Piepho 2010 LV 模型

1. Piepho HP, Williams ER. Linear variance models for plant breeding trials. Plant Breed. 2010;129:1–8.

大多数植物育种试验涉及在行和列中的图的布局。可解析的行列设计已经证明在获得处理效果的有效估计中是有效的。通过后封锁或通过包括空间模型分量，进一步改进是可能的。本研究回顾了通过添加空间分量来增强基线行列模型的选项。所考虑的模型是一维和二维中的线性方差模型的不同变体。通过分析来自植物育种和品种测试的许多田间试验来评估这些选项的有用性。

---

田间试验的空间模型在过去已经受到相当大的关注（Wilkinson等人1983，Green等人1985，Besag和Kempton 1986，Kempton等人1994，Besag和Higdon 1999，Watson 2000，Edmondson 2005，McCullagh和Clifford 2006，Campbell和Bauer 2007，Piepho等人2008），随着强大的统计软件包的出现，具有空间协方差结构的完全基于REML的混合模型分析可以方便地用于作物品种试验和植物育种试验（Smith et al.2005）。已经为现场试验数据提出了大量空间模型，因此空间分析需要做出多种选择。因此，模型选择和防止过度拟合成为一个主要问题。过拟合的危险随着对数据尝试的候选模型的数量而增加，因此在设计阶段限制模型选择的数量是可取的。在用于现场试验的空间建模的一些应用中，空间模型已经被视为使用阻塞和经典设计原理的替代方案。最近，在考虑特定空间分析的情况下寻找最佳设计的兴趣增加（Cullis等人2006，Martin等人2006，Butler等人2008）。采取有点中间立场，威廉姆斯等。 （2006）提出了基于线性方差（LV）模型的可分辨的空间行列设计，当空间分量不导致改进的拟合时，通过选择对行列设计的经典分析，提供随机化保护。因此，分析可以通过用行和列效应拟合基线模型并检查空间分量的添加是否值得来进行。这种方法虽然允许利用空间相关性，但仅使用非常有限的一组候选模型。此外，如果特定数据集需要复杂的方差 - 协方差结构，而同时只有几个空间方差 - 协方差参数变得相对较小，则以降低的精度支付少量额外费用，空间列设计的用户就受到保护。本研究描述了可分辨行列设计的二维LV模型。它研究了Williams等人提出的模型。 （2006），并提出一个满足可分离性条件的新模型（Martin 1979）。为了激励模型，我们首先考虑Williams提出的一维LV结构（1986）。随后，我们在两个维度探索扩展的选项。使用来自均匀性试验和设计实验的数据集来比较模型。本文中考虑的所有模型使用标准混合模型包（如SAS，GENSTAT或ASREML）很容易拟合。