浙大生物统计实验报告3.docxVIP

浙大生物统计实验报告3

课程名称：

生物统计与实验设计

姓名：

赵应

学院：

农业与生物技术学院

系：

应用生物科学

专业：

应用生物科学

学号：

3140100080

指导教师：

朱军、徐海明

2016年6月6日

专业：应用生物科学

专业：应用生物科学

姓名：赵应

学号：3140100080

日期：2016年4月11日

地点：紫金港西1-106（多）

课程名称：生物统计与实验设计指导老师：徐海明成绩：_______________

实验名称：协方差分析和混合线性模型分析实验类型：综合实验

实验目的和要求

掌握协方差分析、混合线性模型的原理。

学会用协方差分析和混合线性模型对大数据进行分析。

了解协方差分析与二因素析因分析的差异。

比较SAS软件和QTModel软件的分析效益。?

QTLNetwork软件分析控制仿真群体表现型值的QTL定位数据。

比较回归分析、相关分析、方差分析、MCIM的定位分析的优缺点。

实验内容和原理

协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法。方差分析是从质量因子的角度探讨因素不同水平对实验指

水稻品种区域试验分析

用GLM模块分析结果

用MIXED模块分析结果

用Varcomp模块分析结果

用QTModel分析结果

QTL定位分析

用SAS做回归分析结果：

用SAS做相关分析结果：

用SAS做方差分析结果：

此处略去m3到m33标记的方差分析结果。

实验结果与分析

二因素协方差分析

由析因分析结果可知，模型的PrF值=0.22660.05且R-Square=0.191113，故模型不显著；并且，无论是主因素A、B还是两者的互做效应，对Y（鲜花产量）都没有显著性的影响。因此，用析因分析模型来分析该实验数据不是太合适。然后用协方差模型进行分析，模型的Pr0.0001，模型极显著。由变量显著性分析可知，主因素X(小区面积)、A(品种)和B(水分)对Y（鲜花产量）具有显著性影响，而A(品种)和B(水分)的互作对Y（鲜花产量）的影响不显著，所以可以对单独的因素进行分析。因此，可以用协方差模型分析次实验数据。对于品种因素单一分析，LP品种产量均比WB品种产量高；对于水分因素单一分析，Low水平产量均比High水平产量高。两种分析方法结果的不同显示出：协方差分析将协变量对因变量的影响从自变量中分离出去，可以进一步提高实验精确度和统计检验灵敏度。

水稻品种区域试验分析

GLM模块分析结果表明：模型的PrF值0.0001且R-Square=0.955918，故模型显著，yield与Gen、Year、Loc、Year*Loc、Gen*YearGen*Loc、Gen*Loc*Year、Block(Year*Loc)存在显著的线性关系，且各因素主效应、互做效应均显著。各效应中只有主效应year（年份效应）、Block（区组效应）和互作效应gen*year*loc（品种*年份*地点）三互作显著，对Y（产量）有显著性影响，其余各效应均不显著。Alpha=0.05时，只有4-1、4-2、5-1、5-2、3-2五组中，两个品种间差异显著，其余各品种间差异不显著。Mixed模块分析结果表明：Mixed分析结果表中列出了模型中变量的协方差参数估计，但没有给出相应的标准误和对应的Pvalue，故无法直接判断各因素的显著性情况。固定效应Gen的第三类估计方法得到的Pvalue=0.35520.05，表明品种效应 对产量的影响并不显著。对于固定效应品种（Gen），在其他条件相同时，Gen5的产量最高。虽然不同品种的产量不同，但是各品种间无显著性差异。VarComp模块分析结果表明：VarComp列出了模型中变量的方差参数估计，但未给出显著性检验，故无法直接判断各因素的显著性情况。

QTModel分析结果表明：Henderson方法III方差分析得到，Gen、Year、Loc、Year*Loc、Gen*Year、Gen*Loc、Gen*Year*Loc、Block(Year*Loc)的Pvalue均小于0.05，因此，Gen、Year、Loc、Year*Loc、Gen*Year、Gen*Loc、Gen*Year*Loc、Block(Year*Loc)对水稻产量的影响是显著的。各品种均值均与零存在显著性差异，各品种间差异均不显著。

QTModel软件分析该实验数据Residual?比较小，分析结果较可靠，因此QTModel