(浙大生物统计实验报告3.docxVIP

课程名称：生物统计与实验设计姓 名：赵应学 院：农业与生物技术学院系：应用生物科学专 业：应用生物科学学 号：3140100080指导教师：朱军、徐海明2016年6 月6日专业： 应用生物科学 姓名： 赵应 学号： 3140100080 日期： 2016年4月11日 地点：紫金港西1-106（多） 实验报告课程名称： 生物统计与实验设计 指导老师： 徐海明 成绩：_______________ 实验名称： 协方差分析和混合线性模型分析 实验类型： 综合实验 实验目的和要求掌握协方差分析、混合线性模型的原理。学会用协方差分析和混合线性模型对大数据进行分析。了解协方差分析与二因素析因分析的差异。比较SAS软件和QTModel软件的分析效益。?QTLNetwork软件分析控制仿真群体表现型值的QTL定位数据。比较回归分析、相关分析、方差分析、MCIM的定位分析的优缺点。实验内容和原理协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法。 方差分析是从质量因子的角度探讨因素不同水平对实验指标影响的差异。一般说来，质量因子是可以人为控制的。 回归分析是从数量因子的角度出发，通过建立回归方程来研究实验指标与一个（或几个）因子之间的数量关系。但大多数情况下，数量因子是不可以人为加以控制的。混合线性模型(mixed linear model)一种方差分量模型。在方差分量模型中，把既含有固定效应，又含有随机效应的模型，称为混合线性模型。主要仪器设备SAS软件、QTModel软件、QTLNetwork软件操作方法和实验步骤二因素协方差分析以2个品种2个水分水平的鲜花产量为依变量，重复6次：以小区面积为x变量，进行二因素协方差分析，分析品种、水分对鲜花产量的影响，对显著的效应进行适当的比较；比较协方差分析与二因素析因分析结果之间的差异。 水稻品种区域试验分析水稻五个品种在二年和四个试点三个区组的品种区域试验数据（删除了二个异常值）储存在数据文件(RiceTrial-2.txt)中。采用SAS软件的Proc GLM, Proc Mixed和Proc VarCom分析该数据，并对品种的表现作适宜的推断;采用QTModel软件分析该数据，对品种的表现作适宜的推断;比较SAS软件和QTModel软件的分析效益。QTL定位分析采用QTLNetwork软件分析控制仿真群体表现型值的QTL定位数据（DHSim.map和DHSim.txt）。估算QTL的位置和遗传效应，对群体的QTL位置和遗传效应作统计推断;把QTL定位结果和实验一的分析结果都与仿真的参数真值作比较，比较所采用的四种分析方法（回归分析、相关分析、方差分析、MCIM的定位分析）用于推断群体基因定位的可靠性及统计方法的优缺点。实验数据记录和处理二因素协方差分析析因分析结果协方差分析结果水稻品种区域试验分析用GLM模块分析结果用MIXED模块分析结果用Varcomp 模块分析结果用QTModel 分析结果QTL定位分析用SAS做回归分析结果：用SAS做相关分析结果：用SAS做方差分析结果：此处略去m3到m33标记的方差分析结果。实验结果与分析二因素协方差分析由析因分析结果可知，模型的PrF值=0.22660.05且 R-Square=0.191113，故模型不显著；并且，无论是主因素A、B还是两者的互做效应，对Y（鲜花产量）都没有显著性的影响。因此，用析因分析模型来分析该实验数据不是太合适。然后用协方差模型进行分析，模型的Pr0.0001，模型极显著。由变量显著性分析可知，主因素X(小区面积)、A(品种)和B(水分)对Y（鲜花产量）具有显著性影响，而A(品种)和B(水分)的互作对Y（鲜花产量）的影响不显著，所以可以对单独的因素进行分析。因此，可以用协方差模型分析次实验数据。对于品种因素单一分析，LP品种产量均比WB品种产量高；对于水分因素单一分析，Low水平产量均比High水平产量高。两种分析方法结果的不同显示出：协方差分析将协变量对因变量的影响从自变量中分离出去，可以进一步提高实验精确度和统计检验灵敏度。水稻品种区域试验分析GLM模块分析结果表明：模型的PrF值0.0001且 R-Square=0.955918，故模型显著，yield与Gen、Year、Loc、Year*Loc、Gen*Year Gen*Loc、Gen*Loc*Year、Block(Year*Loc)存在显著的线性关系，且各因素主效应、互做效应均显著。各效应中只有主效应year（年份效应）、Block（区组效应）和互作效应gen*year*loc（品种*年份*地点）三互作显著，对Y（产量）有显著性影响，其余各效应均不显著。Alpha=0.05时，只有4-1、4-2、5-1、5-2、3-2