05肥料经济学--第五章 肥料效应试验数据分析和解释技巧和科学.docVIP

第五章 肥料效应试验数据分析和解释的技巧和科学 　　首先应该指出，我今天所讲的情况并非专为肥料效应试验数据。在许多其它的生物学和农业学科中都包含着具有数值型变量的试验，我的这些话对于它们同样适用。 　　数理统计在土壤科学中应用，有下面的优点：1）有助于明确基本的问题和目标；2）更有效地利用资源；3）适应或利用限制条件；4）把数据基本特性从随机干扰分类出来；5）概括结果；6）判断观察结果是否来源于偶然作用。 　　1. 研究土壤肥力效应要用综合方法： 　　1) 在早期要有统计学家参与；　　2) 试验设计、数据分析和解释互相联系；　　3) 处理选择十分重要；　　4) 试验规模的恰当估计；　　5) 试验数据的可信度；　　6) 教育计划；　　7) 统计学家与土壤学家的长期深入合作关系。　　2. 统计分析的要点如下：　　1) 方差分析并不是唯一的分析方法；　　2) 方差分析应符合设计的原始对比关系；　　3) 自由度的比较应与方差分析结合起来；　　4) 应该说明实际的统计学概率而不是用星号来表示显著性。　　Nelson和Rawlings（1983）列举了在农学研究和报告中经常出现的10个统计学上的错误，同时对如何进行设计、分析、解释和报告给出了几个例子。这篇论文可以作为将来数据分析和解释的指导材料。　　下面以裂区设计的方差分析为例说明了有逻辑地分解处理平方和与自由度： (表：表1 ) 变异来源 自由度d.f. 均方M.S. F P ＞F 区组 3 523333 　 　 石灰 1 829000 6.59 0.083 误差(a) 3 135333 　 　 N 3 273333 2.95 0.061 NL 1 152,000 1.64 0.217 NQ 1 650,000 7.02 0.016 N失拟 1 18,000 0.19 0.67 L×N 3 313000 3.38 0.041 误差(b) 18 92500 　 　 总和(corr.) 31 　 　 　 　　有了这样的特征分解，就会解释得很明白。石灰确实与氮相作用，因此我们需要对应每个石灰水平拟合独立的N-曲线。应该注意到，为了更明晰，L×N的交互作用可以分解成单独自由度组分。用最终的方程，我们就可以估计最佳肥料用量或为一个确定的肥料组合预测产量。　　如果有许多试验位点（或/和年份），就可以使用两种分析方法。一是先分析每个单独试验，然后再综合分析。我将就肥料效应试验作一个专门报告，在这里将不涉及这一问题。　　我们应该讨论一下如何使用多重比较（Duncans 新复极差测验、LSD等等）的问题，它们与我们的题目有一定联系。多重比较是统计学家在处理那种人们不明确什么样的对比有逻辑性的情况时发展起来的。例如在品种试验中的应用。但在许多其它方面我们确实思维清晰，因为我们设计试验来确定指定的对比关系。在两种情况下不能使用多重比较：1）在析因试验中比较因子组合平均值；2）在比较数量因素各水平的平均值时。　　第一种情况的坏例子是： (表：表2 ) 平均产量 ab ab a bc a bc c ab 1.17 1.28 1.08 1.43 0.94 1.42 1.54 1.25 品种Ladak 品种Rambler 0 10 20 40 0 10 20 40 接种菌株用量 　　因为上面的处理设计是2×4因子的，所以要析解处理因子后再做方差分析。在上例中平均值上面一行字母表示多重比较的结果则很不合适。如果方差分析能证明接种菌株用量的显著重要性，那既可以用一个品种拟合曲线，又可以用两个品种来拟合。　　第二种情况的坏例子是： (表：表3 ) 　 a ab bc c 浸提A1 33 44 48 57 施入A1 0 10 20 40 　　因为施A l量是数量因子，所以上例中用上面一行字母表示多重比较结果也是不恰当的。　　在这个例子中，可以拟合一条曲线并形成一个方程，但不能对平均值进行成对比较。在有逻辑模型（如肥料用量的曲线效应）的情况下应避免使用多重比较。否则，我们对指定因素的比较就不会有力，因其效力被分散在成对比较中了。　　我曾让我的学生做过一个练习，是对同一系列数据应用不同的多重比较法，其结果揭露了很多问题。保守测验（不能发现多数差异），如Tukey和Scheffe测验只表现为一组；而敏感测验（能发现更多的差异）如LSD却能表现很多组。这说明了多重比较的概念是多么地武断。关于如何使用和误用多重