Agri521'Blog

[转载]没有生物统计的农艺系？

本帖转载自台大意识报：http://cpaper-blog.blogspot.com/2009/06/blog-post_146.html 笔者注：据笔者小范围了解，国内农学院校的生物统计课程通常由育种或遗传专业教师讲授，作物栽培组教师一般不会讲授，更不要谈生物统计专业教师了（小范围了解，可能有偏差）。有必要加强或提高农学专业本科生或研究生以及部分教师生物统计知识，保证选择正确试验设计及后续数据处理方法。不知道如何正确应用方差分析的农学类研究生或博后或教师不是合格的研究生或博后或教师。 5月13号晚上，台大批踢踢NTU版上出现了几篇关于农艺系被切割的讨论文章，随即引起热烈的回文与推文讨论。主要内容为农艺系原本的”生物统计组”被切出来，另成立”生物统计研究所”，隶属于生农学院而非农艺系。 据农艺系学生指出，这件事已经被提及将近一年了，农艺系师生站在反对的立场，希望能再跟院方进行沟通协调。只是听闻在5月25号的院务会议中，院长将正式提出提案。为此农艺系学生才感到事态严重而开始有所动作，几乎所有学生包括大学部与硕博士生都加入了连署陈情。 分出生物统计必要？ 成立一个新的”生物统计所”，听起来似乎是个能提升台大在此领域竞争力的好建议，为何农艺系学生会感到强烈不妥？农艺系学生表示；像是统计遗传学、植物基因体学、田间试验设计、育种试验资料分析或作物育种等等研究，无一不需要结合农业背景的统计做为基础。若没有统计学背后支援实验设计，那么遗传育种组及作物生理组在进行其研究时，也难以从他们的试验数据分析出有价值的结论。 统计作为一门应用科学，必须要搭配其他的应用领域才能彰显其价值。而每个科系所需要的统计大相迳庭，以国外华盛顿大学为例，他们曾经试图整合农艺、森林、动科开立统计课程，但最后还是决定放弃。以台大过去的例子而言，曾经学校也试图将生农学院里的一些统计课做统整，但终也因为各个科系的需求差异过大，比如像是动科与农艺间就存有着动物与植物本质上的不同，终究无功而返。 其实单独设立”生物统计研究所”，甚至是开设”统计研究所”未尝不可，国外多所大学如史丹佛、牛津或哥伦比亚等都有这样系所的设置。但以哥伦比亚大学为例，其统计所的老师大多进行理论性的数学研究，提供各系所教学上的支援。但是各系仍然保留该领域统计老师。目前台大也设置”统计教学中心”"生物统计学程”整合统计或生统的教学。无论如何，”生物统计所”不该是建立在把一个系里的一个组给单独抽离出来，这么做不但将会使农艺系顿失原有统计传统的支撑，也无法达到”数学领域”"各领域专业”的任一目标。 农艺与农业 台北农林高等专校是台北帝国大学的前身，台大以农业起家在此领域表现十分卓越，举凡农试所作物粮食改良，或者是农粮所农委会等国家农业计划的执行，都可以看见农艺系毕业校友默默耕耘的身影。或是近日受到国际注目的”分子辅助育种”，也相当仰赖统计的支援。假使断然决定将生物统计组从农艺系里抽离，是否将会使学生不能如从前受到农业统计的扎实专业训练？ 将整个时间轴拉开来谈，面对世界缺粮危机逐渐升高的同时，这样子粗糙的政策是否会对整个台湾社会的因应能力造成影响？是否台大没有体认到自身在农业领域上的优势，没有好好运用从以往日本殖民时代所遗留下来深厚的研究传统？ 缺乏沟通与对话 站在院方的立场，曾参与院务会议代表的学生代表表示，院长认为学校一直希望成立一个统筹所有统计教学资源的单位，倘若其他学院争取到了这方面的筹备主导权，所有系所包括农艺系的统计课程都将由其统筹。考量到生农学院的经费年年下降，不如主动出击──将农艺系的强项”生物统计组”转作成立研究所。 但以农艺系学生的角度看来，系内七名教师将被转走，新进教师的空额又迟迟不补，师资不足的忧虑眼看即将成真，加剧学生的着急与恐慌。而且未来生统所新进的教师若多没有农业背景，而是来自医学、公卫、甚至动科的话，那么所冲击的不仅是农艺系必修课，整个学术的发展都将受到影响。 目前为止，院方迟迟不直接对学生进行说明与提出草案，让学生徒做臆测，在资讯不流通的情况下更使学生对未来课程与系务的发展感到惶恐不安。校方与学生间必须即刻成立一个有效且直接的沟通平台，坐下来针对优劣利弊进行理性的分析，这不仅攸关农艺系未来的发展与学生能力的培养，也切身的影响到了台湾整体社会对于农业人才的规画，有必要从长计议。

《中国农业科学》论文发表情况简单分析

近日，《中国农业科学》表彰了多年来突出贡献作者，笔者收集了官方分布的统计数据进行简单分析，试图从中找到国内农业发展趋势和研究热点。在数据处理进行了初步筛选，如江苏农学院与扬州大学归为扬州大学，北京农业大学归为中国农大。 # 1980年以来署名发表论文总数在15篇以上的作者 mydata <-...

线性回归中的截距

一般线性回归看似简单，有时并非想像中那么简单。你会发现，无截距线性回归的R2和F值总是高于有截距线性回归，换种说法，同一数据集，使用无截距线性回归的拟合度均高于截距线性回归。但是，无截距拟合直线的误差平方和却高于截距拟合直接。也就是说，无截距直线的拟合度高，误差反而高。如何会出现这种情况？ 问题的关键在于平方和计算方法。这些解释可以参考下面的网页，笔者在这里不详述。 Why...

[转载]几种常用的统计分析软体比较

本文转载自周恬弘的博客”为了美丽的地面”。周先生毕业于维吉尼亚州大学，哲学博士，现为台湾某医院行政副院长。 http://thchou.blogspot.com/2008/07/blog-post_13.html （笔者整理排版） 这一年来接触了几种不同的统计软体，有些是自己有实际去使用过，有些则是只听别人介绍或只有概念上的初步了解。每一种软体都各有利弊，我就目前所知道的这几种软体做简单的比较。 本来我只会使用SPSS，但不是很深入。SPSS是专门给社会科学研究人员使用的统计软体，其好处是视窗的介面与对话方块与下拉式选单的功能让一般的电脑使用者很容易上手，使得SPSS成为最普遍的统计软体之一。 在修计量经济学时，我们所使用的统计软体叫做Stata，以前我并不知道有这样的软体，但是使用之后也觉得蛮好用的，有其独特的功能。Stata原本只用简单的指令，研究人员可以写一连串的指令去整理资料内容与执行统计分析工作，后来Stata的版本也加入类似SPSS的视窗介面与对话方块与选单的功能。对我来说，...

利用灰色系统进行关联度分析

共有7个变量，试求变量之间的灰色关联系数。 ## 环境设置 rm(list=ls());setwd(“E:/My Documents/R/data/”);options(digits=8) ##装载数据 mydata <- read.csv(“greysystem2.csv”) ##原始数据变换–均值化变换 mydata.mean <- sapply(mydata[-1],mean) #各指标均值 mydata.transform <- mydata[-1]/matrix(rep(mydata.mean,each=5),nrow=5,ncol=8)...

曲线拟合参数的差异性比较

我非常喜欢曲线拟合，也想写个曲线拟合的文章。所以这一段看了好多关于拟合的资料。 今天想和大家探讨一个很有趣的问题：怎样对曲线拟合参数进行差异性检验？使用哪种方法？t test、F test、ANOVA或MANOVA? 先说，如果可以使用ANOVA进行曲线参数差异性检验，那么F test和t test也不例外了。 找几篇文章支持一下论点。 “ANOVA...

使用微分方程建模的一个小例子

我看了一篇名为”定西地区旱作小麦产量与降水量关系探讨”的文章。这篇文章是讲旱地小麦产量年际变化与当年降水量的变化密切相关，因此作者想找到两者之间的定量关系。作者先后使用了线性回归和微分方程建立了两个模型。 主要建模过程： 作者发现小麦在分蘖至孕穗期处于缺水状态，所以作者就以缺水生育期前后对应的月份即四、五、六和七月的降水量为自变数，建立与产量的回归方程。作者使用逐步回归，从四个月份中筛选出五月和七月两个变量，并建立了二元回归方程。 y...

多组回归模型是否可以统一？

我看到一篇关于叶氮素状况与光谱特性的文献。作者在拔节期、孕穗期、抽穗期、开花期、灌浆初期、灌浆中期和灌浆末期分别建立了回归方程。作者在”小结与讨论”中，这样写到：”单个生育时期最佳回归方程的决定系数为X.XX ，并不高于全生育期的决定系数，说明分生育时期建立回归模型并没有提高模型的精度。因此，可以建立一个统一的适用于全生育期的小麦氮素监测模型。” 现在想和大家探讨”小结与讨论”中的这句话。回归方程的决定系数的大小直接反映的是数据拟合度。决定系数越大，即表明数据拟合度越高。当数据拟合度均高于某个值时，如0.900，两组或多组数据的回归方程是否可以统一起来呢？我个人认识，回归方程拟合度与方程统一没有直接联系。也就是说，拟合度高是方程统一的前提条件，而能否统一方程则取决于回归系数检验。 至于如何进行回归系数检验，我也在”如何检验两组回归系数之间的差异性“中进行了介绍。你也可以在UCLA的网页中找到。我在”不同株型小麦干物质积累与分配对氮肥响应的动态分析”使用了一种方法，叫”残差平方和简化测验(sum...

SAS系统Contrast 语句详解

我在”【总结】方差分析系列<一>——用好ANOVA中的Contrast选项“中曾简单介绍了contrast选项，下面我翻译并整理了SAS中contrast语句常数向量的获取方法，也适用于SAS的estimate语句和SPSS软件。 本文主要内容整理自”A quick guide to writing contrast statements in SAS and SPSS“。 Contrast语句使你可以用自定义的方式进行假设检验，它必须出现在model语句之后。如果用到manova语句、repeated语句、random语句或test语句，contrast语句必须出现在这些语句之前。标记用来标识所进行的检验，用以标识的文字或符号需用单引号括起来。效应表达式用以指定假设检验的因素（组合），这些因素（组合）必须是model语句中出现过的。效应表达式后的常数向量用以指定相应因素（组合）各水平的值，在指定各水平的情况下进行相关因素的分析。 下面将举例说明效应表达式常数向量获取过程。 1....

如何检验两组回归系数之间的差异显著性？

在 Li Jingwen 的这篇文章中，图3中显示了两个生育时期的线性回归模型。随后作者比较了两个生育时期线性回归模型的回归系数(斜率)和截距，作者发现两个生育时期回归系数(斜率)差异不显著，而截距差异显著。 这种两组或多组回归系数之间的差异性如何检验？如何在R软件中实现？为此，我总结了回归系数的比较方法，如下。 回归系数的比较通常可以分为两类，线性回归模型回归系数比较和非线性回归模型回归系数比较。 我们先谈谈线性回归模型回归系数比较，而本帖只针对上面的文献讲解两组回归系数之间的比较。多组线性回归模型的回归系数比较与两组之间比较类似，只是多了几个虚变量，而非线性回归系统比较则使用的是残差平方和简化测验(sum...