农作物施肥效果分析讲义

农作物施肥效果分析（1992年A题）某研究所为了研究N、P、K三种肥料对于土豆和生菜的作用，分别对每种作物进行了三组实验，实验中将每种肥料的施用量分为10个水平，在考察其中一种肥料的施用量与产量关系时，总是将另二种肥料固定在第7个水平上，实验数据如下列表格所示，其中ha表示公顷，t表示吨，kg表示千克，试建立反映施肥量与产量关系的模型，并从应用价值和如何改进等方面作出评价．施肥量与产量关系的实验数据土豆：NPK施肥量(kg/ha)产量(t/ha)施肥量(kg/ha)产量(t/ha)施肥量(kg/ha)产量(t/ha)015.18033.46018.983421.362432.474727.356725.724936.069334.8610132.297337.9614038.5213534.039841.0418638.4420239.4514740.0927937.7325943.1519641.2637238.4333643.4624542.1746543.8740440.8329440.3655842.7747130.7534242.7365146.22生菜NPK施肥量(kg/ha)产量(t/ha)施肥量(kg/ha)产量(t/ha)施肥量(kg/ha)产量(t/ha)011.0206.39015.752812.70499.484716.765614.569812.469316.898416.2714714.3814016.2411217.7519617.1018617.5616822.5929421.9427919.2022421.6339122.6437217.9728019.3448921.3446515.8433616.1258722.0755820.1139214.1168524.5365119.40一、符号说明：W：农作物产量.x：施肥量.N、P、K：氮、磷、钾肥的施用量.CW：农产品价格.CN,CP,CK：氮、磷、钾肥的价格.a,b,b0,b1,b2,c,c0,c1,c’0,c’1：常数（对特定肥料，特定农作物而言）二、模型假设1.研究所的实验是在相同的正常实验条件（如充足的水分供应，正确的耕作程序）下进行的，产量的变化是由施肥量的改变引起的，产量与施肥量之间满足一定的规律。在实验中，除施肥量，其它影响因子（如环境条件、种植密度等）均处于同等水平。2.土壤本身已含有一定数量的氮、磷、钾肥，即具有一定的天然肥力（从数据可以看出，当各种养分的施肥量都为0时，产量并不为0）。3.每次实验是独立进行的，且对于N、P、K施用量来说无系统误差，模型的误差项均服从同分布的正态分布。归，得到磷肥对土豆的回归方程：（9）磷肥对生菜的回归方程：（10）从钾肥对土豆的实验数据可以看出，当施用量超过一定限度后，产量的增加很不明显，因此用（5）式来描述其施肥效果是合理的，用指数回归分析得到钾肥对土豆的回归方程：W=42.17(1-exp(-0.01K-0.641))(11)对生菜来说，钾肥的施用对产量的影响很小.通过线性回归得到钾肥对生菜的回归方程：W=16.2269+0.00395K(12)可以得到每种肥料的最佳施用量，这无疑为生产提供了极为重要的信息.此外，模型的建立并不依赖于任何特殊条件，这种方法可以适用于任何地区，考察任意一种肥料对于作物产量的效应，具有一定的推广价值五、多元回归模型和交互效应的讨论从实验设计的角度来看，该研究所采用的设计方案是因素轮换法，即在考察每一种肥料的效应时，总将另二种肥料的施用量固定在第7个水平上.而此问题中三种肥料用量共同作用于农作物产量，因此仅仅建立一元回归模型是不行的，必须通过多元回归模型来反映虑农作物产量和施肥量之间的关系。从上述分析可知，农作物产量和各种施肥量之间一般都不能用线性模型来描述，因此有必要考虑非线性回归模型。此外因为任何光滑的函数都可用足够高阶的多项式来近似，所以针对这个问题，我们可以建立三元多次多项式模型。又由农业学的经验知，可以采用三元二次多项式来描述.下面以土豆为例进行说明。（一）全回归模型的形式为为了对参数进行估计，对数据进行重新整理后，观测方程为其中，，序号产量NPK序号产量NPK115.1801963721640.09259147372221.36341963721741.26259196372325.72671963721842.17259245372432.291011963721940.36259294372534.031351963722042.73259342372639.452021963722118.982591960743.152591963722227.3525919647843.463361963722334.8625919693940.834041963722438.522591961401030.754711963722538.442591961861133.4625903722637.732591962791232.47259243722738.432591963721336.06259493722843.872591964651437.96259733722942.772591965581541.04259983723046.22259196651可以用回归的方法，求出回归系数，但对本题而言，下列处理表明，交互系数是无法确定的.由于所给出的实验全都分布于三条平行于坐标轴的直线上，并且这三条直线交于公共点（n0,p0,k0），以n=N-n0,p=P-p0,k=K-k0作为现的变量，称为相对施肥量，则相对产量W()可表示为：w(n,p,k)=b0+bnn+bpp+bkk+bnnn2+bppp2+bkkk2+bnpnp+bnknk+bkpkp在新的坐标系中，所有的试验点都在坐标轴上，至少有两个坐标为0，这样所有的交叉项全消失了(资料矩阵后三列全为0)，即不可能由实验结果来确定交互系数，因而试验方法本身注定了交互效应是无法求出的（也可从直观的角度看出交互效应是无法从数据计算的。若bnp=0，当n变为n+δ，则响应变量w(n,p,k)的改变只依赖于n，而不依赖于其它自变量；反之，若bnp0，当n变为n+δ，则响应变量w(n,p,k)的改变依赖于n和其它自变量）因此我们只能建立不包含交互效应的模型多元回归分析理论（18-22页）及其实现（30-47页）(13)从输出的相关统计量可知，模型拟合得很好，而且各个参数在显著性水平0.05下都是现在显著的.为了消除量纲对模型的影响，在建立模型之前，我们最好先对数据进行标准化，即这样新的模型为(14)（二）逐步回归在回归模型里面，并不是所有的自变量对模型都有显著的影响，这个时候我们就需要通过一些方法来筛选变量，最常用的方法是逐步回归法逐步回归理论及其实现（逐步回归讲义）六、实验方法的建议（响应曲面法与设计）响应曲面法（或RSM法），是数学方法和统计方法相结合的产物，是用来对所感兴趣的相应受多个变量影响的问题进行建模和分析的，其目的是优化这个响应。响应和自变量之间是一种函数关系，它们所描绘出来的曲面就叫做响应曲面。如果曲面有弯曲，一般这种函数关系多采用二阶多项式模型。RSM的最终目的是确定系统的最优运行条件或确定因素空间中满足运行规范的区域。本题中为了估计肥料的交互效应，我们通过响应曲面法设计了一个正交试验表，将氮、磷、钾肥的用量以第7个水平为中心等问题分为五个水平，作一个五水平三因子的正交表，总共需进行15次实验，将所得数据运用直观分析和方差分析，可以方便地得到氮、磷、钾肥对作物的总效应.试验安排如下表正交设计表因素试验号NPK