本科实验报告
课程名称：姓名：学院：系：专业：学号：指导教师：生物统计学及试验设计
陈心源 农业与生物技术学院
园艺 园艺
3120100418
朱军/徐海明
2014年6月3日
专业：园艺 姓名：陈心源 实验报告
学号： 3120100418 日期： 2014.6.3 地点： 课程名称：生物统计学及试验设计指导老师：徐海明成绩：__________________ 实验名称：协方差分析和混合线性模型分析 一、实验目的和要求（必填） 二、实验内容和原理（必填） 三、实验材料与试剂（必填）四、实验器材与仪器（必填） 五、操作方法和实验步骤（必填）六、实验数据记录和处理 七、实验结果与分析（必填）八、讨论、心得
一、 实验目的和要求
学习协方差分析与二因素析因分析的方法。了解SAS、QTModel、QTLNetwork等软件的数据分析功能，以及SAS和QTModel软件的分析效益。比较回归分析、相关分析、方差分析、MCIM定位分析
装订线的优劣。
二、 实验内容和原理
2.1二因素协方差分析方法 2.2 QTModel分析方法 2.3 QTL定位分析方法
2.4 回归分析、相关分析、方差分析方法
三、 主要仪器设备
计算机（使用SAS软件、QTModel软件、QTLNetwork软件）
四、 操作方法与实验步骤
4.1二因素协方差分析
以2个品种2个水分水平的鲜花产量为依变量，重复6次：
（1）以小区面积为x变量，进行二因素协方差分析，分析品种、水分对鲜花产量的影响，对显著的效应进行适当的比较；
（2）比较协方差分析与二因素析因分析结果之间的差异。 4.2水稻品种区域试验分析
水稻五个品种在二年和三试点三个区组的品种区域试验数据（删除了二个异常值）储存在数据文件(RiceTrial-2.txt)中。
（1）采用SAS软件的Proc GLM，Proc Mixed和Proc VarCom分析该数据，并对品种的表现作适宜的推断；
（2）采用QTModel软件分析该数据，对品种的表现作适宜的推断； （3）比较SAS软件和QTModel软件的分析效益。
4.3 QTL定位分析
采用QTLNetwork软件分析控制仿真群体表现型值的QTL定位数据（DHSim.map和DHSim.txt）。 （1）估算QTL的位置和遗传效应，对群体的QTL位置和遗传效应作统计推断；
（2）把QTL定位结果和实验一的分析结果都与仿真的参数真值作比较，比较所采用的四种分析方法（回归分析、相关分析、方差分析、MCIM的定位分析）用于推断群体基因定位的可靠性及统计方法的优缺点。
五、实验数据记录和处理 （一）二因素协方差分析
Data Flower;
Input A $ B $ Y X @@; Datalines;
数据;
PROCGLM; Class A B ; MODEL Y = X A|B;
LsMeans A B/STDERRPDIFFAdjust=Tukey ETYPE=3; LSMeans A*B/STDERRPDIFFAdjust=Tukey ETYPE=3; RUN; PROCGLM; Class A B ; MODEL Y = A|B;
LsMeans A B/STDERRPDIFFAdjust=Tukey ETYPE=3; LSMeans A*B/STDERRPDIFFAdjust=Tukey ETYPE=3; RUN;
1、二因素协方差分析运行结果
由上述结果可得，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。
由以上结果分析可知：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。
2、二因素析因分析运行结果
由结果可知，模型的Pr>F值=0.2266>0.05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。
由以上结果可知：因为Pr>F值=0.1399，对于A(品种)因素单一分析，无法得到LP品种产量均 比WB品种产量高，即LP与WB均不存在显著性差异。因为Pr>F值=0.1399，对于B(水分)因素单一分析，无法得到Low水平产量均比High水平产量高，即High与Low不存在显著性差异。
由结果分析知：各因素不同水平组合之间的比较产量差异均不显著。
（二）水稻品种区域试验分析
1、SAS程序:
data Rice;
input Gen Year Loc Block Yield; datalines; ; procGLM;
Class Gen Year Loc Block;
MODEL Yield = Gen Year Loc Year*Loc Gen*Year Gen*Loc Gen*Loc*Year Block(Year*Loc);
Random Year Loc Year*Loc Gen*Year Gen*Loc Gen*Loc*Year Block(Year*Loc)/test; Means Gen/Tukey; RUN; procMixed;
Class Gen Year Loc Block; MODEL Yield = Gen;
Random Year Loc Year*Loc Gen*Year Gen*Loc Gen*Loc*Year Block(Year*Loc)/SOLUTION; LSMEANS Gen/ADJUST=Tukey;