全 文 ：　
第 29 卷 第 1 期 作　物　学　报 V o l. 29, N o. 1
2003 年 1 月　 119～ 122 页 A CTA A GRONOM ICA S IN ICA pp. 119～ 122　 Jan. , 2003
作物育种品系试验四种分析方法比较Ξ
徐绍忠　杨　德　廖晓虹　毛孝强
(云南农业大学农学与生物技术学院, 云南 昆明 650201)
摘　要　用水稻、小麦和大豆的 8 个三重复品系试验的产量结果, 进行了作物育种品系试验的三种分析方法与随机完
全区组分析 (RB ) 的比较。此三种分析方法分别是, 行列区组分析 (RC)、行列区组及近邻小区分析 (RCN ) 和行列区组
及以小区丛数为协变量的协方差近邻分析 (COV )。结果表明, 以误差均方作为相对效率指标, RC、RCN、COV 相对于
RB 的平均相对效率分别为 136. 38±31. 22%、147. 38±38. 96% 和 219. 66±26. 08%。由此建议在作物育种品系比较试
验中, 在产量鉴定时要重视对小区株数等性状的调查以供协方差分析, 采用行列区组及近邻小区分析是一种值得提倡
的简易可行方法。
关键词　作物育种; 品系试验; 行列区组; 相对效率
中图分类号: S338　　　文献标识码: A
Com par ison s on Four Ana lys is M ethods in Crop Breed ing L ines Performance
Tests
XU Shao2Zhong　YAN G D e　L IAO X iao2Hong　M AO X iao2Q iang
(F acu lty of A g ronomy and B iotechnology , Y unnan A g ricu ltu ra l U niversity , K unm ing 650201, Ch ina)
Abstract　T h ree ana lysis m ethods w ere com pared w ith the ana lysis m ethod of random ized com p lete b lock
(RB ) , based on the da ta of lines perfo rm ance tests (3 rep lica t ion s) in rice、w heat and soybean. T he m eth2
ods w ere the ana lysis of row 2co lum n incom p lete b lock (RC) , the nearest neighbou r ana lysis of row 2co lum n
incom p lete b lock and neighbou ring p lo t (RCN ) , the nearest neighbou r ana lysis of row 2co lum n incom p lete
b lock of covariance u sing the h ills of p lo t as the covaria te (COV ). T he resu lts show s tha t w hen u sing erro r
m ean square as index, the average rela t ive efficiency of RC, RCN and COV w ere136. 38±31. 22% , 147. 38
±38. 96% and 219. 66±26. 08% , com paring w ith RB , respect ively, in yield. T herefo re, it is suggested
tha t invest iga t ion to p lo t h ills m u st be recogn ized w hen crop yield w as iden t if ied in crop b reed ing lines per2
fo rm ance tests. T he m ethod of RCN w ere sim p le and u sefu l good m ethods.
Key words　C rop b reed ing; L ines perfo rm ance tests; Row 2co lum n incom p lete b lock; R ela t ive efficiency
　　近邻分析是近年来发展起来的作物育种品系试
验分析方法, 先后已提出迭代协方差分析、“平滑
趋势加独立误差”模型、线性方差加不完全区组模
型、一阶差分模型等方法和模型[ 1～ 3 ]。A zais (1998)
还提出了用于近邻平衡设计分析的四种模型[ 4 ]。吴
天侠 (1995) 根据Besag and Kem p ton (1986) [ 5 ]一阶
差分模型, 建立随机区组设计的近邻小区一阶、二
阶差分模型[ 6 ]。国内外对近邻分析虽然已有一些理
论上的探讨, 并采用格子设计及广义格子设计及差
分近邻分析进行过一些尝试[ 7～ 10 ], 但是, 各种模型
和方法在实际应用中效果有差异。因此, 有必要探
讨更适合的分析模型和方法。本文以 8 个水稻、小
麦、大豆品系试验的产量结果进行分析, 探讨四种
分析方法对作物育种品系试验效率的影响。
1　材料与方法
1. 1　试验材料和田间设计
8 个试验分别为: 1995 年水稻 9 品系比较试验
(简称 rc95, 3 行 9 列)、1997 年水稻 48 品系比较试
验 (简称 rc97, 6 行 24 列)、1998 年水稻 48 品系比Ξ 基金项目: 云南省自然科学基金 (1999c00110 和 96c004z)资助。
作者简介: 徐绍忠 (19692) , 男, 云南昆明人, 讲师, 硕士, 主要从事作物遗传育种工作。
Received on (收稿日期) : 2001205230, A ccep ted on (接受日期) : 2002203207

较试验 (简称 rc98, 6 行 24 列)、1999 年小麦 18 品
系比较试验 (简称w h t99, 3 行 18 列)、1988 年早熟
大豆 18 品系比较试验 (简称 soy8872, 6 行 9 列)、
1988 年晚熟大豆 18 品系比较试验 (简称 soy8873,
6 行 9 列)、1989 年早熟大豆 22 品系比较试验 (简
称 soy8972, 6 行 11 列)、1989 年晚熟大豆 32 品系
比较试验 (简称 soy8973, 6 行 16 列)。水稻试验用
的品系为云南农业大学选育的粳稻新品系和云南省
中、北部粳稻 1997～ 1998 年区试品系, 试验在云南
农业大学试验农场进行。小麦试验于 1997 年 10 月
至 1998 年 5 月在云南农业大学农场进行, 供试品
系为云南农业大学选育的新品系。大豆试验在南京
农业大学江浦试验农场进行, 供试品系均为南京农
业大学选育。8 个试验都采用随机完全区组设计, 3
次重复, 只是在分析时根据田间图划分出行、列不
完全区组。
1. 2　统计分析模型
表 1 列出品系试验分析的 14 种线性模型, 分别
对水稻、小麦、大豆 8 个试验的产量结果进行分析。
如 rb 模型, 即随机完全区组分析模型为 y ij = Λ+ l i
+ rrj + eij , 其中 y ij 为第 i 品系第 j 重复 (即第 j 行
完全区组) 的产量, Λ为群体平均数, l i 为第 i 品系
产量效应, rr j 为第 j 行重复的产量效应, eij 为第 i
品系第 j 行重复的随机误差, 除 eij～ N (0, Ρ2) 外,
其余各项均为固定效应, 分析时采用固定模型。
表 1　　作物育种品系试验近邻分析的各种模型
Table 1　　The models of nearest ne ighbour analysis in crop breeding l ines performance tests
模型
M odel
模型参数 Param eter
y ij Λ li rr j nh ij e ij rk cl yu ik yd ik ylil yr il nh ikl e ikl
RB 1 1 1 1 1
RC 1 1 1 1 1 1
RCU 1 1 1 1 1 1 1
RCD 1 1 1 1 1 1 1
RCL 1 1 1 1 1 1 1
RCR 1 1 1 1 1 1 1
RCLD 1 1 1 1 1 1 1 1
RBH 1 1 1 1 1 1
RCH 1 1 1 1 1 1
RCU H 1 1 1 1 1 1 1 1 1
RCDH 1 1 1 1 1 1 1 1 1
RCL H 1 1 1 1 1 1 1 1
RCRH 1 1 1 1 1 1 1 1
RCLD 1 1 1 1 1 1 1 1 1 1
H
　　注: RB: 随机完全区组模型; RC: 行列不完全区组模型; RCU : 行列不完全区组+ 上小区产量近邻模型; RCD: 行列不完全区组+ 下小
区产量近邻模型; RCL : 行列不完全区组+ 左小区产量近邻模型; RCR: 行列不完全区组+ 右小区产量近邻模型; RCLD: 行列不完
全区组+ 左下小区产量近邻模型; RBH: 随机完全区组+ 小区丛数协方差模型; RCH: 行列不完全区组模型+ 该小区丛数协方差模
型; RCU H: 行列不完全区组+ 上小区产量近邻模型+ 该小区丛数的协方差模型; RCDH: 行列不完全区组+ 下小区产量近邻模型+
该小区丛数的协方差模型; RCL H: 行列不完全区组+ 左小区产量近邻模型+ 该小区丛数的协方差模型; RCRH: 行列不完全区组+
右小区产量近邻模型+ 该小区丛数的协方差模型; RCLDH: 行列不完全区组+ 左下小区产量近邻模型+ 该小区丛数的协方差模型。
y ij为第 i 品系第 j 重复小区产量; Λ为产量总体平均数; l i 为第 i 品系效应; rr j 为第 j 重复效应; nh ij为第 i 品系第 j 重复小区的丛
数; eij为第 i 品系第 j 重复的小区误差; rk、cl 分别为第 k 行, 第 l 列的效应。y u ik , y d ik , y l il, y r il分别为第 k 行第 i 品系上边小区产
量、第 k 行第 i 品系下边小区产量、第 l 列第 i 品系的左边小区产量、第 l 列第 i 品系的右边小区产量。nh ik l为第 i 品系第 k 行第 l 列
小区丛数; eik l为第 i 品系在第 k 行第 l 列小区的随机误差。
1. 3　各种模型的方差分析
上述全部线性模型均采用 SA S 软件进行方差
分析, 估计出各种模型的误差均方 (M S E )。
1. 4　分析方法的相对效率
某分析方法的相对效率可由随机完全区组方差
分析的误差均方M S E (RB ) 与该分析方法的误差均
方M S E (N )的相对比值估计[ 11, 12 ] , 即
RM S E (% ) = (n1 + 1) (n2 + 3)(n2 + 1) (n1 + 3) ×
M S E (RB )
M S E (N ) × 100%
　　n1 为随机完全区组方差分析的误差自由度, n2
为该分析方法的误差自由度。
2　结果与分析
2. 1　行列区组分析 (RC ) 与随机完全区组分析
(RB)相对效率的比较
对 8 个试验数据进行 RC 分析后, 与相应的
RB 的比较见表 2。从表 2 可看出, RC 的相对效率
021　　　　　　　　　　　　　　　　　　　　　作　　物 　　学　　报　　　　　　　 　　　　　　　　　　　　29 卷

明显高于RB 的相对效率。以误差均方作指标, RC
相对效率为 RB 的 136. 38±31. 22% , 前者比后者
平均高出 36. 38%。
表 2　产量行列区组分析 (RC)与随机完全区组
分析 (RB)相对效率比较
Table 2　　Compar ison on the average relative eff ic iency of
row-column incomplete block analysis (RC) and random ized
complete block analysis (RB) in y ield
模型M odel df M SE RM SE (% ) 试验 T est
RB 16 377401. 35 100 rc95
RC 8 363789. 92 113. 49 rc95
RB 94 7308. 54 100 rc97
RC 68 5449. 39 135. 16 rc97
RB 94 7103. 12 100 rc98
RC 68 5473. 04 133. 03 rc98
RB 34 3141. 60 100 w h t99
RC 17 2595. 90 127. 19 w h t99
RB 34 32389. 20 100 soy8872
RC 23 27277. 83 121. 71 soy8872
RB 34 28665. 88 100 soy8873
RC 23 21471. 04 136. 84 soy8873
RB 41 26951. 79 100 soy8972
RC 29 13023. 37 210. 05 soy8972
RB 62 12389. 92 100 soy8973
RC 44 11130. 25 112. 65 soy8973
RB 平均 100
RB 标准差 0
RC 平均 136. 38
RC 标准差 31. 22
2. 2　行列区组及近邻小区分析 (RCN) 与随机完全
区组分析 (RB)相对效率比较
由表 3 可以看出, RCN 相对效率均高于 RB。
从相对效率平均数看, 以误差均方作指标, RCN 的
相对效率分别为RB 的 147. 38±38. 96%。
2. 3　行列区组及协方差近邻分析 (COV) 与随机完
全区组分析 (RB)相对效率的比较
rc98 有的小区丛数有所缺失, 因此在收获时,
除对各小区进行产量测定外, 同时记录了该小区的
水稻苗丛数。小区株数是产量的基本成分性状, 丛
数不同引起小区株数不同, 进一步影响小区产量,
因此对于 rc98 试验采用行列区组及以小区丛数为
协变量的协方差近邻模型 (COV ) 进行分析。从表 4
可看出, 以误差均方作为指标时, COV 的相对效率
为 RB 的 219. 66±26. 08% , 即采用协方差近邻分
析 (COV )分析可降低 119. 66% 误差均方。
表 3　　产量行列区组及近邻小区分析 (RCN)与随机完全
区组 (RB)分析的相对效率比较
Table 3　　Compar ison on the average relative eff ic iency of row-
column incomplete block and ne ighbour ing plot (RCN) nearest
ne ighbour analysis and random ized complete
block (RB) analysis in y ield
模型M odel df M SE RM SE (% ) 试验 T est
RB 16 377401. 35 100 rc95
RCU 7 314608. 81 134. 11 rc95
RCD 7 175092. 03 240. 98 rc95
RCL 7 271659. 86 155. 32 rc95
RCR 7 364562. 36 115. 74 rc95
RCLD 6 202797. 11 214. 01 rc95
RB 94 7308. 54 100 rc97
RCU 67 5329. 00 138. 24 rc97
RCD 67 5530. 90 133. 20 rc97
RCL 67 5483. 40 134. 35 rc97
RCR 67 5508. 61 133. 74 rc97
RCLD 66 5563. 67 135. 30 rc97
RB 94 7103. 12 100 rc98
RCU 67 5380. 22 133. 08 rc98
RCD 67 5470. 08 130. 89 rc98
RCL 67 5538. 34 129. 28 rc98
RCR 67 5329. 00 134. 36 rc98
RCLD 66 5550. 25 131. 82 rc98
RB 34 3141. 60 100 w h t99
RCU 16 2266. 71 146. 50 w h t99
RCD 16 2173. 42 152. 79 w h t99
RCL 16 2605. 08 127. 47 w h t99
RCR 16 2718. 58 122. 15 w h t99
RCLD 15 2081. 18 160. 61 w h t99
RB 34 32389. 20 100 soy8872
RCU 22 28267. 70 117. 79 soy8872
RCD 22 28510. 32 116. 79 soy8872
RCL 22 28574. 52 116. 52 soy8872
RCR 22 23280. 66 143. 02 soy8872
RCLD 21 29932. 46 111. 67 soy8872
RB 34 28665. 88 100 soy8873
RCU 22 17460. 98 168. 77 soy8873
RCD 22 22443. 03 131. 30 soy8873
RCL 22 21582. 55 136. 54 soy8873
RCR 22 20537. 76 143. 48 soy8873
RCLD 21 22386. 14 132. 15 soy8873
RB 41 26951. 79 100 soy8972
RCU 28 13425. 86 204. 76 soy8972
RCD 28 10872. 23 252. 85 soy8972
RCL 28 13486. 18 203. 84 soy8972
RCR 28 13488. 50 203. 81 soy8972
RCLD 27 11255. 09 244. 73 soy8972
RB 62 12389. 92 100 soy8973
RCU 43 10895. 18 115. 20 soy8973
RCD 43 11369. 96 110. 39 soy8973
RCL 43 11233. 88 111. 72 soy8973
RCR 43 10813. 92 116. 06 soy8973
RCLD 42 11487. 55 109. 37 soy8973
RB 平均 100
RB 标准差 0
RCN 平均 147. 38
RCN 标准差 38. 96
　N o te: RCN 指 RCU、RCD、RCL、RCR 及 RCLD ( as sam e as
below )
1211 期　　　　　　　　　　　　　　徐绍忠等: 作物育种品系试验四种分析方法比较　　　　　　　　　　　　　　　　　

表 4　　产量行列区组及协方差近邻分析 (COV)与随机
完全区组分析 (RB)设计效率比较
Table 4　　Compar ison on the average relative eff ic iency of
covar iance analyses using the h ills of plot as the covar iate
(COV) nearest ne ighbour analysis and random ized
complete block (RB) analysis in y ield
模型M odel df M SE RM SE (% ) 试验 T est
RB 94 7056. 00 100 rc98
RBH 93 4412. 94 161. 49 rc98
RCH 67 3187. 73 223. 12 rc98
RCU H 66 3171. 94 229. 12 rc98
RCDH 66 3068. 05 236. 88 rc98
RDL H 66 3235. 33 224. 63 rc98
RCRH 66 3115. 87 233. 25 rc98
RCLDH 65 3106. 95 229. 15 rc98
COV 平均 219. 66
COV 标准差 26. 08
　　注: COV 指 RBH、RCH、RCU H、RCDH、RCL H、RCRH 及
RCLDH
2. 4　产量四种分析方法相对效率比较
将RC、RCN、COV 和 RB 的相对效率作成图
1。由图 1 可明显看出, 与随机完全区组分析相比
较, COV 的相对效率最高, 其次为RCN 和RB。由
此说明, 在四种分析中, 以COV 最优。
图 1　　产量 4 种分析方法相对效率比较
F ig. 1　　Comparisons on the relat ive effciency
of 4 analysis m ethods
3　讨论
3. 1　在品系比较试验中要重视小区株数等性状的
记载
在 rc98 试验中, 设计要求每小区 80 丛, 但因
鼠害及病害, 部分小区出现缺丛, 因此在计产时对
小区丛数进行记载。从表 4 可看出, 以小区丛数作
为协变量将提高试验效率 119. 66%。因此在各种作
物品系试验产量鉴定中, 收获时要对小区株数进行
记载, 如水稻的小区丛数或株数、玉米的小区穴数
或株数、小麦行长中断垄长度等。这对提高产量鉴
评的精确度很有好处。由此也可看出, 对品系其他
性状进行鉴评时, 也需重视其相关密切性状的记
载, 以供协方差分析之用。
3. 2　行列区组及近邻小区分析在作物品系试验中
的应用
在作物品系试验中, 为了提高多品系比较的精
确度, 一般可从改进试验设计方法及分析方法着
手, 而本文中采用的行列区组及近邻小区分析方
法, 在田间试验设计中仅采用随机完全区组设计亦
可进行分析, 在田间工作量仅是记载下每小区所在
的行数、列数即可。但从分析结果来看 (表 2, 表 3,
表 4) , 此方法可明显提高试验分析精度, 并且在分
析时可采用广义的线性模型 (GLM ) 进行分析, 如
果出现某 n 个小区缺区可分析, 但精度差。因此,
行列区组及近邻小区分析是在作物品系试验中一种
值得提倡的简单易行的分析方法, 并且此方法也可
在无重复的株行筛选试验中尝试。
References
[ 1 ]　Bartlet t M S. N earest neighbour models in the analysis of
field experim ents (w ith discussion). J R S ta tist S oc, 1978,
B 40: 147～ 174
[ 2 ]　W ilk ison G N , Eckert S R , H ancock T W et a l. N earest neig2
　　　hbour (NN ) analysis of field experim ents (w ith discussion). J
R S ta tist S oc, 1983, B 45: 151～ 211
[ 3 ]　W illiam s E R. A neighbour model fo r field experim ents.
B iom e2
　　　trika, 1986, 73 (2) : 279～ 287
[ 4 ]　A zais J M , M onod H , Bailey R A. T he influence of design
on validity and efficiency of neighbour m ethods. B iom etrics,
1998, 54: 1374～ 1387
[ 5 ]　Besag J , Kemp ton R. Statist ical analysis of field experim ents
using neighbouring p lo t. B iom etrics 1986, 42: 231～ 251
[ 6 ]　W u T 2X (吴天侠) , Gai J2Y (盖钧镒) ,M a Y2H (马育华). A n
inquiring in to the nearest neighbouring analysis fo r trait w ith
large num ber of lines in p lan t breeding. A cta A g ronom ica
S in ica (作物学报) , 1995, 21 (1) : 9～ 16
[ 7 ]　W u T 2X (吴天侠) , Gai J2Y (盖钧镒) , M a Y2H (马育华). A
study on simp lified latt ice design m ethod fo r field trails w ith
large num ber of lines. A cta A g ronom ica S in ica (作物学报) ,
1995, 21 (3) : 300～ 306
[ 8 ]　A ltan S, Raghavarao D. N ested Youden square designs.
B iom etrika, 1996, 83. 1: 242～ 245
[ 9 ]　M o rton J R. U se of certain 55 L atin squares fo r increasing
info rm ation from agrofo restry experim ents, J ou rna l of A g ri2
cu ltu ra l S cience, 1997, 128: 1～ 4
[ 10 ]　W illiam s E R , John J. A no te on op tim ality in lat t ice square
designs. B iom etrika, 1996, 83 (3) : 709～ 713
[ 11 ]　Robert G D Steel, Jam es H To rrie. P rincip les and p roced u res
of sta tistics. U SA : M cGraw 2H ill Inc, 1980. 129～ 130
[ 12 ]　W illiam G Coch ran, Gertrude M Cox. E xp erim en ta l D e2
sig ns. U SA : John W iley & Sons Inc, 1992. 30～ 34
221　　　　　　　　　　　　　　　　　　　　　作　　物 　　学　　报　　　　　　　 　　　　　　　　　　　　29 卷