BÀI GIẢNG ỨNG DỤNG TIN HỌC TRONG THIẾT KẾ THÍ NGHIỆM VÀ XỬ LÝ SỐ LIỆU (Phương pháp nghiên cứu nâng cao) part 7 pptx

31 hoc (tương tự như ví dụ ở hình 17). Chúng ta cũng chỉ tiến hành post hoc khi có hơn 2 công thức thí nghiệm. Hình 18. Tiến trình phân tích số liệu thí nghiệm thiết kế theo kiểu RCB Kết quả phân tích được thể hiện ở bảng 13. 32 Bảng 13. Kết quả phân tích phương sai ảnh hưởng của giống đến năng suất lúa trong thí nghiệm thiết kế theo kiểu RCB Kiểm tra sự khác nhau giữa các nhóm (Tests of Between-Subjects Effects) Biến phụ thuộc (Dependent Variable): Năng suất Source Sum of Squares df Mean Square F Sig. Corrected Model 66,32 7,00 9,47 4,33 0,00 Intercept 1511,11 1,00 1511,11 690,38 0,00 Khối 9,22 2,00 4,61 2,11 0,13 Giống 57,10 5,00 11,42 5,22 0,00 Error 100,68 46,00 2,19 Total 1678,12 54,00 Corrected Total 167,01 53,00 R 2 = ,397; (R 2 điều chỉnh= ,305) Cách giải thích kết quả hoàn toàn tương tự như ví dụ 14 (kết quả ở bảng 10). Qua bảng 13 ta thấy rằng yếu tố giống đã ảnh hưởng đến năng suất lúa (P <0,001). Như vậy, chúng ta bác bỏ giả thuyết H 0 và chấp nhận giả thuyết H A . Điều này cũng có nghĩa là phải tiến hành phân tích post hoc để chỉ ra giống lúa nào sai khác với giống lúa nào. Kết quả phân tích post hoc được thể hiện ở bảng 14. Cách diễn giải kết quả hoàn toàn tương tự như kết quả phân tích post hoc ở ví dụ 14 (bảng 11). Qua kết quả phân tích post hoc ở bảng 14 ta thấy rằng giống lúa V6 có năng suất cao hơn tất cả các giống còn lạ i, trong khi đó không có sự khác biệt về năng suất lúa giữa các giống từ V1 đến V5. Như đề cập ở trên trong mô hình phân tích số liệu của thí nghiệm thiết kế theo kiểu RCB phải luôn luôn bao gồm cả yếu tố bị khống chế. Tuy nhiên, chúng ta không quan tâm đến ảnh hưởng của yếu tố bị khống chế (yếu tố khối) đến biến phụ thuộc. Một số phầ n mềm tin học thậm chí không đưa kết quả về mức ý nghĩa (giá trị P) của ảnh hưởng của yếu tố khối. Bảng 15 trình bày kết quả phân tích số liệu theo kiểu RCB bằng phần mềm GENSTAT. Trong phần 4, chúng tôi đã đề cập đến các bước phân tích phương sai. Một trong những bước trong phân tích phương sai là lựa chọn mức độ tin cậy α. Trong nông nghiệp nói riêng và khoa học nói chung thông thường người ta chấ p nhận một mức α là 0,05. Điều này không có nghĩa là chúng ta luôn luôn sử dụng mức α = 0,05. Tùy theo mục đích và loại hình nghiên cứu (nghiên cứu trong phòng thí nghiệm, nghiên cứu đồng ruộng) mà chúng ta có thể lựa chọn các mức α khác nhau. Ví dụ thay vì α = 0,05 ta có thể chọn mức α = 0,01 hay 0,1. Điều này có thể thực hiện trong SPSS. Trong các trình ứng dụng phân tich phương sai luôn luôn có 33 sự lựa chọn OPTION. Chúng ta có thể thay đổi mức độ tin cậy (significant level) α trong OPTION (hình 19). Bảng 14. Kết quả phân tích post hoc về ảnh hưởng của giống đến năng suất lúa Multiple Comparisons Dependent Variable: giatri LSD -,86922 ,697423 ,219 -2,27306 ,53462 -,66289 ,697423 ,347 -2,06673 ,74095 -,15178 ,697423 ,829 -1,55562 1,25206 ,16822 ,697423 ,810 -1,23562 1,57206 2,27933* ,697423 ,002 ,87549 3,68317 ,86922 ,697423 ,219 -,53462 2,27306 ,20633 ,697423 ,769 -1,19751 1,61017 ,71744 ,697423 ,309 -,68639 2,12128 1,03744 ,697423 ,144 -,36639 2,44128 3,14856* ,697423 ,000 1,74472 4,55239 ,66289 ,697423 ,347 -,74095 2,06673 -,20633 ,697423 ,769 -1,61017 1,19751 ,51111 ,697423 ,467 -,89273 1,91495 ,83111 ,697423 ,239 -,57273 2,23495 2,94222* ,697423 ,000 1,53838 4,34606 ,15178 ,697423 ,829 -1,25206 1,55562 -,71744 ,697423 ,309 -2,12128 ,68639 -,51111 ,697423 ,467 -1,91495 ,89273 ,32000 ,697423 ,649 -1,08384 1,72384 2,43111* ,697423 ,001 1,02727 3,83495 -,16822 ,697423 ,810 -1,57206 1,23562 -1,03744 ,697423 ,144 -2,44128 ,36639 -,83111 ,697423 ,239 -2,23495 ,57273 -,32000 ,697423 ,649 -1,72384 1,08384 2,11111* ,697423 ,004 ,70727 3,51495 -2,27933* ,697423 ,002 -3,68317 -,87549 -3,14856* ,697423 ,000 -4,55239 -1,74472 -2,94222* ,697423 ,000 -4,34606 -1,53838 -2,43111* ,697423 ,001 -3,83495 -1,02727 -2,11111* ,697423 ,004 -3,51495 -,70727 (J) giong V2 V3 V4 V5 V6 V1 V3 V4 V5 V6 V1 V2 V4 V5 V6 V1 V2 V3 V5 V6 V1 V2 V3 V4 V6 V1 V2 V3 V4 V5 (I) giong V1 V2 V3 V4 V5 V6 Mean Difference (I-J) Std. Error Sig. Lower Bound Upper Bound 95% Confidence Interval Based on observed means. The mean difference is significant at the ,05 level. *. 34 Bảng 15. Kết quả phân tích phương sai ảnh hưởng của giống đến năng suất lúa trong thí nghiệm thiết kế theo kiểu RCB bằng phần mềm GENSTAT Variate: Năng suất Source of variation (N. biến động) d.f. s.s. m.s. v.r. F pr. Khối stratum 2 9,221 4,610 2,11 Khối.*Units* stratum giống 5 57,100 11,420 5,22 <,001 Residual (hiệu dư) 46 100,684 2,189 Total (tổng) 53 167,006 Hình 19. Thay đổi mức độ tin cậy α trong phân tích phương sai 5.3. Phân tích số liệu từ thí nghiệm kiểu LSD Ví dụ 16. Một nhóm nghiên cứu quan tâm đến ảnh hưởng của các giống ngô đến năng suất. Thí nghiệm được thiết kế theo kiểu LSD và kết quả thí nghiệm được trình bày ở bảng 16. Hãy phân tích kết quả và chứng minh giả thuyết H 0 về không có ảnh hưởng của giống ngô đến năng suất ngô. Trước khi phân tích chúng ta phải xác định mô hình phân tích. Với kiểu thiết kế thí nghiệm RCB một nhân tố, thì mô hình phân tích có thể như sau: 35 y ijk = µ + G i + P j + D k + ε ijk • y ij = Biến phụ thuộc • µ = Trung bình quần thể • G i = Ảnh hưởng của yếu tố hàng • P j = Ảnh hưởng của yếu tố cột • D k = Ảnh hưởng của yếu tố nghiên cứu • ε ijk = Ảnh hưởng của ngẫu nhiên Bảng 16. Năng suất (tấn/ha) của các giống ngô khác nhau, thiết kế thí nghiệm theo kiểu LSD Hàng Cột Giống Năng suất h1 c1 B 1,64 h1 c2 D 1,21 h1 c3 C 1,425 h1 c4 A 1,345 h2 c1 C 1,457 h2 c2 A 1,185 h2 c3 D 1,4 h2 c4 B 1,29 h3 c1 A 1,67 h3 c2 C 0,71 h3 c3 B 1,665 h3 c4 D 1,18 h4 c1 D 1,565 h4 c2 B 1,29 h4 c3 A 1,655 h4 c4 C 0,66 Khi chúng ta đã rõ ràng về mô hình phân tích thì chúng ta có thể tiến hành phân tích theo các bước như sau : • Bước 1 : Nạp số liệu vào SPSS • Bước 2: Vào trình ứng dụng General Linear Model-Univariate (hình 19.). Chúng ta sử dụng General Linear Model -Multivariate khi có nhiều biến phụ thuộc. Chú ý biến phụ thuộc ở đây là biến định lượng. • Bước 3 : Khai báo biến phụ thuộc (dependent variable) và biến độc lập (fixed factors)(hình 20). Chúng ta có thể thấy rằng cả yếu tố hàng, yếu tố cột . 1,610 17 ,71 744 ,6 974 23 ,309 -,68639 2,12128 1,0 374 4 ,6 974 23 ,144 -,36639 2,44128 3,14856* ,6 974 23 ,000 1 ,74 472 4,55239 ,66289 ,6 974 23 ,3 47 - ,74 095 2,06 673 -,20633 ,6 974 23 ,76 9 -1,610 17 1,1 975 1 ,51111. -2,23495 , 572 73 -,32000 ,6 974 23 ,649 -1 ,72 384 1,08384 2,11111* ,6 974 23 ,004 ,70 7 27 3,51495 -2, 279 33* ,6 974 23 ,002 -3,683 17 -, 875 49 -3,14856* ,6 974 23 ,000 -4,55239 -1 ,74 472 -2,94222* ,6 974 23 ,000. ,74 095 -,15 178 ,6 974 23 ,829 -1,55562 1,25206 ,16822 ,6 974 23 ,810 -1,23562 1, 572 06 2, 279 33* ,6 974 23 ,002 , 875 49 3,683 17 ,86922 ,6 974 23 ,219 -,53462 2, 273 06 ,20633 ,6 974 23 ,76 9 -1,1 975 1 1,610 17 ,71 744