使用R语言进行随机区组实验

1.随机区组实验设计

R中agricolae包的design.rcbd（）函数能快速实现完全随机实验设计。如下代码实现3种药物，3个区组处理随机区组实验设计。主要参数有，trt：处理因素数，r：区组数，serie：标签编号方式，seed：随机种子，kinds：随机方法，有多种随机方法，这里选择default。

2.随机区组实验数据的分析

随机区组实验数据的分析同样采用方差分析法。当随机区组实验完成后，实验数据应该符合正态分布和方差齐性的要求，可以采取两因素方差分析。随机区组实验的两因素方差分析，即将变异来源分为处理间、区组间和误差三项，分析处理间差异和区组间差异有无统计学意义。如区组间差异无统计学意义，则根据不同情况给予不同处理。如从专业的角度，如区组因素作用尚待确定，则将区组间与误差两项合并为组内差异，若区组因素作用已经确定无疑，则不能合并。在方差分析的基础上，应进一步通过均数多重比较，分析处理因素不同水平对实验指标的影响。

现有一番茄品种对比实验：共有A、B、C、D、E、F、G、H共8个品种，其中H是对照品种，采用随机区组设计，重复3次，测量其单果重量（g），试分析实验数据。

（1）导入数据

（2）数据检查、评估检验假设条件（正态性，方差齐性、独立性）

通过summary（）检查数据缺失值，可以看出没有缺失值（显示为NA），使用car包相关函数能够进行异常值分析、正态性检验、方差齐性检验和独立性检验。具体代码请参考方差分析和一元线性回归分析相关内容。这里直接给出检验图示结果，结果表明数据检查符合各项方差分析假设条件，提示第23、9、19行数据可能为强影响点，需要关注，本例暂不处理。

图11-4 模型假设检验汇总图

（3）双因素方差分析

利用aov（）函数进行方差分析(www.xing528.com)

（4）事后检验

计算各组均值和标准差。

（5）多重比较

（6）可视化结果

绘制箱线图，标记比较结果。

3.结论

为了筛选优质品种，现对8个番茄品种进行随机区组栽培实验，获取8个番茄品种的单果重。经分析测试数据无缺失和异常值，数据满足正态性、线性、方差齐性假设和独立性检验。使用双因素方差分析，发现番茄品种对单果重有极显著影响（p＜0.001）。使用LSD法对不同番茄品种单果重进行均值比较，品种G（M=251.8，SD=20.611405）和品种E（M=D210.26667，SD=8.219692），单果重显著高于对照H（M=177.16667，SD=15.535872），品种A（M=90.36667，SD=15.730332）、F（M=94.63333，SD=8.668525），单果重显著低于对照品种H，品种C和E与对照H无显著差异。具体结果见图11-6。

图11-6 使用R内置函数boxplot（）绘制箱线图