | B 43.1 |
| | | | | | | |
图11-3 大豆蛋白质含量情况示意图
1.资料整理
将图11-3资料按区组与处理作两向表,如表11-2。
表11-2 大豆蛋白质含量结果表
处 理 | 区 组 | Tt | |
Ⅰ | Ⅱ | Ⅲ |
A | 45.48 | 44.73 | 44.25 | 134.46 | 44.82 |
B | 43.33 | 42.94 | 43.10 | 129.37 | 43.12 |
C | 43.72 | 42.26 | 43.25 | 129.23 | 43.08 |
D | 44.26 | 44.65 | 44.10 | 133.01 | 44.34 |
E | 43.73 | 43.25 | 41.22 | 128.20 | 42.73 |
F | 43.15 | 43.78 | 44.00 | 130.93 | 43.64 |
G | 41.14 | 43.43 | 42.21 | 126.78 | 42.26 |
Tr | 304.81 | 305.04 | 302.13 | T=911.98 | =43.43 |
| | | | | |
2.平方和及自由度的分解
根据11-1式和11-2式计算各变异来源的平方和及自由度。平方和及自由度计算如下:
矫正数
总变异平方和
区组间平方和
品种间平方和
误差平方和
总变异自由度=
区组间自由度=
品种间(处理间)自由度=
误差(处理内)自由度
将以上结果填入表 11-3。
3.F测验
列方差分析表,算得各类变异来源的s2值,并进行F测验。
表11-3 表11-2 资料的方差分析
变异来源 | SS | DF | s2 | F | F0.05 | F0.01 |
区组间 | 0.75 | 2 | 0.38 | 0.57 | 3.89 | 6.93 |
处理间 | 14.62 | 6 | 2.44 | 3.68* | 3.00 | 4.82 |
误差 | 7.93 | 12 | 0.66 | | | |
总计 | 23.30 | 20 | | | | |
| | | | | | |
对区组间s2作F测验,结果表明3个区组间的土壤肥力没有显著差异。区组间差异与否并不
是试验的目的,因此一般不作F测验。对肥料间s2作F测验,结果表明7个总体平均数间有显著的差异,需进一步作多重比较,以明了哪些处理间有显著差异,哪些处理间没有显著差异。
4.多重比较
(1)最小显著差数法(LSD法) 根据品种比较试验要求,各个供试品种应与对照品种进行比较,宜应用LSD法。
首先应算得样本平均数差数的标准误:
根据v=DFe=12,查值表得,故
得到各品种与对照品种(E)的差数及显著性,并列于表11-4。
表11-4 图11-3资料各品种与对照产量差异显著性测验表
品 种 | 蛋白质含量 | 与E(CK)差异 |
A D F B C E(CK) G | 44.82 44.34 43.64 43.12 43.08 42.73 42.26 | 2.09** 1.61* 0.91 0.39 0.35 0.00 设备完好标准-0.47 |
| | |
从表11-4可以看出,品种A与对照品种蛋白质含量差异达到极显著水平,品种D与对照比差异达到显著水平。
(2)最小显著极差法(LSR法) 如果不仅要测验品种和对照相比的差异显著性,而且要测验品种间相互比较的差异显著性,则应该应用LSR法。用这种方法比较,首先应算得样本平均数标准误SE:
查SSR值表,当v=DFe=12时得=2、3……7的值,并根据公式,算得值列于表11-5,然后用字母标记法以表11-5的LSR衡量不同品种间产量差异显著性将比较结果列于表11-6。
表11-5 图11-3资料最小显著极差法测验值
k | 2 | 3 | 4 | 5 | 6 | 7 |
SSR0.05 | 3.08 | 3.23 | 3.33 | 3.36 | 3.4 | 3.42 |
SSR0.01 | 4.32 | 4.55 | 4.68 | 4.76 | 4.84 | 4.92 |
LSR0.05 | 1.45 | 1.52 | 1.57 | 1.58 | 1.60 | 1.61 |
LSR0.01 | 2.03 | 2.14 | 2.20 | 2.24 | 2.27 | 2.31 |
| | | | | | |
表11-6 图11-3资料的差异显著性测验结果
品种 | | 差异显著性 |
a=0.05 | a=0.01 |
A D F B C E(CK) G | 44.82 44.34须藤元气 43.64 43.12 43.08 42.73 42.26 | a ab abc bc bc c c | A AB AB AB AB AB B |
| | | |
结果表明: A、D品种与B、C、E、G品种间达到显著差异;A品种与G品种达到极显著差异,其余品种间均无显著差异。
为了便于熟练地进行单因素随机区组设计试验结果的统计分析,现将单因素随机区组设计试验结果方差分析所需公式整理成表格,供大家在学习的过程中使用。
表11-7 单因子随机区组试验资料方差分析所用公式
变因 | SS | DF | s2 | F | SE | 环境影响评价分类管理名录2018
区 组 间 | | | | | |
处 理 间 | | | | | |
误 差 | | | | | |
总 变 异 | | | | | |
| | | | | |
宜宾县教育网第二节 复因素随机区组试验和统计方法
有两个以上试验因素的试验称为复因素试验。这里重点说明两因素随机区组试验结果的统计分析方法。
设有A和B两个因素,各具有a和b个水平,则有ab个处理组合(处理)。采用随机区组设计,重复r次,共有abr个观察值。由于处理项是由A和B两个因素不同水平的组合。因此处理间差异又可分解为A因素水平间差异、B因素水平间差异和A与B的交互作用三部分。
(11-3)
即:
(11-4)
即:总自由度区组间自由度+处理自由度+误差自由度
其中处理项平方和及自由度可进一步分解:
(11-5)
即:处理平方和SSt=A的平方和SSA+B的平方和SSB+A×B平方和SSA×B
(11-6)
即:处理自由度=A的自由度+B的自由度+A×B的自由度
在公式中,代表任意一个观察值,为任意一个区组平均数,为任意一个处理平均数,、分别为A因素和B因素某一水平平均数,为试验总的平均数。将二因素随机区组结果分析时平方和与自由度计算公式列于表11-8。
表11-8 二因素随机区组试验平方和与自由度分解
变异来源 | DF | SS |
区组 | | |
处理 | | |
A | | |
B | | |
A×B | | |
误差 | | |
总变异 | rab-1 | |
| | |
[例11.2]有A1、A2、A3三个豌豆品种,按B1(20cm)、B2(26cm)、B3(33cm)三个株距(行距相同)进行品种和密度二因子试验,共有9个处理(组合),采取随机区组设计,重复4次,其小区产量列于表11-9,其二因素两向表列为表11-10,试作方差分析。
表11-9 豌豆品种和密度试验小区产量(kg)