第27卷第4期 作物学报 Vol 27.No.4 2001年7月 ACTA AGRONOMICA SINICA Jy,2001 品种区域试验中算术平均值、BLUP和AMMⅡ估值的精度比 较 张群远！孔繁玲1杨付新2 (中国衣业大学植物遗传有种系，北京100094：2中国农业科学院棉花研究所，河南安阳455112 提要利用1982年以来我国棉花、小麦、水稻和玉米的60套区域试验数据，采用交叉验证方法，对 区域试验中算术平均值、最佳线性无偏预测值(bst iner ubased predictor,BP)和AMM(additive main effectsand multiplicative interaction)模型估值的预测精度进行比较，结果表明，与算术平均值相比，AM 估值精度的增益倍数(gain factor,GF)平均为1.045，变幅为0.963-1.414，其精度多数情况下提高不 大：UP的GF平均为1.170，变幅为1.008-1.619，其精度普遍较高.同时，文中对3种估值的模型 作了论述和比较。 关键词区域试验：BLUP:AMM:预测精度 Comparison of the Predictive Accuracy of Arithmetic Means and BLUPs and AMMI Estimates in Regional Crop Trials ZHANG Qun-Yuan'KONG Fan-Ling YANG Fu-Xin (Dpartment of Plant Gmnctics and Breoding China Agricumral Unirersity,Beijing 0094:Instinte f Coton.Chinese Acndemy ofA- griculural Scimce,Anyung 455112.China) Abstract Sixty sets of data from regional trials of cotton,wheat,rice and maize since 1982 in China were used in cross validation to compare the predictive accuracy of arithmetic means and BLUPs(best lin- ear unbiased predictors)and AMMI additive main effects and multiplicative interaction)estimates.The average precision gain factor(GF)of AMMI relative to arithmetic mean was 1.045 with a range from 0. 963 to 1.414,which showed slight increases of precision:BLUP was found commonly to outperform arithmetic mean and AMMI with an average GF of 1.17,ranged from 1.008 to 1.619. Key words Regional Trial:BLUP:AMMI:Predictive Accuracy 作物品种区域试验的目的是在多环境下对参试品种进行比较和评价，以确定新品种的推 广价值和适应范围。这种比较和评价有赖于对各品种在各环境下的产量（或其它性状值，统 称品种×环境组合均值)作出准确估计。我国区试中历来采用算术平均值进行估计。算术平 均值是最为常用的一种估值，虽简便易行，但存在一定局限。一方面，由于算术平均值是直 接以样本平均数来估计总体均值，估计时未能充分利用试验中多种变异的信息，要获得准确 估值，需较多的重复数：另一方面，算术平均值实质上是对品种试验表现的事后描述，并非 国家白燃科学基金资助项目( 0433)。赵虹、王磊、王洁、葛知男和孙世贤同志提供了部分数据，特此致谢： !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 第 !" 卷 第 # 期 作 物 学 报 $%&’!"，(%’# !))* 年 " 月 +,-+ +./0(012,+ 32(2,+ 45&6，!))* 品种区域试验中算术平均值、!"#$ 和 %&&’ 估值的精度比 较" 张群远* 孔繁玲* 杨付新! （*中国农业大学植物遗传育种系，北京 *)))7#；! 中国农业科学院棉花研究所，河南安阳 #88**!） 提 要 利用 *79! 年以来我国棉花、小麦、水稻和玉米的 :) 套区域试验数据，采用交叉验证方法，对 区域试验中算术平均值、最佳线性无偏预测值（;<=> &?@<AB 5@;?A=<C DB<C?E>%B，FGHI）和 +11（2 ACC?>?J< KA?@ <LL<E>= A@C K5&>?D&?EA>?J< ?@><BAE>?%@）模型估值的预测精度进行比较，结果表明，与算术平均值相比，+112 估值精度的增益倍数（MA?@ LAE>%B，.N）平均为 *’ )#8，变幅为 )’ 7:O P *’ #*#，其精度多数情况下提高不 大；FGHI 的 .N 平均为 *’*")，变幅为 *’))9 P *’:*7，其精度普遍较高。同时，文中对 O 种估值的模型 作了论述和比较。 关键词 区域试验；FGHI；+112；预测精度 ()*+,-./)0 )1 234 $-45.62.74 %668-,69 )1 %-.23*42.6 &4,0/ ,05 !"#$/ ,05 %&&’ :/2.*,24/ .0 ;4<.)0,= (-)+ >-.,=/ QR+(. S5@TU5A@* V0(. NA@TG?@M * U+(. N5TW?@! （* !"#$%&’"(& )* +,$(& -"("&./0 $(1 2%""1.(3，45.($ 63%./7,&7%$, 8(.9"%0.&:，2".;.(3 *)))7#；! <(0&.&7&" )* 4)&&)(，45.("0" 6/$1"’: )* 6= 3%./7,&7%$, >/."(/"，6(:$(3 #88**!，45.($） %?/2-,62 3?X>6 =<>= %L CA>A LB%K B<M?%@A& >B?A&= %L E%>>%@，YZ<A>，B?E< A@C KA?[< =?@E< *79! ?@ ,Z?@A Y<B< 5=<C ?@ EB%== JA&?CA>?%@ >% E%KDAB< >Z< DB<C?E>?J< AEE5BAE6 %L AB?>ZK<>?E K<A@= A@C FGHI（= ?"0& ,.(= "$% 7(?.$0"1 #%"1./&)%0）A@C +112（$11.&.9" ’$.( "**"/&0 $(1 ’7,&.#,./$&.9" .(&"%$/&.)(）<=>?KA><=’ -Z< AJ<BAM< DB<E?=?%@ MA?@ LAE>%（B .N）%L +112 B<&A>?J< >% AB?>ZK<>?E K<A@ YA= *’ )#8 Y?>Z A BA@M< LB%K )’ 7:O >% *’ #*#，YZ?EZ =Z%Y<C =&?MZ> ?@EB<A=<= %L DB<E?=?%@；FGHI YA= L%5@C E%KK%@&6 >% %5>D<BL%BK AB?>ZK<>?E K<A@ A@C +112 Y?>Z A@ AJ<BAM< .N %L *’*"，BA@M<C LB%K *’))9 >% *’:*7’ @49 A)-5/ /<M?%@A& -B?A&；FGHI；+112；IB<C?E>?J< +EE5BAE6 作物品种区域试验的目的是在多环境下对参试品种进行比较和评价，以确定新品种的推 广价值和适应范围。这种比较和评价有赖于对各品种在各环境下的产量（或其它性状值，统 称品种 \ 环境组合均值）作出准确估计。我国区试中历来采用算术平均值进行估计。算术平 均值是最为常用的一种估值，虽简便易行，但存在一定局限。一方面，由于算术平均值是直 接以样本平均数来估计总体均值，估计时未能充分利用试验中多种变异的信息，要获得准确 估值，需较多的重复数；另一方面，算术平均值实质上是对品种试验表现的事后描述，并非 " 国家自然科学基金资助项目（O))")#OO）。赵虹、王磊、王洁、葛知男和孙世贤同志提供了部分数据，特此致谢！ 收稿日期：!)))T*)T)9；接受日期：!)))T*!T!# /<E<?J万方数据 <C %@：!)))T*)T)9；+EE<D><C %@：!)))T*!T!#