若y的变异主要由x的不同造成（处理没有显著效应），则各矫正后的y 间将没有显著差异（但原y间的差异可能是显著的）。若y变异除掉x不同的 影响外，尚存在不同处理的显著效应，则可期望各y’间将有显著差异（但 原y间差异可能是不显著的)。此外，矫正后的y'和原y的大小次序也常不 一致。所以，处理平均数的回归矫正和矫正平均数的显著性检验，能够提高 试验的准确性和精确性，从而更真实地反映试验实际。 2.是对协方差组分进行估计 在随机模型的协方差分析中，根据均积MP和期望均积EP的关系，可 得到不同变异来源的协方差组分的估计值。有了这些估计值，就可进行相应的 总体相关分析。这些分析在遗传、育种和生态、环保的研究上是很有用处的。 由于篇幅限制，本章只介绍对试验进行统计控制的协方差分析。 适用范围： 1、对于病虫害防治方面的试验，处理前各小区的病情指数、虫口密度等 不一样时： 2、参试植株处理前的长势不一致时： 教 3、试验发生缺株时，对小区数据进行矫正： 学 4、同一区组的条件无法控制为一致时，使用协方差分析，用处理前基数 矫正处理后的结果，然后再作比较。 &2协方差分析的步骤 处理前观察记录基数(x): 处理后取得观察数据(y): 第一步：求各种平方和与乘积和 X项 Y项 XY项 第二步：回归关系显著性测验 回归关系不显著，即基数对处理后的效应无影响，不必矫正，则可用一般 的方差分析对处理间的差异性进行F测验。 回归关系达显著，表明有必要进行回归纠正。 第三步：纠正后的处理间方差分析 若F测验不显著，说明除去回归关系后各处理差异不显著，分析 至此完毕。 若F测验显著或极显著，说明各处理经除去y关于x的回归关系后合仍存在 显著的差异，应进行第四步分析。 第四步，用回归关系矫正每处理的平均值再作多重比较：3 教 学 过 程 若 y 的变异主要由 x 的不同造成(处理没有显著效应)，则各矫正后的 y’ 间将没有显著差异(但原 y 间的差异可能是显著的)。若 y 变异除掉 x 不同的 影响外， 尚存在不同处理的显著效应，则可期望各 y’间将有显著差异 (但 原 y 间差异可能是不显著的)。此外，矫正后的 y’和原 y 的大小次序也常不 一致。所以， 处理平均数的回归矫正和矫正平均数的显著性检验，能够提高 试验的准确性和精确性，从而更真实地反映试验实际。 2.是对协方差组分进行估计 在随机模型的协方差分析中，根据均积 MP 和期望均积 EMP 的关系，可 得到不同变异来源的协方差组分的估计值。有了这些估计值，就可进行相应的 总体相关分析。这些分析在遗传、育种和生态、环保的研究上是很有用处的。 由于篇幅限制，本章只介绍对试验进行统计控制的协方差分析。 适用范围： 1、对于病虫害防治方面的试验，处理前各小区的病情指数、虫口密度等 不一样时； 2、参试植株处理前的长势不一致时； 3、试验发生缺株时，对小区数据进行矫正； 4、同一区组的条件无法控制为一致时，使用协方差分析，用处理前基数 矫正处理后的结果，然后再作比较。 &2 协方差分析的步骤 处理前观察记录基数（x）； 处理后取得观察数据(y)； 第一步：求各种平方和与乘积和 X 项 Y 项 XY 项 第二步：回归关系显著性测验 回归关系不显著,即基数对处理后的效应无影响，不必矫正，则可用一般 的方差分析对处理间的差异性进行 F 测验。 回归关系达显著，表明有必要进行回归纠正。 第三步：纠正后的处理间方差分析 若 F 测验不显著，说明除去回归关系后各处理差异不显著，分析 至此完毕。 若 F 测验显著或极显著，说明各处理经除去 y 关于 x 的回归关系后合仍存在 显著的差异，应进行第四步分析。 第四步，用回归关系矫正每处理的平均值再作多重比较