浙大生物统计实验报告2(总7页)
-CAL-FENGHAI.-(YICAI)-Company One1 -CAL-本页仅作为文档封面，使用请直接删除
课程名称：姓 名：学 院：系：专 业：学 号：指导教师：生物统计与实验设计
赵应
农业与生物技术学院 应用生物科学 应用生物科学 3140100080 朱军、徐海明
2016年5 月23 日
2
专业： 应用生物科学 姓名： 赵应 实验报告
__________________
学号： 3140100080 日期： 2016年5月23日 地点：紫金港西1-106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： Variance analysis 实验类型： 综合实验
一、 实验目的和要求
1、 学习方差分析的原理和方法。
2、 学会用SAS软件对数据进行方差分析。 3、 学会根据ANOVA表给出统计推断。 二、 实验内容和原理
1、 方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个：
a) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均
值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw。
b) 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之
偏差平方和表示，记作SSb，组间自由度dfb。
2、 具体操作是对总偏差平方和和总的自由度进行分解，然后进行统计检验。总偏差平方和 SST=
SSb + SSw。组内SSw、组间SSb除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MSw和MSb，一种情况是处理没有作用，即各组样本均来自同一总体，MSb/MSw≈1。另一种情况是处理确实有作用，组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，MSb>>MSw(远远大于)。MSb/MSw比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体。
三、 主要仪器设备
一台装有SAS的PC 四、 操作方法和实验步骤
1、 双因素方差分析方法
分别以实验一中的仿真群体表现型值为依变量，以实验一（6.4）中推断得到的分子标记为标记效应，二个环境作为环境效应，采用双因素方差分析方法对影响表现型变异的分子标记效应、环境效应、标记×环境互作效应进行方差分析。验证实验一的推断结果。根据标记×环境互作效应的显著性检验结果，推断基因对于不同环境下表现型变异的作用。 2、 多因素析因设计数量因素的的分析
分析棉花三因素（品种、播种时期、密度）析因设计的实验资料，3个区组。该试验有2个品种、2个播期（谷雨、立夏）和3个播种密度（每亩3500株、5000株、6500株），依变量是产量（公斤）。假设各因素均为固定相应， 采用方差分析的方法，列出方差分析表，分析各项主效应和互作效应的显著性。检验品种，播期和播种密度对产量的影响是否显著。运用多重比较方法检验各个因素的不同水平之间差异（建议采用Tukey方法）。
五、 实验数据记录和处理
1、 用逐步回归筛选标记结果:环境1：
装订线 3
2、 用逐步回归筛选标记结果:环境2：
3、 因此用逐步回归分析筛选出的所有标记为：m1 m2 m3 m4 m5 m11 m13 m15 m27 m28 4、 针对标记m1的方差分析：
5、 针对标记m2的方差分析：
4
6、 针对标记m3的方差分析：
7、 针对标记m4的方差分析：
8、 针对标记m5的方差分析：
5
9、 针对标记m11的方差分析：
10、针对标记m13的方差分析： 11、针对标记m15的方差分析：
6
12、针对标记m27的方差分析： 13、针对标记m28的方差分析: 14、棉花三因素方差分析：
7
15、多重比较方法检验各个因素的不同水平之间差异：
六、 实验结果与分析
1、 根据针对m1 m2 m3 m4 m5 m11 m13 m15 m27 m28的方差分析表我们可以推断：m1 m2 m3 m4
m5 m11 m13 m15 m27 m28对产量都是有显著影响的，环境对于产量也有显著影响。但是只是对于m1 m2 m3 m4 m5 m27 m28而言，它们分别和环境的互作效应对于产量有显著影响，从方差分析表上我们不能推断m11 m13 m15分别和环境的互作效应对于产量有显著影响。
2、 从棉花三因素的方差分析表我们可以推断: 品种、播种时期、密度、品种和播种时期的互作效
应、品种和播种密度的互作效应对最终产量有显著影响；而播种时期和播种密度的互作效应、品种、播种时期和播种密度的互作效应对于产量没有显著影响。用Tukey法分析各个因素不同水平额差异发现：两个品种存在差异，播种时期存在差异，播种密度每亩5000株与每亩6500株、每亩3500株之间存在差异，每亩6500株和每亩3500株之间没有显著差异。
七、 讨论、心得
1、 ANOVA 仅适用于平衡数据，GLM 适用于平衡和非平衡数据。
2、 ANOVA可以对非数值型数据进行分析如以A、B作为数据等，回归分析时的数据必须是数值
型的，如果不是数值型的需要先进行转换。
8
因篇幅问题不能全部显示，请点此查看更多更全内容