混合线性模型在玉米多点测试数据分析中的应用-VSNC.PDFVIP

混合线性模型在玉米多点测试分析中的应用 报告人：邓飞 邮 箱：dave@vsni.co.uk 电 话：010 单 位：北京维斯恩思软件有限责任公司 北京维斯恩思软件有限责任公司China@vsni.co.uk 010 1 ➢玉米鉴定数据分析的重要性 ➢常用的分析方法及挑战 ➢混合线性模型的优势 ➢混合线性模型的实现 Software Solution Data Analytics 2 多点测试数据分析的重要性 定义：多点测试又叫多环境试验（Multi Environmental Trials），它是评价亲本 配合力及了解杂交种信息的重要手段。 测试试验又分为初级试验、中级试验和高级试验。 • 初级试验：间比法、增广设计、alpha-lattice • 中级试验：增广设计、alpha-lattice • 高级试验：RCBD、alpha-lattice Software Solution Data Analytics 3 多点测试数据分析的重要性 评价亲本 评价杂交种 评价试验点 • 亲本的一般配合力 • 杂交种的丰产性 • 评价试验地点的筛选能力 • 亲本的特殊配合力 • 杂交种的稳定性 • 评价试验地点的相似性 • 杂交种的适应性 • 试验点的区域性划分 Software Solution Data Analytics 4 常用的分析方法及挑战 方差分析 作用：主要进行显著性分析，分析品种、地点等因素间是否达到显著性差 异，后期进行多重比较。 缺点： • 前提假设较为严格，要求数据符合正态性、独立性和齐次性 • 数据缺失对结果影响较大，不能分析不平衡数据 • 对于多地点数据，需要首先检验地点间方差齐次性，满足条件才可以 联合方差分析 Software Solution Data Analytics 5 常用的分析方法及挑战 F-W 回归模型（Finlay Wilkinson ） 作用：利用品种在多地点的回归分析，考察品种的 稳定性和丰产性 缺点： • 不能给出品种在某些环境适应性的问题 • 不能给出环境间的关系 • 缺失数据对结果影响较大， Software Solution Data Analytics 6 常用的分析方法及挑战 AMMI和GGE双标图模型 作用：通过双标图分析品种的稳定性和适应性，评价环境和品种的关 系以及区域性划分。 缺点： • 数据只能分析平衡数据 • 利用的数据是品种在地点的平均值，误差较大 Software Solution Data Analytics 7 常用的分析方法及挑战 多点数据分析面临的挑战 育种规模的扩大，测试品种和测试地点的增加，数据越来越难满足一般线性分析的前提要求 数据平衡：缺失值经常存在，有些试验本身就是不平衡的 齐次性 ：地点间经常是异质的 独立性：测试品种系谱的关系和试验地肥力导致数据是有关联的 在数据不满足时使用一般线性模型（方差分析、回归分析、AMMI和GGE）