04肥料经济学--第四章 用试验数据确定统计学和经济学的最优推荐施肥量：处理设计、模拟、分析和解释.docVIP

第四章 用试验数据确定统计学和经济学的最优推荐施肥量：处理设计、模拟、分析和解释 　　成功得到肥料推荐用量的研究主要依赖于试验计划是否完善，最终数据的分析和解释在很大程度上决定于试验的设计，所以我们在计划试验的过程中有必要考虑这些步骤。　　1. 计划在试验中的重要性　　制订试验计划必须与原始目的保持一致。否则我们是在用一个完美的试验去解答一个错误的问题。要时刻记住，如果不能设计一个可以达到我们目的的试验，就不如放弃它。　　通常我们准备一套详细的初步设计方案，然后，仔细地研究并进行修改。与统计学家进行探讨将会很有帮助。这是一个反复的过程：土壤学家形成一个计划草案并与统计学家进行探讨。然后土壤学家回到办公室去研究。之后，他再回来与统计学家商讨。这个过程要研讨数次，因为整个试验要用很长时间，任何设计中的缺陷都可能导致时间和劳动力的浪费。　　我们的目的之一是避免设计失败，内在不完善的设计将阻碍我们达到目的，或在一些时候，注定导致失败。避免设计的失误虽然不能保证试验成功，但至少可以消除“内在”的失败。　　试验的规模需要认真考虑，此处是指重复次数。试验的重复数过少，试验结果就会缺少说服力，这时我们还不如不做试验。设置的重复数过大，试验成本就会随之增加。如果我们知道所需要的平均值之间差异的大小就有可能估计出试验的精确规模，并根据经验对变异系数进行估计。我们必须选择一个置信水平。我是指Cochran和Cox（1957）的试验设计课程第二章中有关重复次数的表格。避免“小”试验问题的一个措施是把单因素试验与析因试验相结合。如果必须实施处理数较少的单因素试验，就要设置更多的重复。根据我的经验，两次重复的效果不太好，三次和四次也一样。如果想得到更高的必要精确度就设置五次或六次重复。Sam Portch博士在他的组织所资助的中国试验中通常要求至少4次重复，这似乎可以提高其土壤肥力试验的统计质量。设置最小重复数的一般原则是，用来估计试验误差的自由度至少为10。这样看来5处理3重复的试验太小以致不能达到这一要求。　　在试验设计中应该考虑将来的分析阶段。在试验设计阶段也可以对一些模拟数据进行分析，只是要保证将来数据是可分析的。　　肥料试验的特点是：1、要对获得的效应进行曲面拟合；2、经常有过量的处理数；3、很难分离施入的养分和土壤固有养分的作用；4、需要进行一系列的试验。　　在试验阶段就需要考虑有关模型方面的问题：1）待估计参数的数量；2）处理某些设计和模型所引起的偏差；3）在试验中有另立的对照吗？　　2. 试验设计　　试验的定义是：“有计划的经验”。试验设计的四个基本原则是：1）有重复；2）随机性；3）区域控制或划分区组；4）使用能达到目的的最简单的设计。选用设计的标准是：1）简捷；2）方便；3）误差控制；4）灵活性；5）试验数据容易分析。　　在肥料试验中经常用到的试验设计有：1）随机区组；2）裂区设计；3）不完全区组；4）拉丁方设计。可能第一种是最常见的，第二种次之。在许多时候裂区设计可以用于随机完全区组设计中，然而裂区设计往往不能对小区的所有因素进行精确地控制。　　在进行肥料试验的时候有一个问题需要经常被提及。如果将有许多试验点，是在一系列位点里各设一次重复好，还是在某些位点内设置多次重复更好些？我觉得第二种办法更好，因为我可能从一个位点上进行推演而不是对所有的位点进行泛泛考虑。而且在一个位点上设重复，我们可以找到数据存在问题的点。而这对于每个位点都只有一次重复的方式来说是不可能的。 　　如果取样的位点很多，我们应该随机在位点总体中抽取样本呢，还是用更为系统的方法？我喜欢用更为系统的方法，那样就可以保证样品代表对描述总群体的各个变量的完整区间。　　在图4-1里，我们的样本覆盖了pH值和土壤磷水平的整个范围。 (图：方程（1、2、3）) 　　在系列试验中，尽可能使所有的因素都标准化很重要（如，试验设计、施肥量、种植日期、品种等等）。很难确定对所有位点都适合的系列施肥水平。我们需要更多地考虑环境因素的差异，有些时候它们比处理间的变异还要大。这样问题就是，是否为每个位点都计算出最优值然后把它们平均，还是在综合分析中只为所有的位点计算一个最优值。　　我们应对所得到的数据进行分析以确保所选择的水平是恰当的。如果在设计中存在着严重的问题，下一年就要修改设计方案。这就会使综合分析更加困难，但至少我们不坚持不明智的方案。 　　3. 处理设计　　在肥料试验中处理的设置是十分重要的。它与试验设计不同，选择处理设计的标准是：1）无需复杂分析即可解释的数据；2）处理数有限；3）系数估计值方差小；4）预测值方差小；5）在因素空间的中间部分，效应函数斜率估计值的方差小；6）拟合曲面偏差小；7）有失拟程度的