第9章 多因素试验结果分析.pptVIP

第九章　多因素试验结果的分析 ＆9.1 复因子试验概述 ＆9.2　二因素随机区组设计的结果分析 ＆9.3　二因素裂区设计的结果分析 ＆9.4　正交试验设计及统计分析 ＆9.1 复因子试验概述 二、单、复因子试验方差分析不同点 ＆9.2　二因素随机区组设计的结果分析 一、二因素随机区组试验的线性模型和期望均方 二因素随机区组设计的平方和与均方 [例9.1]橡胶树品系A与栽培密度B试验，采用随机区组设计重复4次，测得小区年干胶产量如下表，试作方差分析。 表8.2 图 8.1资料处理与区组两向表 ＆9.3　二因素裂区设计的结果分析 ＆9.4 正交试验设计及统计分析 二、正交表 [例13.12] 有一棉花试验，包括品种（A）、施肥量（B）、打顶期（C）三个因素，每因素皆取3个水平。现要求通过试验明确各因素的主效和一级互作，试予设计。 五、正交试验的统计分析 2、有交互作用的试验（P291自学） 六、正交试验结果采用SAS分析法实例： 例 橡胶幼苗矮化试验，因子、水平表如表10.42。采用混合型正交表L8（4×24）进行设计。供试品系为热垦17，重复3次，每小区15株幼树。1975年3月定植，1976年3月处理，同年12月测定新抽出蓬距（厘米）见表10.43。 实例二：考虑互作 在m=3的正交表中，只有L27（313）可以估计3个因素的主效（占有3 列）和3个一级互作（占有6列），其表头设计为： SAS另例 B×C B×C 13 12 11 10 9 8 列号 A×C A×C C A×B A×B B A 7 6 5 4 3 2 1 列号 　　由于一个区组中包含27个处理组合，小区数目太多。如果分成3个不完全区组，使每一个不完全区组仅包含9个处理组合，则测验可以更为精确。 例如第9 列，排入“区组”，然后依其中1、2、3的水平符号，将同一水平符号的处理组合归为一个不完全区组，即得如下的3个不完全区组（在田间布置时各不完全区组及其处理都要随机排列）的各个处理号为： 不完全区组I a: 1, 6, 8, 12, 14, 16, 20, 22, 27 不完全区组I b: 2, 4, 9, 10, 15, 17, 21, 23, 25 不完全区组I c: 3, 5, 7, 11, 13, 18, 19, 24, 26 如果本试验设置4次重复，则4个重复也可分别用L27 （313）的9、10、12、13列将各划分成3个不完全组。 P382　（6） L27 （313） 　　正交试验的结果分析，分为直观分析法与方差分析法两种。 　　因直观分析法分析得比较粗糙，而且无法诂计出试验误差，这里就不作介绍了，以下介绍分析得比较精细且可估计试验误差的方差分析法。 1、无交互作用的试验 [例13.13] 设为了解温度（高、中、低），菌系（甲、乙、丙），培养时间（长、中、短）对根瘤菌生长的影响，进行培养试验，据以往经验，三因素间无明显交互作用，目的在考察三因子的主效并筛选最佳组合，选用L9（34）表，将A、B、C分别放在1，2，4列，重复试验二次，随机区组设计。每10视野根瘤菌计数结果及其分析列在表13.60。 SAS另例 表13.60 根瘤菌培养温度、菌系、时间三因子 　　　　部分重复试验每10视野细菌数结果 140.0 195.0 6495 5005 T3 95.0 210.0 5015 5835 T2 T=16775 8250 Tr=8525 340.0 180.0 5265 5975 T1 1012.5 2025 990 1035 1 2 3 3 9 727.5 1455 680 775 3 1 2 3 8 762.5 1525 720 905 2 3 1 3 7 1105.0 2210 1100 1110 2 1 3 2 6 900.0 1800 920 880 1 3 2 2 5 912.5 1825 920 905 3 2 1 2 4 1130.0 2260 1125 1135 3 3 3 1 3 880.0 1760 860 900 2 2 2 1 2 957.5 1915 935 980 1 1 1 1 1 4 3 2 1 　 I II　　　Tt C B A 处理号 解：第一步，求各种平方和 （1）按随机区组设计计算各种平方和 （2）计算正交表中每一列平方和。 第二步，作方差分析 误差e2是真正的试验误差，而误差e1除含有试验误差外尚有模型误差。但如果“F=e1均方/e2均方”不显著，则说明模型误差不显著，这时可将e1平方和与e2平方和合并，自由度也合并，以此合并的误差作为全试验的误差，这样做一般能提高测验的精度。反之，若上述F测验呈显著，则e1与e2不