土壤–植物营养研究法24研讨.pptVIP

土壤植物营养研究法 王淑平 2006年12月15日 为克服回归正交设计不足而产生回归旋转设计。 旋转性是指与试验中心点距离相等的球面上各处理回归值的方差相等。 回归旋转设计也是由回归组合设计演化而来。 二次回归组合设计满足以下条件即  可转化为二次回归旋转设计： １、旋转性条件：据下式求得r值。 ２、非退化条件： 组合设计的试验点分布在三个半径不等球面上，其中： 二、回归旋转设计的种类： １、回归正交旋转设计：同时具有旋转性和 　　　　　　　　　　　正交性的回归设计。 　二次回归正交旋转设计必须满足下列公式： ２、回归通用旋转设计： 回归通用旋转设计实现了在因子空间的球面半径0? ? ? 1的范围内，不同球面半径试验点的方差也基本相等。 数学证明必须满足下列公式： 三、回归旋转设计方案的建立： 根据研究目的确定试验因素。 根据不同设计优良性要求确定码值方案。 计算各码值对应的因素水平。 将方案中xj列的码值换成实际的因素水 　平即得到试验方案。 注意：在采用通用旋转设计时，各因素 　上限水平不能定的过低。 四、回归旋转设计的统计分析： 回归旋转设计的建立， 回归方程显著性检验， 回归方程拟合度检验， 以上均可参照回归组合设计。 12.5 二次回归D-最优设计 自50年代以来，统计学家先后提出了许多 比较设计好坏的标准，如D-优良性，G-优良 性，F-优良性等。并由此构造出一系列相应 的最优或近似最优的回归设计方案。 一、二次回归D-最优设计原理： 数学证明,在回归模式既定条件下,信息矩阵的行列式值越大,回归系数对回归系数参数估计的偏差越小,方案也就越优。 以此为判据，从各种方案中评选出最优设计方案，这种方案就是D-最优设计。 处理数与回归方程数学模式待估参数个数相等的D-最优设计称为饱和D-最优设计。 二、回归D-最优设计的特点： 饱和设计处理数少，具有最高的试验效率。 若不设置重复，就不能对回归方程进行统计检验。 不能对回归方程的失拟程度进行统计检验。 饱和设计增加若干试验点得到近似饱和D-最优设计。 三、回归D-最优设计方案的建立： 根据研究目的确定试验因素和码值方案。 计算各码值对应的因素水平。 将方案中xj列的码值换成实际的因素水 　平即得到试验方案。 四、回归D-最优设计的统计分析： 回归D-最优设计一般不具有正交性和旋转性。方程的建立与检验按常规方法进行。 注意问题： 无特殊情况应设置重复。 饱和设计的失拟自由度为零，无法评价回归模型。因此，必须通过专业知识对所选模型进行认定。 D-最优设计的每个处理几乎都涉及非整数码值。 当试验因素大于3时，方案无最小码值组合，因此无法设置不施肥等空白对照处理。 “3414”试验简介: “3414”试验方案是二次回归D一最优设计的一种，是指氮、磷、钾3个因素、4个水平、14个处理。 该方案设计吸收了回归最优设计处理少、效率高的优点。 4个水平的含义指：0水平为不施肥，2水平为当地最佳施肥量的近似值，1水平= 2水平× 0.5，3水平=2水平×1．5(该水平为过量施肥水平)。具体见下表： 结果分析：陈新平等 “3414”设计的试验结果不仅可以用三元二次肥料效应函数拟合，而且可以用二元或一元肥料效应函数拟合。因此，当三元二次肥料效应函数不能对某一试验结果进行拟合时，不要立即放弃该试验．建议采用一元肥料效应函数分别对氮、磷、钾的肥料效应进行拟合并计算推荐施肥量，这样将得到更全面、更真实的信息。 例：某地编号为9510630033试验： 采用三元二次肥料效应方程进行拟合时，计算所得的肥料效应方程为： y = 196.6 + 5.3xl﹣0.5xl2 + 1.6 x2 ﹣0.03x22 + 12.7x3﹣0.7x3 2 + 0.7xlx2 + 0.5x1x3﹣0.5x2x3 (F=29.68** )。 根据此方程计算的最佳施肥量(kg／hm2)为：N220、P205 142、k20 143。 不同施肥模型拟合： 从不同施肥模型拟合成功率来讲，使用三元二次模型拟合时有效试验数占总试验数的56％，即有44％的试验是无法利用的；而采用一元肥料效应模型拟合有效试验数为100％ 。 由于“3414”试验设计的独特优势。其试验结果 不仅可以用三元二次肥料效应函数拟合，而且可以用二元或一元肥料效应函数拟合，这样将得到更全面、更真实的信息。 12.6 回归均匀设计 一、均匀设计的原理： 均匀设计产生与70年代末，80年代末应用于肥料田间试验，取得了比较满意的结果。 均匀设计采用数论的方法，使试验点在积分的范围内，较正交设计进一步分散，