【正文】 農(nóng)業(yè)生產(chǎn)的角度看，它有利于農(nóng)業(yè)生產(chǎn)水平的提高和持續(xù)穩(wěn)定發(fā)展；從社會效益的角度看，它關(guān)系到育種家、種子生產(chǎn)經(jīng)營者和種子使用者三方面的利益；從種子管理的角度看，它是進行品種審定(或登記)和種植推廣的重要依據(jù)；從商品市場的角度看，它有利于提高種子在國內(nèi)和國際市場的競爭能力。由于我國大部分作物種植區(qū)跨度大，生態(tài)條件差異也很大，并不是只要一個品種就能同時適合我國作物種植區(qū)的各種生態(tài)條件，為此用種者需要根據(jù)特定地區(qū)的生態(tài)條件選擇適合特定地區(qū)種植的作物品種，以求獲得最大的經(jīng)濟效益。例如區(qū)試中各種方差分析的模型和多重比較方法不統(tǒng)一；采用回歸方法分析品種穩(wěn)定性而不考慮其模型適合性等。在作物品種區(qū)域試驗中，由于作物品種、人工管理或自然災(zāi)害等方面的原因，經(jīng)常會發(fā)生個別試驗點缺區(qū)、缺品種的現(xiàn)象，從而區(qū)試試驗報告的數(shù)據(jù)不平衡。線性混合模型 (linear mixed model,)是Nelder和Wedderbum1972年定義的，于1989年由 Mccullaght和 Nelder作了詳盡的使用說明，其后在醫(yī)學(xué)、經(jīng)濟等領(lǐng)域被廣泛應(yīng)用。要對品種全面合理的評價，除了需要準確、可靠和有代表性的試驗資料外，也離不開合理有效的試驗分析模型和方法[2024]。探討目前比較流行的5種品種穩(wěn)定性分析模型方法在作物品種穩(wěn)定性分析中的適用性和對品種特性評價的影響，實現(xiàn)有針對性地選擇利用各種穩(wěn)定性分析模型，從而提高作物品種評價的準確性。由于區(qū)域試驗實行淘汰制度，每年區(qū)試涉及參試品種更換，或者偶爾調(diào)整個別試點，加上人為或自然因素影響造成的試點報廢或缺區(qū)，使得品種區(qū)試中經(jīng)常出現(xiàn)非平衡數(shù)據(jù)。方差分析方法(ANOVA) 用于分析平衡數(shù)據(jù)，具有計算簡單，估計值無偏的優(yōu)點，并通過F檢驗做統(tǒng)計檢驗, 迄今為止仍為人們采用。Handerson方法可用于分析非平衡數(shù)據(jù)，但可能導(dǎo)致估算的方差分量有偏，仍具有一定的局限性。由于MINQUE法不需要進行迭代運算 ，對線性模型的沒有正態(tài)分布的限定，而且方差分量的估計值和隨機效應(yīng)的預(yù)測值無偏，因而具有一定的實用價值。試驗質(zhì)量方面主要是一些作物的試驗精度不足； 試驗方案的制定依賴于經(jīng)驗， 缺乏確切的統(tǒng)計學(xué)依據(jù)； 試點布局經(jīng)常因經(jīng)費和人員等因素變動。 明道緒[69]等對我國多年的區(qū)試作精確度分析，發(fā)現(xiàn)所研究的331點次試驗中有 50％以上的試驗其精度鑒別不出距對照10％的產(chǎn)量差異。由于每年參試材料可能不同，加之多年多點的環(huán)境因素的影響，常常獲得一些不規(guī)則的不平衡數(shù)據(jù)，鑒于傳統(tǒng)的方差方法不能有效地分析此類非平衡數(shù)據(jù)資料，本文通過線性混合模型中品種穩(wěn)定性分析模型的比較，以及固定效應(yīng)的估算，隨機效應(yīng)的預(yù)測，概述了作物多環(huán)境試驗的混合模型分析方法，并推導(dǎo)具體的計算公式，試圖為作物種質(zhì)資源篩選，群體改良，品種區(qū)域化鑒定以及作物品種的合理布局提供依據(jù)。作物品種的穩(wěn)定性、適應(yīng)性是決定其推廣應(yīng)用價值的重要指標，研究和評價穩(wěn)定性的數(shù)學(xué)方法、模型也多種多樣，如：線性回歸方法、聚類分析，非參數(shù)分析，非線性回歸分析，主分量分析，對應(yīng)分析等。柏章才等[26]根據(jù)2007年國家甜菜品種區(qū)域試驗結(jié)果，對參試品種的穩(wěn)定性和適應(yīng)性進行了分析，評價出適合廣泛種植的品種、針對性選擇品種*地點互作效應(yīng)較高的地區(qū)使用的品種。統(tǒng)計軟件SAS中PROC MIXED的發(fā)展使得線性混合模型分析非平衡試驗數(shù)據(jù)在技術(shù)上變得簡單可行。Proc mixed程序是一種行之有效的可以實現(xiàn)區(qū)域試驗非平衡數(shù)據(jù)分析的方法，且簡單易行；Proc mixed自動給出的信息量準則，能夠?qū)Ψ治瞿Ｐ瓦M行擬合效果最佳的選擇，從而找出最佳模型對數(shù)據(jù)進行科學(xué)地分析，提高區(qū)域試驗數(shù)據(jù)反映待測品種穩(wěn)定性的精確性，否定了某個模型的萬能性；Proc mixed線性混合模型分析結(jié)果中也包含對隨機誤差和系統(tǒng)誤差的處理，進而提高數(shù)據(jù)分析的準確性。國外對重復(fù)測量資料分析方法的研究已比較多，其中最重要的一種方法就是使用混合模型[29]。 穩(wěn)定性方差模型穩(wěn)定性方差模型（Stability variance model）由Shukla于1972年提出，因此亦稱為Shukla穩(wěn)定性方差模型。 j = 1, …, J。隨機效應(yīng)、和假設(shè)相互獨立、均值均為零，方差分別為、和。若采用處理均值，其模型數(shù)學(xué)表達為 ………………………………….。后者為品種穩(wěn)定性方差。和的方差分別以和表示。絕對值較大的品種被認為穩(wěn)定性較差[9]。 EberhartRussell回歸模型EberhartRussell回歸模型與FinlayWilkinson回歸模型形式相同 [33]，不同點在于前者假設(shè)模型()中的和模型()中的對每個品種均相同，而后者假設(shè)每個品種具有各自的值，它們的方差分別被表示為和。本文僅討論乘積項只有一項的AMMI模型 (以AMMI1表示) 。對處理均值資料AMMI1模型為……………………………除增加了環(huán)境主效應(yīng)外，其他與模型()相同。品種基因型與環(huán)境互作效應(yīng)被假定在同一環(huán)境j中彼此相關(guān)[35]。的主對角線元素相當于各品種的方差，該方差的大小作為品種穩(wěn)定性的度量(環(huán)境方差)。對于處理均值數(shù)據(jù)模型()可簡化為 ……………………………….。其主對角線元素是品種的環(huán)境方差：值越小，對應(yīng)的第i個品種越穩(wěn)定[37,38]。其缺點是，模型待估參數(shù)較多，在數(shù)據(jù)較少或品種數(shù)多于試驗環(huán)境數(shù)時難以取得模型估計值。假定試驗數(shù)據(jù)已存為SAS數(shù)據(jù)集，在數(shù)據(jù)集中以變量Y、V和L分別代表品種環(huán)境處理均值 (例如產(chǎn)量)、品種和環(huán)境，則基于處理均值數(shù)據(jù)各穩(wěn)定性模型分析的SAS程序如表31所示。 class V L。模型Model語句 Syntax穩(wěn)定性方差模型Stability varianceRandom int / sub =L。 run。 run。 run。 repeated V/ sub = L type = FA1(1)。環(huán)境方差模型Environmental variancerepeated V/ sub = L type = un。注：本行所列語句應(yīng)出現(xiàn)在其他語句之前Note: The mands in this row should be written before the other mands for each scenario. 模型評價與選擇上述各種模型采用極大似然法擬合時，可采用基于似然值的信息量準則評價和選擇最佳模型，如Akaike信息量準則（AIC）：AIC = 2 lnL + 2qLnL為模型擬合極大似然值的自然對數(shù)值；q為模型中待估計方差協(xié)方差參數(shù)的數(shù)目。當有若干個模型可供應(yīng)用時，數(shù)據(jù)擬合效果好，而又盡可能節(jié)省參數(shù)數(shù)目的模型，即AIC值最小的模型為最佳模型。 數(shù)據(jù)資料 材料和方法數(shù)據(jù)取自我國玉米作物區(qū)域試驗的產(chǎn)量資料，數(shù)據(jù)為子粒產(chǎn)量。所有試驗采用隨機區(qū)組設(shè)計，重復(fù)3次；小區(qū)面積12m178。 玉米區(qū)域試驗描述 regional trial description試驗 Trial試驗Trial品種數(shù)Cultivar number環(huán)境數(shù)Environment number重復(fù)數(shù)Replication number產(chǎn)量單位Yield unit數(shù)據(jù)來源Data resource02年1組玉米17213kg/12m202年2組玉米21213kg/12m203年1組玉米17223kg/12m203年3組玉米16213kg/12m203年4組玉米14213kg/12m204年1組玉米18223kg/12m204年2組玉米18223kg/12m204年3組玉米19223kg/12m204年4組玉米19223kg/12m205年1組玉米17223kg/12m205年2組玉米15223kg/12m205年3組玉米16223kg/12m205年4組玉米16223kg/12m205年5組玉米15223kg/12m205年6組玉米15223kg/12m2表32 區(qū)域試驗產(chǎn)量列表 Yield data of regional trial試驗 Trial02年1組02年2組03年1組03年3組03年4組04年1組04年2組04年3組04年4組05年1組05年2組05年3組05年4組05年5組05年6組V1V2V3V4V5V6V7V8V9V10V11V12V13V14V15V16V17V18V19V20V21 試驗數(shù)據(jù)初步分析綜合方差分析結(jié)果(略)與各點次方差分析結(jié)果基本一致，區(qū)組間方差不顯著，品系和試點間方差都達到極顯著水平，說明各試點的生態(tài)條件差異很大， 反映了各品系在各試點的適應(yīng)性和增產(chǎn)潛力有明顯的不同； 互作極顯著表明各品系的平均產(chǎn)量隨地點的變化而有顯著的變化。表33 不同穩(wěn)定性分析模型的AIC值。下劃線的數(shù)據(jù)表示最佳模型。表34是各模型在15套試驗中對品種穩(wěn)定性參數(shù)估計的結(jié)果。由該表中各模型估計的穩(wěn)定性參數(shù)大小可推出參試品種穩(wěn)定性大小排序在各試驗每個模型的結(jié)果分別是:2002年01組 穩(wěn)定性方差模型: V11V1V2V9V16V7V3V5V14V13V6V15V10V8V12V17V4FinlayWilkinson模型: V5V7V1V9V2V4V11V6V16V15V13V12V3V17V14V8V10EberhartRussell模型: V11V1V2V9V16V7V3V14V5V13V6V15V8V10 V12V17V4AMMI1模型: V9 V1V11V2V6V17V16V13V15V3V14V12V10V8V7V5V4環(huán)境方差模型: V1V7V11V5V10V2V16V6V13V4V15V3V12V14V9V8 V172002年02組穩(wěn)定性方差模型: V13V10V20V6V3V9V1V14V11V12V17V5V8V19V4V2V18V7V15V21V16FinlayWilkinson模型: V13V10V20V9V6V12V8V14V1V5V17V19V3V11V4V2V7V18V15V16V21EberhartRussell模型: V13V3V6V20V18V11V1V17V7V21V14V9V4V2V19V5V10V15V12V8V16AMMI1模型: V13V20V17V1V7V18V8V16V5V15V12V14V3V11V19V10V9V4V2V6V21環(huán)境方差模型: V13V10V20V6V3V9V1V14V11V12V17V5V8V19V4V2V18V7V15V21V12003年01組穩(wěn)定性方差模型: V3V7V10V13V2V1V11V12V9V6V14V8V5V15V4V16FinlayWilkinson模型: V3V7V10V2V1V11V13V12V9V6V14V5V15V8V4V16EberhartRussell模型: V3V13V7V6V8V10V11V9V5V14V1V16V12V2V15V4AMMI1模型: V3V7V10V11V2V12V15V9V14V1V6V5V13V4V16V8環(huán)境方差模型V3V7V10V13V2V1V11V12V9V6V14V8V5V15V4V162003年03組穩(wěn)定性方差模型: V7V15V6V13V9V11V5V1V14V4V2V8V1