第一章-常用试验设计PPT学习课件.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,一、,完全随机,设计,二、配对法设计,三、,(,希腊,),拉丁方设计,四、裂区设计,五、条区设计,六、交叉设计,七、嵌套设计,1.10,常用的试验设计,1,D,C,B,A,例,1,：品种比较试验，四个品种，三次重复。,一、,完全随机,设计,（,Complete Random Design,）,各种处理完全,随机安排的试验设计。,只有重复,和,随机,，而未,实行局部控,制。,常用的试验设计,2,例：,6,种生长素各注射10尾鱼苗，共60条鱼，,三个月后捞起来称重，比较不同生长素对鱼生长的促进作用。这是一个有6种处理，10次重复的完全随机试验。,常用的试验设计,3,特点：,只有重复,和随机,，未实行局部控制。,优点：,简单、方便，易于掌握。,单因,子,、复因,子,试验均可。,缺点：,未实行局部控制，精确度较低。,常用的试验设计,4,适用范围：,要求,试验条件,比较均匀,的场合,，常用于组培、温室,、细菌培养及动物,试验。,统计分析：,两个处理时常用,t,检验。,多个处理时常用方差分析,。,统计模型：,常用的试验设计,观测值，总平均值，处理效应，误差,5,二、配,对法设计,（,Paired Design,）,试验说明：,1,、,配对设计是将受试对象按相同、相近的特征、性质或条件配成对子，再将每对中两个受试对象分别随机地施加两个不同处理（含对照）,。,2,、,同一对内,条件要求,尽量,一致,，,不同对间允许有,些,差异。,常用的试验设计,6,二、配,对法设计,配对方式：,1,、,自身配对：指在同一试验对象上进行处理前和处理后的对比,。,如：同一食品储藏前后的变化等。,2,、,同源配对：指将非处理条件相近的试验对象组成对子，分别施加不同的处理,。,如：常将种系、窝别、性别相同、年龄、体重相近的动物配成对。,常用的试验设计,7,配,对法设计,T,CT,CT,T,T,CT,T,CT,CT,T,第二对,第三对,第五对,第四对,第一对,常用的试验设计,8,如,：,两种苹果保鲜剂效果比较试验：,常用的试验设计,9,配,对法设计,优点：,1,.,设计简单，易于掌握，实施方便。,2,.,对试验,条件,要求不高，不同对间允许有差异。,3,.处理间可比性强，,试验精度,比较,高。,常用的试验设计,缺点：,1,.,只限于两个处理，不能用于复因子试验。,2,.,对照占12,，比,较浪费,10,配,对法设计,适用范围：,1,配对法设计,常用于两个处理或,一个,处理,与一个,原有处理,的比较。,2配对法设计初、高级试验均可使用,。,常用的试验设计,11,配对法设计的分析,：,配对法,t,检验,第一步：作统计假设,第二步：计算统计量,自由度：,常用的试验设计,的标准差,12,第三步：,作统计推断和,统计结论,配对法设计的,SAS,程序：,Data,ST;,Input,ctr trt;,Cards;,数据,;,Proc Ttest,data=ST;,Paired,ctr*trt;,Run;,常用的试验设计,13,三,、拉丁方设计,（,Latin Square Design,）,大臣们向当时的数学家欧拉请教，引起了大家的兴趣，导致了拉丁方的问世。其中均衡分布的思想也是析因设计、正交设计、均匀设计等新设计方法的思想基础。,常用的试验设计,18,世纪，欧洲的普鲁士国王腓特烈大帝要举行一次阅兵式，要求部队排成,6x6,的方阵，每个方阵的行和列都要由,6,种部队的,6,种军官组成，不得重复和空缺。,14,三,、拉丁方设计,拉丁方的行、列和处理间都存在相互正交的关系,。,常用的试验设计,用,r,个拉丁字母排成,r,行,r,列的方阵，使每行每列中每个字母都只能出现一次，这样的方阵叫,r,阶拉丁方或,r,r,拉丁方。,拉丁方能保证试验的行、,列,都是随机区组的,方形排列,。,即在两,个方向,上,实行了的局部控制。,15,三,、拉丁方设计,E,A,C,B,E,D,B,A,E,D,C,C,E,D,B,A,C,A,E,D,A,C,B,D,B,Fisher,采用拉丁方来设计试验，就成为拉丁方设计。,如：右侧即为一个5,5的,拉丁方设计,。,常用的试验设计,16,标准方：,第一行和第一列均为顺序排列的拉丁方。拉丁方数量很多，但标准方较少。,2,2,拉丁方 其标准方,1,个，拉丁方共有个,A B B A,B A A B,3,3,拉丁方 其标准方,1,个，拉丁方共有,12,个,A B C,B C A,C A B,常用的试验设计,17,4,4,拉丁方 其标准方,4,个，拉丁方共有,576,个,（一）（二）（三）（四）,A B C D A B C D A B C D A B C D,B A D C B C D A B D A C B A D C,C D B A C D A B C A D B C D A B,D C A B D A B C D C B A D C B A,常用的试验设计,18,A B C D E,B A E C D,C D A E B,D E B A C,E C D B A,5,5,拉丁方其标准方,56,个，,其拉丁方共有,161280,个。,55,拉丁方,A B C D E,B A D E C,C E B A D,D C E B A,E D A C B,A B C D E,B A E C D,C E D A B,D C B E A,E D A B C,A B C D E,B A D E C,C D E A B,D E B C A,E C A B D,常用的试验设计,19,6,6,拉丁方,7,7,拉丁方,A B C D E F A B C D E F G,B F D C A E B C D E F G A,C D E F B A C D E F G A B,D A F E C B D E F G A B C,E C A B F D E F G A B C D,F E B A D C F G A B C D E,G A B C D E F,其中，,7,7,拉丁方共有,61,万亿多个排列。,常用的试验设计,20,8,8 拉丁方,A B C D E F G H,B C D E F G H A,C D E F G H A B,D E F G H A B C,E F G H A B C D,F G H A B C D E,G H A B C D E F,H A B C D E F G,常用的试验设计,9,9,拉丁方,A B C D E F G H K,B C A E F D H K G,C A B F D E K G H,D E F G H K A B C,E F D H K G B C A,F D E K G H C A B,G H K A B C D E F,H K G B C A E F D,K G H C A B F D E,21,拉丁方设计,特点：,行数、列数、处理数、重复数都相等。,一般处理数限定在,4-10,个为宜。,可以同时安排三个因子、两个因子和一个区组控制或者一个因子和两个区组控制。,常用的试验设计,22,缺点：安排多个因子时，对试险条件的均匀性要求较高。,2.,安排一个因子和两个区组控制时，优点是,拉丁方设计实行了行、列双向区组控制，试,验精度很高。,常用的试验设计,1.,同时安排因子时，要求因子间不存在交互作用。,23,1，4，5，3，2,5，1，2，4，3,拉丁方设计试验布置,按处理数选择合适的,标准,拉丁方；,对,列,进行随机调动；,对行进行随机调动；,对处理进行随机调动；,以有5个处理的试验为例。,如果抽签的结果是：5,1,2,4,3,如果抽签的结果是：2,5,4,1,3。,在表2.1选用一,个55选择标准方,如果抽签的结果是：1,4,5,3,2,常用的试验设计,24,拉丁方设计,例,1,：,进行不同颜色捕蛾灯的捕螟蛾效果比较试验。捕蛾灯的颜色是主要的试验因子，但灯位和捕蛾日期这两种因子也会影响捕蛾效果，可以作为控制因子，采用拉丁方设计，可以有效地控制这两种误差。如下图所示：,常用的试验设计,25,E,1 2,3,4 5,天,位,第一天,第二天,第三天,第四天,第五天,1,D,B,C,A,E,2,E,D,A,C,B,3,A,C,B,E,D,4,B,A,E,D,C,5,C,E,D,B,A,D,A,C,B,A、B、C、D、E,为不同颜色的色光灯。,兰、绿、黄、红、白色,第一天,常用的试验设计,26,拉丁方设计,的统计分析,：,方差分析,常用的试验设计,统计模型：,观测值，总平均值，行效应,列效应，处理效应，随机误差,自由度：,df,行,=df,列,=df,处理,=,r-,1,df,e,=,(,r-,1,)(,r-,2,),27,拉丁方设计,的方差分析,常用的试验设计,SAS,分析程序：,PROC,GLM,Data=sasuser.latin1;,Class,R C T;,Model,Y=R C T/ss3;,Means,T/duncan;,Run,;,28,多重,拉丁方设计,用多个拉丁方安排同一试验的试验设计称为多重拉丁方设计。,特点：,一个用拉丁方设计的试验，安排在多年或多地点进行自然构成多重拉丁方设计。,若试验处理数较少或试验条件的限制，采用小于,5,阶的拉丁方安排试验，多采用多重拉丁方设计，以增大误差项自由度。,常用的试验设计,29,如：在两地进行的,4,个棉花品种的,4,4,拉丁方 设计，采用多重拉丁方设计。,麦间套种棉花地 麦后播种棉花地,常用的试验设计,C B A D B D C A,D C B A A C B D,B A D C D B A C,A D C B C A D B,30,多重,拉丁方设计,的统计分析：,方差分析,常用的试验设计,统计模型,：,观测值，总平均值，行效应,列效应，方间效应，处理效应,处理和方间交互效应，随机误差,31,多重,拉丁方设计,的方差分析,常用的试验设计,SAS,分析程序：,PROC,GLM,Data=sasuser.latin4;,Class,L R C T;,Model,Y=L*R L*C L T L*T/ss3;,Means,T/duncan;,Run,;,32,希腊,拉丁方设计,（,Greco-Latin square Design,）,排列特点：,如果把一个用拉丁字母表示的,r,阶拉丁方和一个用希腊字母表示的,r,阶拉丁方叠加在一起。两个叠加后的拉丁方中，每一个拉丁字母和希腊字母的组合出现且仅出现一次，则称这两个拉丁方是正交的，这样的拉丁方设计称为希腊拉丁方设计。,希腊字母可视为另一个因子的,r,个水平。,常用的试验设计,33,希腊,拉丁方设计,示例（,4,4,）,因子安排：,希腊拉丁方可以安排三个区组控制和一个因子，或者两个区组控制和两个因子，或者四个无相互作用的因子。,A,B,C,D,B,A,D,C,C,D,A,B,D,C,B,A,常用的试验设计,34,希腊,拉丁方设计,正交拉丁方：,一个,r,阶拉丁方最多可以有,r,-1,个互为正交的拉丁方，成为正交拉丁方完全系。,除,6,阶拉丁方外，大于,3,阶的拉丁方都存在正交的拉丁方。,其实可以把更多的正交拉丁方组合在一起构成超希腊拉丁方使用，可以安排更多的因子。,常用的试验设计,35,希腊,拉丁方设计,注意：,希腊拉丁方、超希腊拉丁方试验设计，可以安排更多的试验因子，而试验次数不变，则误差项的自由度就会相应减少，从而降低了试验的灵敏度。值得特别关注！,希腊拉丁方设计的试验也采用与拉丁方设计相似的方差分析方法。,常用的试验设计,36,希腊,拉丁方设计,的统计分析：,方差分析,常用的试验设计,SAS,分析程序：,PROC,GLM,Data=sasuser.latin1;,Class,R C G T;,Model,Y=R C G T/ss3;,Means,T/duncan;,Run,;,37,概念：,把一个试验因子完全区组内的各个试验区分裂成几个更小的小区，用以引进另一个试验因子，称为裂区设计。,先将一个因子作随机区组排列，每个,小区称作整区。在同一个区组的各个整区,中，随机安排这个因子的各个水平，即整,区处理。,四,、裂区设计,（,Split-plot Design,）,常用的试验设计,38,将每个整区划分为若干个小小区，小小区称作裂区，在每个整区中把另一个因子的各个水平随机安排在各个裂区上，这个因子的各个水平称为裂区处理。,裂区设计的区组数,12/(,裂区处理数,)(,整区处理数,),为宜。,常用的试验设计,裂区设计,39,裂区设计与两因子随机区组设计近似，但是有一些区别。,区别之一是两因子随机区组设计在每一区组内,A,和,B,两因子的,ab,个处理组合是完全随机化的。而裂区设计的随机化过程只能在,A,因子的,a,个处理和,B,因子的,b,个处理之间进行，不能完全随机化。,裂区设计与两因子随机区组设计的区别,40,区别之二是方差分析计算时随机误差项的选择，两因子随机区组设计方差分析时用一个随机误差项。,裂区设计方差分析时有两个随机误差项，区组和整区因子用整区的误差项来考察。而裂区因子和交互作用则用裂区地误差项来考察。,裂区设计与两因子随机区组设计的区别,41,裂区设计的原则是：,因子有主次之分的，主要因子的各个水平安排在裂区，次要因子的各个水平安排在整区。,只有这样，主要因子的各水平的重复数才会大大的多于次要因子的各个水平的重复数，才能获得较高的精度。,常用的试验设计,42,实例,1,：,某作物病虫害防治试验。研究因子两个：药剂种类,A,和喷雾方式,B,。,参试药剂四种：,A1,A2,A3,A4,；喷雾方式两种：喷叶面,B1,和喷叶背,B2,；药剂为主要因子，喷雾方式为次要因子；重复四次试验。,常用的试验设计,43,44,实例,2,：,现,有一,包,含四个品种苹果的比较试验，三次重复的随机区组。,田间排列如图。,几年后，苹果结,果了，为了考察施,肥对不同品种的效,应，又要安排一个,由三种肥料（,、,、,）构成的考,察因子。用裂区设,计。,常用的试验设计,45,优点：,.,对于田间试验实施比较方便。,.,能利用原有的试验条件及试验材料，进行深一步的研究。,.,某个因子可获得较高的精确度。,缺点：,.,资料的统计分析比较复杂，不易掌握。,.,次要因子的精确度较低。,常用的试验设计,46,适用范围,.,两因子试验中，两个因子要求的精确度不一时，可用裂区设计。,.,两个因子的各个水平需要的面积大小不一时，亦可用裂区设计。,.,在原有的试验的基础上，临时加入一个研究因子时，可用裂区设计。,常用的试验设计,47,实例,3,：,欲研究蛇毒的抗肿瘤作用，肿瘤采用四种不同的瘤株，蛇毒采用四种不同的浓度（含对照）。选用,48,只小白鼠，根据试验条件（重要的非试验因素）划分为,3,个区组，每区组,16,只，每区组随机地分成,4,个小组（每小组,4,只），按小组分别接种四种不同的瘤株；生长一段时间后，每小组,4,只小白鼠各随机注射四种浓度的蛇毒处理，处理后观测相应的瘤重,。,结果见下表。,常用的试验设计,48,瘤株,蛇毒浓度,瘤重（,g,）,区组,1,区组,2,区组,3,S180,0,0.80,0.76,0.36,0.03,0.36,0.26,0.31,0.05,0.17,0.25,0.16,0.07,0.12,0.13,0.11,HS,0,0.74,0.43,0.57,0.03,0.50,0.46,0.32,0.05,0.42,0.20,0.32,0.07,0.36,0.26,0.20,EC,0,0.31,0.55,0.32,0.03,0.20,0.21,0.26,0.05,0.38,0.18,0.20,0.07,0.25,0.15,0.14,ARS,0,0.48,0.57,0.37,0.03,0.38,0.30,0.33,0.05,0.24,0.27,0.29,0.07,0.22,0.25,0.27,常用的试验设计,49,裂区,设计,的统计分析：,方差分析,常用的试验设计,统计模型：,观测值，总平均值，区组效应,主区效应，主区误差，裂区效应,交互效应，裂区误差,50,裂区,设计,的方差分析,常用的试验设计,SAS,分析程序：,PROC,Mixed,Data=yourdata;,Class,Block A B;,Model,Y=A B A*B;,Random,Block Block*A;,LSMeans,A B/pdiff;,Run,;,51,五、条区,设计,（,Strip-plot Design,）,定义：,条区设计也是两因子试验的一种设计方法，它是把单因子随机区组设计的小区，按垂直其长边方向划分成若干个小小区，安排进第二个因子。,条区设计与裂区设计最大的不同：两个因子的各个水平互为区组。,常用的试验设计,52,考察水稻的五个品种（,A,）在三种植密度（,B,）下的产量的试验，三次重复。,条区设计实例：,53,特点：,条区设计的两个因子互为区组，两个因子都有较大的面积，便于管理和实施。,采用条区设计的两个因子的主效应分析精度比较低，但对因子间交互作用的分析精度比较高。,常用的试验设计,54,应用范围：,（,1,）从操作或管理等考虑，两个因子都需要较大的小区面积，可以采用条区设计。,如：耕作、喷药、灌溉或施肥等试验，采用较大的小区面积，操作管理较方便。,（,2,）参试的主要目的，不是主要研究两个因子的主效应，而是主要考察因子间交互作用时，可采用条区设计。,常用的试验设计,55,条区,设计,的统计分析：,方差分析,常用的试验设计,统计模型：,观测值，总平均值，区组效应,因子,A,效应，,A,区误差，因子,B,效应,B,区误差，交互效应，随机误差,56,条区,设计,的方差分析,常用的试验设计,SAS,分析程序：,PROC,Mixed,Data=sasuser.yourdata;,Class,Rep A B;,Model,Y=A B A*B;,Random,Rep Rep*A Rep*B;,LSMeans,A B/pdiff;,Run,;,57,六、交叉,设计,（,Change-over Design,）,定义：,交叉设计又称为,交替设计、反转设计,，是指在同一试验中将试验单位分期进行、交叉反复两次及其以上的试验设计方法。,在动物试验中，为提高精度，通常要求选用在遗传及生理上相同或相似的试验动物，但这在实践中往往不易满足。,如进行奶牛泌乳试验，要求奶牛品种、性别、年龄、胎次、体重等条件都相同。,常用的试验设计,58,常用交叉设计表,常用的试验设计,组别,时 期,I,II,1,处理,1,处理,2,2,处理,2,处理,1,2,2,交叉设计,3,3,交叉设计,组别,时 期,I,II,III,1,处理,1,处理,2,处理,3,2,处理,1,处理,3,处理,2,3,处理,2,处理,1,处理,3,4,处理,2,处理,3,处理,1,5,处理,3,处理,1,处理,2,6,处理,3,处理,2,处理,1,59,交叉,设计,特点：,1,、试验对象一般存在一些差异，但以自身作为对照，样本量少，但精度较高。,2,、试验处理数较少，一般,2-4,个处理。,3,、有些效应混杂在一起，统计分析比较复杂。,常用的试验设计,60,交叉,设计,优缺点：,1.,优点,：交叉设计可以消除个体间及试验时期间的差异对试验结果的影响，进一步突出处理效应，提高了试验的精度。,交叉设计特别适用于个体差异较大的动物试验，如大动物和兽医学试验等。,2.,缺点,：若与多因子试验相比，不能得到因子之间交互作用的信息。,常用的试验设计,61,交叉,设计,注意的问题：,1.,处理因子、时期、个体间不存在交互作用 如果交叉试验中处理因子、时期、个体有交互作用，这些交互作用效应就会归入误差项中，使误差估计值增大，从而降低试验的精度。,常用的试验设计,62,交叉,设计,注意的问题,：,2,、要注意试验处理是否有残效，在交叉试验中，处理轮流更换，如果前一种处理有效应残存，可设置适当的预试期和间歇期。,对于处理残效不能消失的试验，或带有破坏性且不能恢复的试验，则不宜采用交叉设计。,常用的试验设计,63,交叉,设计,统计分析,方差分析,统计模型：,观测值，总平均值，处理效应,顺序效应，个体随机效应,试验期效应，随机误差,常用的试验设计,64,交叉,设计,示例,The example with the effect of two treatments on milk yield of dairy cows is as follows.,常用的试验设计,ORDER I,Period Treatment Cow 1 Cow 4 Cow 5 Cow 9 Cow 10,1 1 31 34 43 28 25,2 2 27 25 38 20 19,ORDER II,Period Treatment Cow 2 Cow 3 Cow 6 Cow 7 Cow 8,1 2 22 40 40 33 18,2 1 21 39 41 34 20,65,交叉,设计,SAS,程序：,DATA Cows;,INPUT period trt order cow milk;,DATALINES;,1 1 1 1 31 1 2 2 2 22,2 2 1 1 27 2 1 2 2 21,1 1 1 4 34 1 2 2 3 40,2 2 1 4 25 2 1 2 3 39,1 1 1 5 43 1 2 2 6 40,常用的试验设计,66,2 2 1 5 38 2 1 2 6 41,1 1 1 9 28 1 2 2 7 33,2 2 1 9 20 2 1 2 7 34,1 1 1 10 25 1 2 2 8 18,2 2 1 10 19 2 1 2 8 20,;,常用的试验设计,交叉,设计,SAS,程序：,67,PROC MIXED Data=Cows;,CLA,SS,trt cow period order;,MODEL milk=order trt period;,RANDOM cow(order);,LSMEANS,trt/PDIFF;,RUN;,常用的试验设计,交叉,设计,SAS,程序：,68,嵌套设计又被称为巢式设计（,Nested Design,）,、系统分组设计或组内又分亚组的设计。是指一个因子的效应嵌套在另一个因子之下。,根据因子数的不同，嵌套设计可分为二级嵌套（二因子）、三级嵌套（三因子）等嵌套设计。,七、嵌套设计,(,Hierarchal Design,),69,(1)情形一,受试对象本身具有按其隶属关系进行分组再分组的各种因子。,比如：某品种作物在不同地区的几个农场里产量比较；幼畜的出生体重受父系和母系影响的大小等。,嵌套设计应用,70,(2)情形二,受试对象本身并非具有分组再分组的各种分组因子，而是各之间在专业上有主次之分。,区分嵌套设计与析因设计的关键是看因子之间的地位是否平等，若因子的地位平等则属于析因设计，不平等则属于嵌套设计。,嵌套设计应用,71,例,1,（嵌套关系）,：,选取某种植物,3,个品种,(A),的植株,，,在每一株内选取,2,片叶子,(,B),，用取样器从每一片叶子上选取同样大小的两块（重复）进行检测。,不能把,B,因子的,2,个水平简单地看作是与,A,因子,3,个水平的全面组合，而是分别嵌套在,A1、A2、A3,三个水平之下，相当于,B,因子有,6,个水平，但它们所产生的离差平方和中又包含了,A,因子的作用，一般 用它作为度量,A,因子作用大小的误差项。,嵌套设计举例1,72,例,2,（嵌套关系）,：,考察三头大约克公猪和不同母猪的所生的仔猪，每窝随机抽取,6,头仔猪测量断奶体重（,Weight,），试分析这三头公猪对仔猪断奶的影响。,公猪,母猪,仔猪断奶体重（,kg,）,A,A1,21.0,16.5,17.5,19.5,20.0,19.0,A2,14.0,15.5,16.5,18.0,16.0,15.0,B,B1,24.0,22.5,24.0,20.0,22.0,23.0,B2,19.0,19.5,20.0,23.5,19.0,21.0,B3,16.0,16.0,15.5,20.5,14.0,17.5,C,C1,15.0,13.0,13.5,12.5,16.5,13.5,C2,19.0,21.0,21.5,19.0,15.5,21.0,C3,22.5,21.0,21.5,19.0,14.5,20.0,嵌套设计举例,2,73,例,3,（因子分主次）,：,为了研究某种抗菌药的效果，考虑,3,个因子对小白鼠进行试验。因子,A,可分为,A1,(,对照组不用抗菌药)、,A2,(,试验组用抗菌药)；因子,B,(,小白鼠代次)可分为,B1(,第1代)、,B2,(,第2代)、,B3,(,第3代)；因子,C,(,性别)可分为,C1,(,雄性)、,C2,(,雌性)。让第1代小白鼠被这种细菌感染，按雌雄分别统计对照组和试验组小白鼠的存活率，对于第2代、第2代重复上面的试验，观测小白鼠存活率。由专业知识得知：3因子的主次顺序为,ABC。,嵌套设计举例,3,74,嵌套设计统计分析,嵌套设计统计分析,方差分析,二级嵌套设计的统计模型：,观测值，总平均值，,A,因子效应,B,因子嵌套在,A,因子下的效应,随机误差,75,二级嵌套的方差分析表,嵌套设计分析表,变异来源,自由度,平方和,均方,F,值,A,df,1=a-1,SS1,MS1=SS1/df1,MS1/MS2,B,(,A),df,2=a(b-1),SS2,MS2=SS2/df2,MS2/MSe,E,df,e=(n-1)ab,SSe,MSe=SSe/dfe,总和,df,T,=nab-1,SSt,嵌套设计的第,i,级因子的显著与否，是用第,i,级与第,i,+1,级因子的均方分别做为分子和分母来构造,F,统计量，进行,F,检验。,76,注意：,由于在嵌套设计中，两个因子之间不能自由交错地组成各种处理组合，因而，不能考察因子之间地交互作用。,所以，凡是交互作用比较重要的试验，都不应采用这种设计。,嵌套设计注意事项,77,进行嵌套设计的方差分析的过程：,nested、anova,、,GLM,或,Mixed,。,1.,过程,nested,过程更简单一些，但它受数据中读取分组变量先后顺序的影响很大，应先用,Sort,过程按因子重要程度进行排序整理。,2,.,过程,anova,、,GLM,或,Mixed,不需要排序整理，且容易进行均值比较。,嵌套设计分析的,sas,实现,78,例1的,SAS,程序,Data Nested;,Input plant$leaf wt ;,Cards;,a 1 12.1 a 1 12.1 b 1 14.4,b 1 14.4 c 1 23.1 c 1 23.4,a 2 12.8 a 2 12.8 b 2 14.7,b 2 14.5 c 2 28.1 c 2 28.8,;,例1,Sas,程序,79,过程步,Nested,Proc Sort;,By plant leaf;,Run;,Proc Nested;,Class plant leaf;,Var wt;,Run;,例1,Sas,程序,80,过程步,Anova/GLM,Proc Anova;,Class plant leaf;,Model wt=plant leaf(plant);,Test H=plant E=leaf(plant);,Means plant/Duncan E=leaf(plant);,Run;,例1,Sas,程序,81,过程步,Mixed,Proc Mixed;,Class plant leaf;,Model wt=plant;,Random leaf(plant);,LSMeans plant/Pdiff;,Run;,例1,Sas,程序,82,Class is Over,Thank You,83,