第三讲 DPS应用(2、试验统计分析).pptVIP

第二章 试验统计分析 科学试验，由于受环境随机因素的干扰，使试验结果往往含有随机影响的成分。对试验结果中处理因素主效应、因素间互作效应及试验误差等变异来源的分析，是生物统计学的重要内容。 一、方差分析 方差分析是科学试验中的常用工具，是生物统计分析的核心内容之一。 在科学试验中，试验结果往往是变化的，这种变化大体上由两类因素引起。一类是受随机因素影响而产生的波动。这类影响在试验中常常是不能控制的，因而是不可避免的。另一类是人为控制因素的影响使试验结果产生变化。当这类因素对试验结果有显著影响时，必然会明显地改变试验结果，并同随机因素的影响一起出现。反之，当这类因素对试验结果无显著影响时，则相应的变化就不会明显表现出来，从而使试验结果的变化基本上归结于随机因素的影响。科学试验的目的常常是为了判断这类受人们控制的因素对试验结果的影响是否确实存在。 方差分析正是通过对试验结果数据变动的分析，对上述问题作出判断的有效工具。因为它可以将随机变动和非随机变动从混杂状态下分离开来，帮助我们发现起主导作用的变异来源，从而抓住主要矛盾或关键因素并采取有效措施。 （一）数据转换 方差分析是以各数据来自独立、正态、等方差这一条件为前提，当正态、等方差的条件不满足时，应将原始数据进行转换以满足正态、等方差条件后再作方差分析。 DPS 系统提供了4 种数据转换的常用手段。 平方根转换：多适用于那些计数的数据资料分析； 对数转换：可用于百分率以及计数数据； 反正弦平方根转换：常用于百分率数据的情形； 倒数转换：常用于标准差和平均数成比例增长的一类数据。 （二）试验数据编辑整理格式 1．单因素方差分析数据编辑格式 按处理次序，一行一个处理，行内依次输入该处理的各个区组(重复)的观察或测定值。 （二）试验数据编辑整理格式 2． 二因素试验方差分析数据编辑格式 将数据按因素A、B 处理顺序在编辑器中输入。先输入A 因素的各处理后再输B 因素的处理，然后依次输入各处理中的重复。 对于系统(巢式)设计和裂区设计，也以类似形式编辑、排列试验结果数据。在巢式设计中，以A 因素作为处理组，B 因素作为亚组对待；在裂区试验中，以 A 因素作为主区，B 因素作为裂区对待。 （二）试验数据编辑整理格式 2． 二因素试验方差分析数据编辑格式 （二）试验数据编辑整理格式 3． 多因素试验方差分析数据编辑格式 观察数据按因素处理(因子)A、处理B，…，处理K 以及区组(如果有重复的话)的顺序输入，即输入A 因素的各处理水平后再输B 因素的各一个处理水平，…，如果有重复的话，在一个处理中依次输入各处理中的重复观测值。 若有两个因子，其A 因子有K 个处理，B 因子有L 个处理，各个处理重复N 次。其资料输入顺序为两因素试验的扩展。 （三）方差分析结果解释 在进行试验结果的分析之前，我们必须在思想上牢记：要尽量地利用你对问题的非统计学知识。因为实验者在各自的领域内通常有独到的实践经验、受过正规的科学训练、具有高深的知识，这些都可用来分析因素和响应变量之间的关系，这在解释分析结果时是极其有用的，是统计学无法替代的。在进行方差分析结果解释时要点如下： 显著水平p值：方差分析表中，显著水平p值是推断试验处理间差异程度的指标。只有当显著水平p≤0.05时，一般才认为各个处理间确实存在着差异。 区组效应分析：如区组间显著水平p≤0.05时，该试验还可靠吗？答案是肯定的。因为所以采用随机区组试验设计来安排试验，实质上是为了剔除，确切一点来说是分离因土壤、肥力、地势地貌等可能会导致的非人为处理差异。区组间显著水平p≤0.05时只说明这类差异确实存在，并且已从试验结果中分离出来。因此它不影响试验处理结果的解释。当然，区组间显著水平p＞0.05，说明试验条件更均衡些，非人为因素对试验结果的影响更小些。 （三）方差分析结果解释 多重比较：一般来说，只有当方差分析表中的显著水平p≤0.05时才能进一步作多重比较分析。多重比较可进一步检验各个处理间两两之间的差异。 在进行多重比较时，必须注意各个处理之间是否存在互作，当交互作用项显著时，简单地分析各个处理间的差异并不是很好的做法。这时，一个因素(例如，A)的均值间的比较可能由于AB交互作用而模糊不清。对这一情况的一种做法是将因素B固定在一特定水平上，在此水平上对因素A的均值进行多重比较。 当交互作用显著时，多重比较的另一个做法是比较所有ab个单元的均值，以便确定哪一些有显著性差异。在这一分析中，单元均值间的差异既包含了交互作用效应的，又包含了所有主效应的。 多重比较结果：在DPS中，各个处理凡后面具有相同字母者，表示它们之间的差异不显著；否则差异显著。 （四）单因素完全随机设计 如：对以下四个小麦材料单株粒重资料(范濂，1983)进行方差分析及差异显著性测定