以上基因1-3(MK3-MK4）、2-4(MK15-MK16)、3-6(MK28-MK29)三个QTL中，2-4的AE效应不显著，即与零没有显著差异，其余各效应显著。也就是说2-4QTL对于不同的环境基因表达没有显著性差异。
以上各基因互作中，QTL1-3(MK3-4)和QTL2-4（MK15-MK16）的AA效应不显著，即QTL 1-3(MK3-4)和QTL 1-8(MK8-MK9)的AAE不显著，即与零没有显著差异，其余各效应均显著。
六、实验结果与分析
（一）二因素协方差分析
协方差分析和二因素析因分析的比较： 引入协变量后，Y与X、A、B存在极 显著的线性相关，主因素A（品种）、B（水分）对Y（鲜花产量）均存在显著性差异，而其互做效应对Y的影响不显著，LP与WB、High与Low均存在显著性差异。 （二）水稻品种区域试验分析
比较SAS软件和QTModel软件的分析效益：
SAS软件与QTModel软件数据处理分析结果大致相同，但在结果分析过程中可以发现， SAS未能给出混合模型各随机因素的方差估计值的方差和P value，故较难做进一步判 断。 1、回归分析和相关分析：
a. 自变量是固定效应，无法分析随机效应自变量； b. 自变量非相互独立，回归系数是偏回归系数； c. 只有残差是相互独立的随机变量； d. 分析海量数据时效果较差。 2、方差分析：
a. 可把总变异分解为不同的变异分量；
b. 不能分析复杂的统计模型，如系数为非整数，因素间非独立、因素间相互混淆等； c. 不能有效地分析非平衡的数据；
d. 可以估算随机效应的方差，但不能估算随机效应值； e. 参数分析的统计功效不高； f. 分析海量数据时效果较差。 3、MCIM定位分析：
a. 同时包括固定效应和若干组随机效应的自变量； b. 随机效应因素内或因素间都可存在相关性；
c. 可无偏估算回归参数和方差分量，也可无偏预测随机效应值；
d. 可以有效分析各种复杂的遗传模型和非平衡数据； e. 分析海量数据时效果较差。
七、讨论、心得
本次实验是对运用SAS软件进行数据统计分析的学习。在采用SAS软件的Proc GLM，Proc Mixed和Proc VarCom分析数据时，过程较为复杂，难度较大，这部分我没能弄清楚具体操作原理，在实验过程中遇到了许多困难。因此，在这方面的分析能力还需要加强。