摘要：　利用蒙特卡罗(MonteCarlo)模拟考察了随机区组设计、裂区设计和条区设计因数据缺失形成的数据非平衡性对试验分析结果的影响。结果表明,数据非平衡性可导致方差组分估计的精准度降低、固定效应误差的偏低估计以及固定效应测验一类统计错误率的增大。缺失数据越多,这一现象表现越明显。数据缺失对随机区组设计分析精准度的影响小,而对裂区和条区设计分析精准度的影响大。

摘要：　对普通最小二乘法和加权最小二乘法在不等重复单因素系统分组试验中的分析效果进行了比较研究。前者以组平均数为基础进行方差分析,后者以原单个数据为基础并采用KENWARDROGER法确定自由度进行分析。通过分析和模拟研究,结果表明,在数据不平衡性较小时,两种方法分析的结果相近,且一类统计错误率控制性较好;在数据不平衡性较大时,加权最小二乘法的一类统计错误率偏差比普通最小二乘法的小。因此,建议在遇到不等重复系统分组试验资料时,宜采用加权最小二乘法进行分析。

摘要：统计软件SAS中PROCMIXED的发展使得混合线性模型非平衡试验数据的分析在技术上变得简单可行。但在小样本非平衡数据条件下,选择怎样的自由度计算方法用于固定效应统计检验,才能取得较准确的分析结果,则是一个尚未明确的问题。本文利用PROCMIXED提供的几个自由度计算方法对3个常用农业试验设计的非平衡数据进行了分析。MonteCarlo模拟研究结果表明,Kenward Roger法能够取得第一类统计错误率的最佳控制。

摘要：　以条区试验设计为例,讨论了多误差试验数据分析的特点,以及利用统计软件SAS中传统程序PROCANOVA和PROCGLM对其进行分析的局限性,介绍和讨论了PROCMIXED对试验数据进行统计分析的原理、特点和应用效果,在此基础上提出了利用PROCMIXED对多误差试验数据进行分析的建议。

摘要：为了研究空间统计分析法在作物育种田间试验品系选择中的效果,采用剩余误差空间相关线性混合模型,对一个具有56个品系的小麦育种随机区组设计田间试验产量资料进行了空间统计分析。运用地理统计学中的半变异函数法确定剩余误差空间协方差的函数。结果表明,试验的剩余误差存在着典型的空间相关性,利用剩余误差空间协方差结构的信息可降低品系效应估计的误差和提高品系效应差异F检验与t检验的效率。此外,空间分析法对品系效应估计受试验条件不均匀的影响小,可导致较经典方差分析法不同的品系排序和优系选择结果。

摘要：【目的】提出针对无重复试验数据进行分析的方法,并演示用SAS提供的Proc mixed程序分析无重复试验数据的过程。【方法】基于国际标准统计分析软件(SAS)的Proc mixed过程和实际试验设计,应用线性混合模型对作物育种中的无重复试验数据进行分析,在分析植物育种无重复试验数据特点和传统方差分析法应用缺陷的基础上,将线性混合模型分析法中利用协方差结构反映试验误差特征的原理,用于植物育种无重复试验数据的统计与分析中,采用模型拟合信息量准则选择最优的试验误差协方差结构模型,最后进行实证分析。【结果】线性混合模型分析法给出了植物育种无重复试验品系产量效应估计及其差异显著性测验的结果;采用效应估计值得到的品系效应排序及入选优良系,与直接采用品系产量观测值法所得的结果存在较大差异;误差协方差结构模型的选择,对无重复试验分析结果的影响较大。【结论】利用线性混合模型原理和SAS软件的Proc mixed程序,可实现对植物育种无重复试验数据的分析,能解决植物育种无重复试验品系间可比性差及不能进行效应差异显著性统计测验的问题。