第十三章 多因素试验结果的统计分析 田间试验安排及生物统计.ppt

表13.50中各互作项的符号为其同列内相应各主效符号的相乘结果。 表13.50 2×2×2因子试验主效及互作计算符号表 效 应 处 理 组 合 (1) (n) (p) (np) (k) (nk) (pk) (npk) (N) (P) (NP) (K) (NK) (PK) (NPK) - - + - + + - + - - - - + + - + - - + - + + + + - - - - - - + + - - + + - - + + - - - + - + - + - + + + + + + + 如果需要全面地考察以上全部七个效应，那么在同一区组中必须包含全部8个处理组合，通常可以应用随机区组设计。如果需要缩小区组增加地区控制的效果而同时可以牺牲实际意义不大的二级互作NPK，那么可以按 (NPK)=[(npk)+(n)+(p)+(k)]-(np)+(nk)+(pk)+(1)] 将8个处理组合分为两组，左边四个具有(+)号的设置一个区组，右边四个具有(-)号的另设置一个区组，如图13.5Ⅰa和Ⅰb等区组所示。 图13.5 小麦肥料试验田间排列图(混杂NPK，附小区产量公斤数) Ⅰ Ⅰa npk 45 k 10 p 31 n 26 pk 34 (1) 11 nk 31 np 41 Ⅱb Ⅱ Ⅰb nk 29 np 40 pk 37 (1) 10 k 9 p 32 n 27 npk 45 Ⅱa Ⅲ Ⅲa (1) 9 np 53 np 32 pk 42 npk 47 k 13 p 32 n 28 Ⅳa Ⅳ Ⅲb n 30 p 32 k 10 npk 44 np 44 (1) 13 nk 27 pk 36 Ⅳb 这时，因(+)组和(-)组分别在两个区组，肥力不相同，NPK互作和区组效应混合在一起区分不开，因而牺牲了NPK互作效应的估计或称混杂了NPK效应。但是由于区组缩小一半，可以降低试验误差，增加了其他三个主效，三个一级互作的准确性和精确性。若要混杂其他效应，只需按表13.50中相应效应的符号区分为(+)组(-)组即可。 图13.5为混杂NPK四次重复的设计，这种在各重复中均混杂同一效应的混杂方法称完全混杂法。 完全混杂设计使 NPK 全部舍弃，无法估计。如果试验希望了解 NPK 的交互作用，又不希望舍弃其他效应，这时可以采取部分混杂设计的方法。例如全试验有四次重复，第一重复混杂 NPK ，第二重复混杂NP ，第三重复混杂 NK ，第四重复混杂 PK 。其排列如图13.6所示。 图13.6 四个重复的2×2×2部分混杂设计图示 (-)组 (1) n n p np p k k nk nk np np pk pk pk nk Ⅰa Ⅱa Ⅲa Ⅳa (+)组 (重复) n (1) (1) (1) p k p n k np nk pk npk npk npk npk (NPK)Ⅰb (NP)Ⅱb (NK)Ⅲb (PK)Ⅳb 这种部分混杂设计中，N、P、K三个主效可从四个重复计算：NP、NK、PK、NPK 四个交互作用各可从三个重复计算，因而不至于舍弃任何一个效应。 上面以23试验为列说明混杂的基本方法，由23的混杂方法可以推广至2n试验的混杂。 (二) 2×2×2混杂设计的分析 1.完全混杂时的分析 2×2×2混杂设计的线性模型，除混杂效应缺失外，其他均同三因素试验的线性模型，但一般处理效应均为固定模型。 完全混杂时的分析 [例13.9] 以图13.5中的数据为例说明。若这试验为四次重复的随机区组设计则处理组合平方和可进一步分析为各主效平方和及互作平方和。在本例2水 平的情况下，各效应平方和的简法计算为： 为比较混杂设计方差分析的特点，今将此试验先暂按随机区组设计计算如下： (1) 列一区组与处理组合的二向表13.51。 (2) 计算随机区组各部分平方和 (13·19) 表13.51 小麦2×2×2肥料试验产量表(kg/区) 处理组合 区 组 处理组合 总和Tt Ⅰ Ⅱ Ⅲ Ⅳ (1) 10 11 9 13 43 n 26 27 28 30 111 p 31 32 32 32 127 np 40 41 53 44 178 k 10 9 13 10 42 nk 29 31 32 27 119 pk 37 34 42 36 149 npk 45 45 47 44 181 区组总和Tr 228 230 256 236 T=950 (3) 计算各主效及互作平方和 先计算各效应的总和 (N )=[(n)+(np)+(nk)+(npk)]-[(1)+(p)+(k)+(pk)] =[111+178+119+181]-[43+127+42+149] =589-361=228