重复测量方差分析的数据检验在植物生长调节剂研究中的应用及程序实现

发布时间：2021-11-02 02:15

　　该文结合植物生长调节剂对草坪草生长的影响试验结果,阐述了在重复测量实验的方差分析中对数据进行检验的重要性,并介绍了应用Python语言实现检验的方式。 

【文章来源】：安徽农学通报. 2020,26(09)

【文章页数】：4 页

【部分图文】：

Python程序实现的试验数据描述统计

试验在不同时间点对样本进行了多次测量，可以通过绘制均值折线图描述每组数据的趋势，以初步分析数据的发展方向。通过Python程序实现的3组数据均值折线图如图2所示。由图2可知，第1组和第3组随着时间的推移，株高呈现明显的增长趋势，表明对照组和处理组2生长明显，且测量数值处于同一水平，猜测100mg/L防落素与300mg/L缩节胺的复配组合无法有效抑制草坪草的内源生长素。而第2组的生长趋势并不明显，且观察值与第1组和第3组相比少了很多，可以猜测，100mg/L防落素与50mg/L烯效唑的复配组合可以有效抑制样品的再生长。通过折线图可以对主效应和交互效应有初步的判断，但并不能因此做出差异推断，还需要对数据做进一步检验。3.2 检验2:数据分布检验

各组数据之间的差异推断可通过单因素方差分析求得，进行方差分析之前需要做F分布，只有服从正态分布总体才适用于F分布的假设检验，否则，检验结果是没有意义的[7]。图示法（直方图、QQ图等）是正态分布常用的检验方法，具备简单和直观性，可采用直方图对样本测量数据进行检验，引例试验应用Python程序实现的直方图如图3所示。除了图示法，S-W检验（Shapiro-Wilk）和K-S检验（Kolmogorov-Smirnov）也是正态分布常用的检验方法，这是比较频率分布f(x）与理论分布g(x）或者2个观测值分布的检验方法，检验功效一般随样本容量的增大而增大。S-W检验是一种基于相关性的算法，计算可得到1个相关系数，系数越接近1，表明数据和正态分布拟合得越好，适用于小样本场合（3≤n≤50);K-S检验适用于样本量大于50的大样本场合。检验数据时通常会根据样本量的大小选择适用的检验方法，本试验中每组草坪草的样本量为20，所以选用S-W检验。计算结果返回2个值，一个是统计数（test statistic），一个是P值（p-value），如果p值小于显著性水平（P<0.05），则拒绝原假设，该分布可以认为是正态分布。引例试验各分组数据应用Python程序实现的正态检验结果如图4所示。


本文编号：3471144