logo821.gif (10572 bytes) 首頁          新增資料與公告

   

最新消息  :

荷蘭與 Maarel Orchids在國際市場上的突破

Westerlay Orchids的碳中和蘭花生產

農企業全面有機化的結局

 

 

生醫研究之統計方法

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
授課資料
人文關懷
無官御史台
武漢肺炎與產業
智能生物產業
活動公告區
數據分析與知識產業

 

 
農地田間設計研究與示範試驗
 

中興大學 生物系統工程研究室 陳加忠

 
 

Extension.UGA.edu Bulletin 1177, Jan. 2017.

Richard F. Davis, Extension Nematologist;

Glen H. Harris, Extension Agronomist;

Phillip M. Roberts, Extension Entomologist; and

Greg E. MacDonald, Extension Agronomist

作為農場顧問,在生長季節需要做出許多管理選擇。例如,可能必須決定種植哪個品種、使用哪種除草劑、使用殺真菌劑的頻率以及使用殺線蟲劑的比率。通常可以獲得做出最佳決策所需的資訊。但當無法獲得時,可以經常通過自己進行小實驗來比較選項。如果遵循實驗設計的一些重要原則,實驗可以像任何大學研究一樣有效。

所有實驗都有某些共同點,因此設計實驗通常包括以下步驟。必須決定要回答什麼問題。這是實驗的目標或目的。實驗的目標將決定實驗中包含的內容以幫助回答問題。希望在實驗中測試的個別事物稱為處理,應用處理的物理區域稱為區塊。然後,需要決定如何在現場實際安排處理。從技術上講,這就是所謂的實驗設計

通過實驗,允許在選擇的處理之間,進行無偏見的比較,來回答最初問題。需要某種方法來評估每種處理的效果如何,以便在處理之間進行比較。收集的資訊用於幫助進行這些比較(例如產量、昆蟲數量或疾病嚴重程度)稱為數據。最後,需要一種客觀的方法來評估數據。這通常是通過統計分析。

選擇處理

研究的目的將決定實驗中的處理。寫下測試目標很有幫助,因為這會迫使精確定義它們。一項測試可能有多個目標,但多個目標應該密切相關。

如果可以確定研究的目的,那麼處理的選擇通常合乎邏輯。應包括實現測試目標所需的所有處理。例如,如果目的是確定五種殺真菌劑中的哪一種效果最好,那麼處理將包括所有這五種殺真菌劑。如果目的是確定五種殺菌劑中的任何一種是否比當前選擇的效果更好,那麼處理方法將包括五種殺菌劑和目前使用的殺菌劑。在現場應用處理之前,準確說明測試的目的十分重要。處理開始後,再添加其他處理來回答真正想解決的問題就太晚了。

隨著試圖回答的問題變得更加複雜,處理方法的選擇和實驗設計也變得更加複雜。想要在同一個實驗中測試兩個(或更多)影響作物生產的事物是很常見。例如可能想要測試雞糞作為肥料,並測試五個玉米雜交品種以最大化產量。本案解決的具體問題是:

1.雞糞對玉米生產有什麼影響?

2.雜交品種對玉米生產有什麼影響?

3.雞糞對每個雜交品種的影響是否相同?

第三個問題可能不像前兩個那麼明顯,但是如果在同一個實驗中測試兩個或多個因子,總會被問到或暗示。在此示例中,必須確定雞糞對每個雜交品種的影響,然後將這些影響相互比較。為此處理清單必須包括每個沒有雞糞的雜交品種和每個有雞糞的雜交品種(總共 10 個處理)。有了這個處理清單,可以進行必要的比較來回答三個問題。這個例子使用了處理的因子安排,將在後面的部分中更詳細地討論。

關於處理選擇的最後一個注意事項,包括包括額外的處理以提供相對的效果量測。如果不知道這些產量與已經種植的雜交品種相比如何,那麼比較五種新玉米雜交品種的產量並沒有什麼好處。應該至少包括一種已經熟悉的雜交品種(通常稱為標準處理),以提供新的雜交品種生產情況的相對衡量標準。如果想測試一種新的殺線蟲劑,應該包括使用當前使用的殺線蟲劑的處理,和不使用殺線蟲劑的處理作為比較基礎。這種處理被稱為檢查控制。如果沒有適當的控制,將無法證明新的殺線蟲劑比當前使用的殺線蟲劑效果更好,甚至不能說新的殺線蟲劑比沒有殺線蟲劑的效果更好!希望實驗回答的問題應該指出應該包括哪些處理作為對照。

通常希望在實驗中同時具有陽性和陰性對照。陰性對照可幫助確定被測試的處理是否比一些最小處理(或什麼都不做)更有效。陽性對照可幫助確定被測試的處理是否比當前的標準做法更有效。如果目前有多個可行的選項可供選擇,則可能在一個實驗中有多個對照處理。例如如果目前可以選擇兩種殺菌劑中的任何一種來控制葉斑病問題,可能希望在測試新產品時將它們都包括在實驗中作為對照。不必將所有當前可用的選項都包括在內作為實驗的對照才能有用,但可以這樣做。 

重複

在實驗中,重複代表著單獨的處理應用於多個地塊(例如在實驗中測試的五種農藥中的每一種)。重複是必要的,因為所有測試區塊都不相同,這會導致收集的數據發生變化。從接受相同處理的兩個地塊中,不會得到完全相同的結果。如果有可識別的原因,可以採取措施將變異的影響降至最低。但是在區塊之間總會存在一些無法控制的變異。在統計術語中,不受控制的變化稱為實驗誤差。重複的目的是即使實驗中存在不受控制的變化,讓能夠更準確地估計每個處理的執行情況。這在展示一個例子。

假設有 10 株玫瑰叢,並且想測試一種新的殺菌劑是否可以保護灌木叢免受黑斑病(一種真菌性葉病)的侵害。可以挑選5株植物作為對照,不加處理。然後用殺菌劑噴灑其他5株植物。之後,當葉子上出現明顯的黑點時,可以計算每株植物上病斑的數量並比較兩種處理方式。5株未經處理的植物有 26211925 23 個感染點(處理平均為每株植物 22.8 個點)。經過殺菌劑處理的植物有 20151821 20 個點(平均值為 18.8)。統計分析表明,殺菌劑確實減少了感染部位的數量。但如果只有一個處理過的地塊和一個未處理過的地塊,將無法確定這一點。根據以上數據考慮以例子。如果只有兩株植物,而未經處理的植物有26個斑點,而經過處理的植物有15個斑點,則似乎很容易確定殺菌劑減少了病害。但是如果未經處理的植物有19個斑點,而經過處理的植物有21個斑點呢?可能會得出結論,殺菌劑不起作用,甚至會增加疾病!充分的重複可以最大限度地減少這個問題。

當對每個處理進行多次重複時,通常會得到類似上面玫瑰示例中的數據:處理方法不同,但個別量測值可能重疊。在這個例子中,未處理植物的最低量測值為19,殺菌劑處理植物的最高量測值為21。但未處理植物的處理平均值為 22.8,處理植物為 18.8。重複處理可提高檢測處理方法差異的能力。與使用較少的重複識別相比,擁有更多的重複可以讓統計識別出更小的處理方法差異。

需要的重複次數受所測試的生物特性、處理方法的接近程度以及處理中存在的變異程度的影響。對於植物病理學、線蟲學、雜草科學、土壤肥力研究和昆蟲學的田間試驗,建議至少重複四次,但五到六次重複要好得多。如果處理均值相近或接受相同處理的地塊之間的變異相對較大,則可能需要更多的重複來檢測處理之間的是否有差異。

正如重複處理中的數據可能會有所不同,如果重複整個實驗,結果可能會因實驗而異。發生這種情況的原因可能是不同的天氣條件、不同的疾病或昆蟲壓力,或許多其他無法控制的因子。這並不代表著一個實驗的結果無效,但從一個實驗中得出結論確實很危險。擁有的一組結果可能表明處理差異,但如果多次重複測試,可能不會再次看到這些處理差異。如果重複測試(這代表著不能改變任何處理方法)並且得到類似的結果,那麼可以更加確信結論是正確。

隨機化

實驗中的隨機化代表著將處理分配到沒有可辨別的分配模式的地塊。隨機化很重要的原因是塊內處理的位置可能會影響它們的性能。這方面的一個例子是測試五個玉米雜交品種(標記為 1 5)的實驗,其中在每個區塊中以相同的順序種植雜交品種:1234,然後是 5。如果雜交品種2 自然地比其他雜交品種高得多,它可以稍微遮蔽種植在它旁邊的雜交品種(雜交品種 13),並且不公平地使它們看起來比不種植在雜交品種2 旁邊時看起來更差一點。另一個例子是一個田地,當從東到西穿過田地時,土壤肥力逐漸降低。因此當從田地的一側到另一側時,生產力會降低。如果兩個玉米雜交品種並排種植但在一個區塊內,雜交品種 1 總是種植在雜交品種 2 的東側,那麼雜交品種 1 總是種植在稍微更肥沃的土壤中,因此具有優勢不公平。

在前面的兩個例子中,隨機化可以防止無意的偏差,因為每個塊內的處理安排會有所不同。由於無法預測可能會在測試中引入偏差的所有影響,因此所有實驗都應隨機化。有很多方法可以在一個區塊內隨機化處理,但最簡單的方法是從字面上提取數字。為每個處理分配一個數字,將數字寫在張紙上,將紙條混合在一起,然後一次選擇一張紙條,而不是先看它們。繪製數字的順序是它們在塊中的排列順序。對實驗中的每個塊重複這些步驟。

如果希望將實驗用作示範區塊(例如用於野外示範),通常一個區塊不是真正隨機化的。這樣做是為了可以並排看到特定的處理方法,以便於比較並突出觀察者的差異。雖然最好將所有區塊隨機化而不是故意安排處理,但只要其他區塊真正隨機化,將處理安排在一個區塊中不太可能影響測試結果。

地塊大小

一個地塊,即應用單獨處理的區域。可以是任何大小,包括在盆中生長的單株植物或 5 英畝或更多的田地。在對測試區域應用處理之前,必須決定地塊應該有多大。雖然選擇地塊大小有很多主觀性,但有一些重要的考慮因子。包括種植、收穫和處理應用中使用的設備;有多少空間可用於實驗以及有多少其他處理;以及正在學習的生物特性。考慮到設備和空間問題,可以更輕鬆地進行測試。適應生物特性問題可以減少忽視處理之間差異的機會。設備和空間方面的考慮通常很容易識別,但生物特性方面的考慮並不總是很明顯。

如果有設備可以一次對四行進行種植、收穫和處理,那麼邏輯地塊寬度將是四行的倍數(四行、八行、12 行等)。任何其他寬度(例如六行)都會使進行實驗變得更加困難。區塊的長度應該比區塊寬度更靈活。例如,如果計劃對每個地塊的收穫進行稱重,那麼擁有的尺度可能會影響地塊的長度。如果有設計用於稱重數百磅的秤,地塊應該足夠大,以提供可由設備準確確定的收穫重量,並且增加地塊長度是一種簡單的方法。此外區塊的長度可以調整,以便所有區塊(所有處理的所有重複)都適合測試可用區域。如果測試區域很大,空間可能不是重要的考慮因子。

為了適應生物特性的考慮,應該回答兩個問題:

1.需要多大的地塊來觀察正在研究的生物效應(疾病嚴重程度、昆蟲損害、雜草頻率、線蟲種群水準等)?

2.需要多大的地塊才能最大限度地減少處理(化學應用等)對其旁邊地塊的影響?

通過回答這些問題,可以確定最小區塊大小,已從實驗中獲取所需的有用數據。

為了準確衡量害蟲管理處理的效果,地塊必須足夠大,以解決害蟲(病原體、昆蟲、雜草等)初始分佈不均的情況。有些地區可能一開始就存在有害生物,但有害生物可能只有在從最初的位置傳播後才會在其他地區發生。這對於傳播非常緩慢的害蟲(例如大多數土傳性生物)非常重要。

一些病蟲害具有高度的移動性和傳播速度(例如許多昆蟲)。在昆蟲管理試驗中,如果地塊太小,量測處理的效果可能會非常困難。因為在地塊中看到的昆蟲可能只是從旁邊的地塊擴散開來。為了盡量減少這個問題,可以增加區塊大小,然後從區塊的中間部分收集數據。例如可能有一個八行區塊,但只收集中間四行的數據。不收集數據的行通常稱為緩衝行,因為它們緩衝了相鄰區塊的影響。如果在需要時緩衝區行,沒有使用緩衝區行,可能無法檢測處理之間的差異,並錯誤地得出許多處理無效的結論。當不確定處理是否會影響附近的行時,經常使用緩衝區行。

一個類似的概念涉及沿測試區域的邊緣使用邊界行。顯著的邊界效應通常存在於田地邊緣,其中植物的生長可能與不在邊緣的植物不同。儘管可以通過分塊來最小化此問題,但通常最好不要使用實驗中,這些邊緣的行來消除該問題。

一旦地塊足夠大以代表更大的區域,進一步增加地塊大小將不會顯著提高結果的準確性。例如測試殺真菌劑以控制花生中的白黴病或莖腐病的實驗,四行寬 x 100 英尺長的地塊應該與八行寬 x 400 英尺的地塊一樣好。大於必要的地塊會佔用更多的現場空間,可能會增加實驗所需的工作量,但它們通常不會對測試結果產生不利影響,除非地塊變得太大以至於塊內的地塊不再均勻。太小的區塊可能會妨礙對於處理效果的準確評估。如果可用於實驗的空間有限,只要地塊大小允許準確評估處理效果,重複次數越多通常比更大的地塊更有利。

實驗設計

完全隨機設計

完全隨機設計是最簡單的實驗設計。在此設計中,處理被重複但不分塊,這代表著處理以完全隨機的方式分配給地塊。如果整個測試區域是同性質的(在可能影響結果的各個方面都是均勻的),則這種設計是合適。不幸的是,很少對測試站點的一致性有信心,因此在現場測試中很少使用完全隨機的設計。完全隨機設計在溫室測試中更常用,但即使在更可控的溫室環境中,集區劃分也經常有用。 

隨機完整集區設計

隨機完全集區設計是農業田間研究中最常用的設計。在這個設計中,處理既重複又分塊,這代表著將地塊排列成塊,然後以隨機方式將處理分配給塊內的地塊。如果可以識別田地中的不均勻模式,例如不斷變化的土壤類型、排水模式、肥力梯度、昆蟲遷移到田地的方向等,則此設計最有效。如果無法識別潛在的變異來源,仍然應該使用這個設計進行實地研究,但讓的集區盡可能方形。即使無法預測集區之間的變化,這通常也會使集區內的區塊盡可能均勻

集區劃分(blocking)是指在實驗中將處理物理性分組在一起,以最大限度地減少收集的數據中無法解釋的變化(稱為實驗誤差)。這允許統計分析識別處理差異,否則這些差異會被實驗中太多無法解釋的變化所掩蓋。實驗中的變異可以分為兩種類型:可以在統計分析中考慮的變異和無法解釋的變異。集區劃分的目標是允許量測塊之間的變化,然後從處理均值的統計比較中刪除該變化。如果可以預測變異的原因,則可以區劃處理以最小化每個塊內的變異,並從統計分析中刪除一些變異。集區劃分如何讓減少無法解釋的變化的數學原理超出了本文的範圍。 

在最常見的實驗設計中,一個區劃塊(block)將包含實驗中每個處理的一個區塊(plot)。如果一個實驗有五個處理,那麼每個區劃塊(block)將包含五個地塊(plot),每個地塊(plot)接受不同的處理。當一個區劃塊(block)包含每個處理的一個地塊(plot)時,每個區劃塊(block)代表每個處理的一個重複。出於這個原因,區劃塊(block)經常被稱為重複代表,但區劃塊(block)的概念不應與重複的概念混淆;重複和區劃塊(block)作用於不同的目的。在農業研究中,即使田間沒有明顯差異,田間地塊也幾乎總是被作業為區劃塊(block)。在真的不需要區劃塊(block)的時候,比在應該區劃塊(block)的時候不區劃塊(block)要好得多。

集區劃分(blocking)是一種非常強大的工具,如果可以在開始實驗之前預測變異來源,則該工具最為有效。例如在除草劑試驗中,田地的一側可能有更嚴重的雜草問題的歷史。如果只是在田地中隨機散佈處理,收集的數據的許多變化可能是由於田地一側的雜草壓力增加。這種變化會使確定每種處理效果變得困難。因為知道田地的一側會有更多雜草,所以可以通過集區劃分(blocking和提高識別處理之間差異的機會,從統計分析中消除該變異源。

集區劃分(blocking)過程遵循邏輯順序。首先,確定在整個實驗區域(田間、溫室等)中存在一些不均勻的東西(雜草、排水、陽光/陰影、水、土壤類型等)可能會影響正在量測的任何內容(產量、株高等)。然後可以將處理分成區劃塊(block),使每個區劃塊(block)內的區域盡可能均勻。雖然一個區劃塊(block)內的區域應該是相對均勻的,但是區劃塊(block)之間可能會有很大的差異,但這就是集區劃分(blocking)有效的原因。目標是最大化區劃塊(block)之間的差異,同時最小化區劃塊(block)內部的差異。

只要區劃塊(block)內的區塊盡可能均勻,區劃塊(block)的形狀並不重要。理想情況下,區劃塊(block)內區塊之間的唯一差異應該是由於處理。現場實驗中的區劃塊(block)通常是方形或矩形的,但它們可以是任何形狀。同一個實驗中的區劃塊(block)不必是相同的形狀;單個區劃塊(block)的形狀將取決於試區塊最小化的田區的變化。如果不確定區劃塊(block)應該是什麼形狀,方形或接近方形的區劃塊(block)通常是一個安全的選擇

區劃塊(block)可以通過多種方式在場地中排列。如果場地足夠寬,佈置區劃塊(block)的一種簡單方法是將它們並排放置在場地下方。但是區劃塊(block)不必是連續的,可以以方便的任何方式散佈在整個場地中。 

處理的因子安排

處理的因子安排不是實驗設計,儘管經常會聽到它被稱為因子設計或因子實驗。處理的因子安排代表著實驗同時測試兩個或多個因子,並且該實驗包括所有因子的所有組合。術語因子用於描述一組具有共同的處理方法。殺菌劑、氮源或玉米雜交品種可被視為實驗中的因子。在不同的實驗中,因子的定義可以是寬泛的,也可以是狹義的。在一個實驗中,所有除草劑都可以歸為一個因子,但在另一項實驗中,種植前和種植後除草劑可能被視為單獨的因子。單因子試驗一次只檢驗一個因子;雙因子實驗同時測試兩個因子。

最簡單的農場試驗是單因子試驗(在完全隨機化或隨機化完全集區設計中)並比較作物品種或除草劑等事物,但有時同時測試兩個或多個因子很有用。例如,一個雙因子實驗可以讓比較五個玉米雜交品種在三個種植日期的產量。這一次完成了三件事:

1.它允許將玉米雜交品種相互比較。

2.它允許評估種植日期的影響。

3.它允許確定改變種植日期是否會改變雜交品種的相對性能(例如,一種雜交品種可能只有在早期種植時才能表現良好)。

前兩個可以在單獨的單因子實驗中完成,但第三個只能通過在單個實驗中同時使用兩個因子來實現。如果一個因子可以對另一個因子的影響產生重大影響,這將變得尤為重要。例如,可以將大豆品種作為一個因子進行測試,將殺線蟲劑作為另一個因子進行測試。如果少數品種具有良好的線蟲抗性,而其他品種則沒有。則在使用有效的殺線蟲劑時它們可能表現得同樣好,但當不使用殺線蟲劑時,具有抗性的品種會表現得更好。

在這種情況下,一個因子(品種)的影響會受到另一個因子(殺線蟲劑)的強烈影響。當一個因子影響另一個因子的影響時,就可以說這兩個因子之間存在顯著的相互作用。了解因子之間是否存在交互作用非常重要。因為如果存在交互作用,只有當所有其他因子處於相同水準時,才能根據單因子實驗的結果做出預測或建議。如果更改實驗中未包含的某些因子,則單因子實驗的結果可能不再有效。

對於處理的因子安排,每個因子的所有值(或水準)必須與其他因子的所有水準配對。如果有兩種殺線蟲劑和五個大豆品種,那麼處理清單必須包括每個品種和每種殺線蟲劑,總共進行 10 次處理。這將被稱為二乘五因子以表示實驗中存在多少因子以及每個因子使用了多少水準。當為一個因子添加更多水準時,處理次數會迅速增加(如果使用三種殺線蟲劑而不是兩種,將有 15 次處理而不是 10 次)。因此請謹慎選擇水準,否則實驗可能會變得太大而無法管理。

處理的因子安排可能是一個非常強大的工具,但由於處理的數量可能會變得非常大。因此最好在已經存在某種理由,相信這些因子可能相互影響並具有顯著相互作用時使用。如果沒有懷疑這些因子可能會相互影響,則在單獨的實驗中測試這些因子通常會更容易和更徹底。處理的因子安排可用於完全隨機化的實驗設計或隨機化的完整區組設計。

裂區實驗設計

裂區實驗設計是一種特殊設計,有時與處理的因子安排一起使用。當試驗至少有兩個因子並且某些約束阻止將處理隨機化為隨機完整區組設計時,通常會使用此設計。這種限制可能基於設備限制或生物學考慮。例如擁有的設備可能難以在隨機的完整塊中都使用土壤熏蒸劑。但是可能能夠使用一些熏蒸劑,以便區劃塊(block)內獲得熏蒸劑的所有處理都聚集在一起,而不是分散整個區劃塊(block)。只要能夠隨機化其他因子,就可以使用裂區實驗設計來解決此限制。這種設計在其他情況下是合適的,但最有可能發生隨機化約束限制

假設要測試五種殺菌劑對兩種花生品種的柱狀枝黴黑腐病的控制效果。在此測試中,將有一個2x5的處理因子排列:這兩個因子將是品種(該因子的2個水準)和殺菌劑(該因子的5個水準)。由於處理的因子安排不是實驗設計,因此仍然必須選擇最能滿足需求的實驗設計。如果能夠在一個區塊內隨機化品種和殺菌劑,那麼應該選擇一個隨機的完整區塊設計。如果由於某些原因不能完全隨機化每個區組內的處理,那麼可以使用裂區設計來解決該限制。例如可能有一個六行播種機,但田地中只有足夠的空間來種植四行地塊。為了解決這個難題,可以將具有相同花生品種的所有地塊種植在一個區塊內,然後在每個花生品種中隨機分配五種殺菌劑處理。

在裂區設計中,術語整區子區是指將因子隨機化到其中的區塊。顧名思義,整個地塊被細分為子地塊,整塊地是用 A B 指定的區域,子塊,整塊內的細分,被指定為 1234 5。在這個例子中,A B 可以代表兩個品種(一個因子的兩個水準),數字可以代表不同的殺菌劑(第二個因子的五個水準)。每個整塊地塊都用作子地塊處理的塊。 

要在裂區設計中分配處理,首先要確定每個塊的位置。然後隨機化每個塊內的整個小區處理。整區處理將是無法隨機化為隨機完整區組設計的處理。然後子小區處理可以在每個整小區處理內隨機化。 

數據收集

可以在任何實驗中收集幾乎無限數量的數據,但並非所有數據都有用。適當的計劃將確保收集正確的數據來解決測試目標。通常可以通過檢查實驗的規定目的來確定要收集的正確數據。例如如果花生葉斑病殺菌劑試驗的目標是評估五種殺菌劑降低葉斑病發病率和嚴重程度的能力,那麼收集有關葉斑病發病率,嚴重程度以及花生產量的數據應該是顯而易見的。收集降雨量和溫度數據對花生上的葉斑有很大影響,也可能是值得的,因為它可以幫助解釋結果。但收集土壤物理性質的數據似乎與目標無關。先問問自己,如何使用這些數據?是很有用。如果無法回答這個問題,那麼收集這些數據可能是在浪費時間。人們收集太少的數據比收集太多的數據更常見。

決定收集哪些數據只是過程的一部分。還必須決定何時收集該數據以及是否需要多次收集相同類型的數據。例如在殺線蟲試驗中,收集收穫時的線蟲種群數據是不夠的。還必須在種植時收集數據,以確保地塊開始時條件相等。在季節中期收集線蟲種群數據通常是一個好主意。因為即使在有效處理中,線蟲種群有時也會在季節結束時增加到未處理對照的水準。所涉及的生物體的生物學理將決定何時以及多久收集一次數據。

那麼,多少數據才足夠?答案是以足夠的數據來完全解決測試的目標。如果了解所涉及生物的生物學特性以及數據如何滿足測試目標,那麼應該能夠判斷是否收集了足夠的數據。

應該拍攝容易看到的處理之間的任何差異的照片。對於大多數農民來說,區塊照片比一張圖或數據表更有說服力。

收集無偏見的數據

收集無偏見的數據十分重要。確保這一點的唯一方法是在不知道該區塊中的處理方式的情況下收集數據。如果將處理方法寫在每個區塊前面的木樁上,那將很難做到。在區塊上使用某種類型的代碼是有益的,這樣就必須對樁號進行解碼以確定處理是什麼。可以編寫任何喜歡的代碼,只要收集數據的人無法從控制塊中分辨出處理是什麼。例如,可以按順序對區塊進行編號(123 等),並在一張紙上列出對區塊 1、區塊 2 等應用的處理方法。收集數據時,請寫下觀察結果對於情節 1,然後查看列表以了解該情節中的處理方法。 

如果知道在一個控制塊中進行了何種處理,或者哪些控制塊是未處理的對照,評估(疾病嚴重程度評級、蟲害評級等)可能會無意中受到影響。潛意識可能會略微提高未處理控制塊的評分,並降低認為應該有效處理的區塊的評分。甚至可能不會意識到它正在發生,但這些微妙的影響可以改變數據,足以影響從測試中得出的最終結論。如果不收集公正的數據,就無法確定結論是否正確。

統計計算

從設計合理的實驗中收集數據後,通常需要使用適當的統計計算來分析數據。如果處理差異非常大且一致,則可能不需要統計分析。處理平均值可能就足夠了。統計分析超出了本文的範圍。如果實驗是根據本文中概述的原則設計的,則可以進行適當的統計分析。但如果不遵循這些原則,則適當的統計分析可能會非常複雜。

最好在進行統計計算時尋求幫助。如果實驗設計得當,如果在流程的早期讓他們參與,推廣專家和其他科學家可能願意幫助進行統計。他們還可以檢查提出的設計是否存在缺陷和遺漏。如果想自己做這項工作,一些簡單的統計數據可以手工計算,但大多數人會在電腦軟體的幫助下進行計算。可以使用專門的統計軟體,但大多數電腦軟體可以計算簡單的統計數據。

總結

以下清單可用於設計實驗。這些項目可以按任何次序:

1.確定測試目標。

2.選擇處理來解決目標。考慮包括陽性和陰性對照。

3.確定應收集哪些數據以及何時收集,以實現目標。

4.選擇要使用的重複數量。至少考慮四次重複。

5.確定單個區塊要有多大。

5.選擇一個實驗設計。

6.確定應如何在現場佈置區劃塊(block)

7.在區劃塊(block)內隨機化處理。

第一次正確設計和實施現場試驗可能看起來很複雜,但它確實是一個合乎邏輯的過程,不應令人害怕。第一次設計試驗時,可能需要幫助以確保沒有忽略一些重要的事情,但是如果了解了該過程中涉及的原則,應該很快就會對自己進行實驗的能力充滿信心。