Phân tích thống kê đối với G x E là rất quan trọng trong thống kê ứng dụng, cũng giống như việc phân tích các thí nghiệm trong sản xuất và chọn giống cây trồng. Phân tích hồi quy là một phương pháp thử nghiệm phản ứng tuyến tính đặc trưng của một kiểu gen với những thay đổi trong môi trường. Quá trình này được thực hiện bằng cách tính hồi quy của các trung bình kiểu gen trên chỉ số môi trường. Zobel và cộng sự (1988) [197] xem xét ba mô hình truyền thống khi phân tích phương sai (ANOVA) đã không phát hiện một thành phần tương tác đáng kể nào và không xác định được các tương tác chính giữa kiểu gen và môi trường. Các mô hình hồi quy tuyến tính chỉ chiếm một phần nhỏ trong tương tác tổng bình phương.
Phương pháp AMMI (Additive main effects and multiplicative interaction method) do Ramagora và Fox đề xuất (1993) được tổng hợp trên cơ sở các mô hình của các tác giả trước đó (trích dẫn bởi Nguyễn Thị Lang và Bùi Chí Bửu, 2011) [11] AMMI đượcsử dụng với 3 mục đích chính. Đầu tiên là chẩn đoán mô hình, AMMI thích hợp hơn trong phân tích thống kê ban đầu đối với các thử nghiệm năng suất, bởi nó cung cấp một công cụ phân tích chẩn đoán tốt hơn khi có bộ dữ liệu cụ thể so với các mô hình khác (Gauch, 1988) [87]. Thứ hai, AMMI làm rõ sự tương tác G x E về mối quan hệ của kiểu gen và môi trường (Zobel và cộng sự,1988; Crossa, 1990) [197], [64]. Ứng dụng thứ ba là để cải thiện tính chính xác của các ước tính về năng suất. Ưu điểm này có thể được sử dụng để giảm chi phí thử nghiệm bằng cách giảm số lượng các lần nhắc lại, bao gồm việc tăng thêm các công thức trong thí nghiệm hoặc để nâng cao hiệu quả trong việc chọn lọc các kiểu gen tốt nhất.
Tương tác G x E đối với các vấn đề nông nghiệp tồn tại hai hướng cơ bản, một là nhằm vào kiểu gen và hai là nhằm vào môi trường. Một hướng là để tìm kiếm một kiểu gen có năng suất cao, thích nghi rộng trên các vùng trồng. Khi hướng đầu tiên không thành công thì hướng còn lại là tiến hành phân chia khu vực trồng thành một số môi trường đồng nhất có quy mô tương đối lớn, sau đó chọn lọc và giới thiệu các giống phù hợp cho mỗi môi trường. Phương pháp AMMI có thể đáp ứng cả hai hướng này (Ceccarelli, 1989; Simmonds, 1991; Zavala-Garcia và cộng sự, 1992) [52], [165], [194]. Mô hình AMMI được chứng minh là giải thích đầy đủ hơn về đặc tính sinh học cho tương tác G x E so với mô hình hồi quy và mô hình này hữu ích khi ứng dụng cho phân tích biến động qua các năm đối với một yếu tố không thể dự đoán (Gauch và Zobel, 1996; Crossa, 1990) [88]; [64]. Sự kết hợp của phương pháp phân tích phương sai và phân tích thành phần chủ yếu trong mô hình AMMI cùng với đánh giá dự đoán là một phương pháp có giá trị để hiểu rõ tương tác G x E và đạt được các ước tính năng suất tốt hơn (Tsige, 2002) [175].