4期 张群远等：作物品种区域试验统计分析模型的比较 369 表6类横型的交叉验证结眼 Table Croes validation results of six types of models 被形 预测第平方和均值 有效重复数 精度增益倍数 fectiue Models RVSPDSD CV(%》 F+D (F±SD TM模型 367,21508±0.25907 0.071 3.00320±0.00976 1.00107±0.00564 480.90432±0.21424 0.045 0.7752±0.00071 0.25917=0.0041 LR柜和 471.76872±0.19283 0.041 0.83326±0.00072 0.27775±0.00042 94.877 0.03 0240240.0 379.98935±0.24723 0.06 23009+0.005 07m3+0.0035 PCA3 359.35230±0.23455 0.065 3.61655±0.01254 1.20552±0.10724 359.05948±0.261 0.7 3.4399±0.014 66±0,001 365 03881-0 0059 367.21508±0.25907 0.07 00320+0.00g7 1.0m107±0.0056 AMMI校型 480.90432±0.2142 0.04 0.77752±0.0007 0.25917±0.000 AMMI mode 0=0.2724 0.07 08174+00052 AMMI4 365.78073t0.25763 0.0 3.0999%±0.01030 1.033320.0059 AMMIS 365.61565t0.2581 0.07 3.11146±0.010 .03715±0.0060 0.7 306629:0261 0.062 5499R+00107 355.11943±0.25951 0.072 .05502±0.0172 ,35167±0.0099 LR-PCAS 363.83481±0.2519 3.2409 ±0.010 32±0. +0 00 61.3229+0.204 0.71 2.99615±0.009m 0.99872=0.0056 LR-PCA7 367.21507±0.25907 0.071 3.00320±0.00976 1.00107±0.00564 ·表示同一类校型系列中精废最高的使型 Indcates the moddl with the highest in then 足够的，其平均值受分样误差的影响很小，能够反映 效重复数为4.65，即该模型用3个重复所得估值的 各模型的精度特点。根据抽样分布的中心极限定律 精度相当于4.65个重复的算术平均值，其精度为算 可知，把以上SD和CV乘以V30000倍，可得到单次 术平均值的1.55倍，提高了55%。AMM1系列中， 分样的SD和CV。RMSPD单次分样的CV为 AMM2模型精度最高，其行效重复数和精度增益 6.12%-13.33%,说明单次分样会产生不小的误 倍数分别为4.29和1.43，精度比算术平均值提总 差，这也正是交义验证要进行多次(30000次)分样 43%。LR-PCA1和AMM2相比，有效重复数增 求平均的原因。此外，根据RMSPD的CV值还可 加了4.65-4.29=0.36个，精度增益倍数提高了 看出，不同模型对数据分样的稳定性存在一定差异。 1.55-1.43=0.12,精度提高幅度为(1.55-1.43) 相对而言，LR,ANOVA以及PCA取轴数少的模利 1.43×100%=8.4%。这些结果意味着，在区试数 稳定性较高。 据与本文所用数据基本相似的情况下，若精度要求 表中表明，各类模型按精度从大到小的顺序为 一定，用AMMI分折比用算术平均值分析可以节然 LR.PCA模型(IR-PCAI)>AMMI模型(AMM2) (1.43-1)1.43×100%=30.0%的试验小区重 >PCA模型(ICA4)>TM模型>LR模型>ANO 数，而用LR-PCA分析可节约(1.55-1)1.55× VA加件主效模应。总的说来，利用PCA分解的模 100%=35.5%的试验小区数，比AMM1又多节约 型精度较高。其中LR-PCA1模型精度最高，其有 5.5%。这对实际区试来说，是很有意义的 万方数据 4期 张群远等：作物品种区域试验统计分析模型的比较 369 表6类模型的交叉验证结果 Table Cross validation r∞ulb of six types of modds 模型 Models 预测差平^和均值根 Root m—square prediction difference 有效重复数 精度增益倍数 Effective replications (；ain faClOr$ RMSPD!SD CV(％) ER!SD C-F!SD 00107 1Il 110564 TM模删 Tr啪u1瑚t mBⅡB model 芷州A加性主教模型 A№VA additive mmneffect lilodeI LR模塑 Linear regr雌ion model PcA模型 PCA model AMMI摸礁 AMMI model LR．PCA复台模型 LR PCAeccapositc rHxlel I℃A0 PCAl P￡A2 PCA3 PCA4’ PCA5 H、A6 PcA7 AMMl0 AMMn AMMl2。 AⅥM13 AMMl4 AⅢ15 AMMl6 LR。P【jA0 LR．PCAl LR PCA2 LR PCA3 I』R—PCA4 LR．PCA5 LR．PCA6 1．R．PCA7 367 215081 0 25907 0 071 3 00320 1 0 11D76 0 045 0 77752i 0 00071 0 25917=0 0004 0 041 0 83326±0 00072 0 27775 1 0 00042 0 1309010 00006 0 72035i 0 00062 2 34009±0 00586 3 61655 1 0 01254 3 64399 1 0．01416 3 148301 0 01055 3“642±0 01036 3 00320±0 00976 0 77752±0 00071 4 21993 1 0 01949 4 29158 10 01937 3 2452210 01083 3 09996 1 0 01030 3 11146±0 01039 3 00320±0 00976 0 83326 1 0 00(172 4 6469510．01859 4 05502 1 0 01720 3 24096 1 0 01094 3 0820l=0 00991 3 04504 10【)0991 2 99615 1 0 00977 3 00320 1 0 00976 表示同一类模型系州中精度最高的模型lndicams the model with the highesl precision in the洲e serial models 足够的，其平均值受分样误差的影响很小，能够反映 各模型的精度特点。根据抽样分布的中心极限定律 可知，把以上SD和CV乘以3,／3删倍，可得到单次 分样的SD和CV。RMSPD单次分样的cv为 6 12％～13．33％，说明单次分样会产生不小的误 差，这也正是交叉验证要进行多次(30000次)分样 求平均的原因。此外，根据RMSPD的CV值还町 看出，不同模型对数据分样的稳定性存在一定差异。 相对而言，LR、ANOVA以及PCA取轴数少的模型 稳定性较高。 表中表明，各类模型按精度从大到小的顺序为： LR—PCA模型(I．R—PCAl)>AMMI模型(AMMl2) >PCA模型(PCA4)>TM模型>LR模型>ANO— VA加性主效模型。总的说来，利用PCA分解的模 型精度较高。其中LR．PCAI模型精度最高，其有 效重复数为4．65，即该模型用3个重复所得估值的 精度相当于4．65个重复的算术平均值，其精度为算 术平均值的1．55倍，提高-广55％。AMMI系列中， AMMl2模型精度最高，其有效重复数和精度增益 倍数分别为4．29和1．43，精度比算术平均值提高 f-43％。LR-PCAl和AMMl2相比，有效重复数增 加了4 65 4．29=0 36个，精度增益倍数提高r l 55 1．43=0 12，精度提高幅度为(1 55 l 43)／ 1．43×100％=8．4％。这些结果意味着，在区试数 据与本文所用数据基本相似的情况下，若精度要求 一定，用AMMl分析比用算术平均值分析可以节约 (1 43 1)／1．43×100％=30 0％的试验小区重复 数，而用LR—PCA分析可节约(1 55～1)／1．55× 100％=35．5％的试验小区数，比AMMI又多节约 5．5％。这对实际区试来说，是很有意义的。 ㈣㈣鼢啪啷嗍{宝!耋㈣ⅢⅢ惭|宝嗍{耋㈣㈣㈣哪；詈|堇l宝㈣ ∞拍鲫H"胂％甜叭硝博嚣：金椰酣靶乃鸲驼佗他“矾 0 0 O 0 O O O O 0 0 0 0 O 0 O O 0 O 0 0 0 0 0 +；： ±=： ±：一±_I±：+一： ±±1I± 3 2 3 2 6 3●7 7 4 3 4 2 5 7 5 8 7 2 4●2 7 6●n 5自4 8 O●6 5 Z 3●O 7 9 6 3 3 0 7 O j O 0 5 4 9 8 i 9 6 0 0 3 7●7印●0 7野8 l 4 4同0●4 3 0 5 0 3 8 3 3 0 7 4 5 8 2 I 9 O 0 2 Z刀2 O 0 0 2 4 4 0 0 0 0 2 5 3 0 0 O 9 0 O 0 0 I l l 1 l O l 1 l l I l 0 1 l 1 l 1 0 |耋㈣!耋!耋噼㈣啪叭晰∽州哪唧州刚叫毗㈣㈣蝴㈣叭㈣ 1 ●O 3 5 9 9 9 7 4 l●5 3 3 7 3 l●8 8 4 4 7 8 8 2 5 5 4 4 0 2 4 6 7 6●O 8 3 5 6 4 3 4 0 0 2 7 4 1 6 6 9 4 2 2 8 7 8 9 2 6 9●O 6 0 9 3 1 4 3 6 5 5 5●7 6 4 5 5 5 9●5 5 5 5 6 5 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2，2 2 2 2 2 2 2 O 0 O 0 O 0 0 0 O 0 O O 0 0 0 O 0 0 0 0 0 0 0 -『±：；+～+～：～+f；；+～t±±±±±±+～+一 7 4 5 0 8 5 3 8 2 0 4 2 3 5 7 2 9 3 l 6 6 9 7 1 8 3翔4 1 9删，却●4 7 8 0 7蛋4 8 3 a 8 O 7 2 9 2 g 5 4野4 4 8昂叮5目8 6 9 4 O 4 Z， 6 2 8 5 5 9 4 l 0 4 7 7 8 1 l 6 i，3 4 8 2● 8 5 g 3 0 0 5 2 9 7 1 7 Z 6 2 7 6 l 8 0 S，2 4 l 9 9 9 5 5 7 0 3 3 3 5 5 7 L 0 5 3 6 6 7 7 ，9 7 5 5 6 6 6 8 5 5 6 6 6 6 7訇5 6 6 6 6 6 9 4 3 3 3 3 3 3 4 3 3甬，3 3 4 3 3 3 3，j 3 万方数据