标签：... 田间试验 15 1.00 异质性 m0 SpATS col row
目录简介
R包SpATS （Spatial Analysis of field Trials with Splines） 通过使用P-splines方法，校正植物育种田间试验中的空间异质性，如不同田间地块的管理措施（施肥打药等）或其他各种不稳定的空间趋势带来的影响。
以使用二维（2-D）平滑表面模拟随机空间变化，对样本、田块、重复和/或其他空间变化因素建立混合模型，该模型的特点：
- 对田间（field）的空间趋势有详尽的估计；
- 估计稳定快速；
- 易处理大量缺失的小区（plots）；
- 易扩展非正态响应。
原理和公式推导比较费劲，有能力直接看文章吧：
Rodriguez-Alvarez, M.X, Boer, M.P., van Eeuwijk, F.A., and Eilers, P.H.C. (2018). Correcting for spatial heterogeneity in plant breeding experiments with P-splines. Spatial Statistics, 23, 52 - 71. https://doi.org/10.1016/j.spasta.2017.10.003.
Demo测试
1. 数据说明
library(SpATS)
data(wheatdata)
summary(wheatdata)
?wheatdata
完全区组设计试验。107个品种geno，3个重复（每个播2次），每个重复由5列22行组成，因此共330个观测值yield（15列col x 22行row），rowcode和colcode分别是行列不同走位方式。
yield geno rep row col rowcode colcode
1 483 4 1 1 1 2 1
2 526 10 1 2 1 2 1
3 557 17 1 3 1 1 1
4 564 16 1 4 1 2 1
5 498 21 1 5 1 2 1
6 510 32 1 6 1 1 1
数据更详细信息见：
Gilmour, A.R., Cullis, B.R., and Verbyla, A.P. (1997). Accounting for Natural and Extraneous Variation in the Analysis of Field Experiments. Journal of Agricultural, Biological, and Environmental Statistics, 2, 269 - 293.
2. 建模测试
固定效应或随机效应，可根据试验自己设定。
# Create factor variable for row and columns
wheatdata$R <- as.factor(wheatdata$row)
wheatdata$C <- as.factor(wheatdata$col)
m0 <- SpATS(response = "yield", #拟合响应变量，即性状名
spatial = ~ SAP(col, row, nseg = c(10,20), degree = 3, pord = 2), #P-Spline模型公式
genotype = "geno", #品种/样本名（我也不知道老外为何总喜欢用genotype）
fixed = ~ colcode + rowcode, #固定效应
random = ~ R + C, #随机效应
data = wheatdata, #数据
control = list(tolerance = 1e-03)) #控制 SpATS 模型估计的一些默认参数（这里tolerance收敛标准容差）
3. 结果
结果汇总：
# Brief summary
> m0
Spatial analysis of trials with splines
Response: yield
Genotypes (as fixed): geno
Spatial: ~SAP(col, row, nseg = c(10, 20), degree = 3, pord = 2)
Fixed: ~colcode + rowcode
Random: ~R + C
Number of observations: 330
Number of missing data: 0
Effective dimension: 149.05
Deviance: 2065.824
# More information: dimensions
> summary(m0)
Spatial analysis of trials with splines
Response: yield
Genotypes (as fixed): geno
Spatial: ~SAP(col, row, nseg = c(10, 20), degree = 3, pord = 2)
Fixed: ~colcode + rowcode
Random: ~R + C
Number of observations: 330
Number of missing data: 0
Effective dimension: 149.05
Deviance: 2065.824
Dimensions:
Effective Model Nominal Ratio Type
geno 106.0 106 106 1.00 F
Intercept 1.0 1 1 1.00 F
colcode 3.0 3 3 1.00 F
rowcode 1.0 1 1 1.00 F
R 8.7 22 19 0.46 R
C 6.8 15 10 0.68 R
col 1.0 1 1 1.00 S
row 1.0 1 1 1.00 S
rowcol 1.0 1 1 1.00 S
f(col,row)|col 10.2 NA NA NA S
f(col,row)|row 9.4 NA NA NA S
f(col,row) Global 19.6 295 295 0.07 S
Total 149.0 446 438 0.34
Residual 181.0
Nobs 330
Type codes: F 'Fixed' R 'Random' S 'Smooth/Semiparametric'
## More information: variances
#> summary(m0, which = "variances")
## More information: all
#> summary(m0, which = "all")
看看校正后的表型与原表型相关性：
> cor(wheatdata$yield,m0$fitted)
[1] 0.9773118
4. 可视化
# Plot results
plot(m0)
# plot(m0, all.in.one = FALSE)
这里品种/样本（genotype）作为固定效应，所以计算的是BLUE。
也可查看变异函数三维图（自由拖拽）：
# Variogram
var.m0 <- variogram(m0)
plot(var.m0)
随机效应测试
完全随机的试验设计，可以把品种、行、列等都设为随机效应。
示例数据如下：
> head(data)
loc_id ranges pass rep_num ped_id Trait R P
1 5052 5 15 1 44601 179.3017 5 15
2 5052 5 1 1 44604 206.0712 5 1
3 5052 5 2 1 44606 221.5142 5 2
4 5052 5 3 1 44607 230.8191 5 3
5 5052 5 4 1 44608 227.2715 5 4
6 5052 5 5 1 44609 235.0297 5 5
> str(data)
'data.frame': 180 obs. of 8 variables:
$ loc_id : Factor w/ 4 levels "5052","5053",..: 1 1 1 1 1 1 1 1 1 1 ...
$ ranges : int 5 5 5 5 5 5 5 5 5 5 ...
$ pass : int 15 1 2 3 4 5 6 7 8 9 ...
$ rep_num: Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
$ Trait : Factor w/ 15 levels "44600","44601",..: 2 4 5 6 7 8 1 3 12 13 ...
$ T002 : num 179 206 222 231 227 ...
$ R : Factor w/ 3 levels "5","6","7": 1 1 1 1 1 1 1 1 1 1 ...
$ P : Factor w/ 15 levels "1","2","3","4",..: 15 1 2 3 4 5 6 7 8 9 ...
利用SpATS建模：
M.fit<-SpATS(response = "Trait",
spatial = ~ SAP(ranges, pass, nseg = c(10,20), degree = 3, pord = 2, nest.div=2),
genotype = "ped_id",
genotype.as.random = TRUE,
random = ~ R + P,
data = data,
control = list(tolerance = 1e-03))
这时的结果为BLUP：
Ref:
https://www.rdocumentation.org/packages/SpATS/versions/1.0-16/topics/SpATS
标签：...,田间试验,15,1.00,异质性,m0,SpATS,col,row 来源： https://www.cnblogs.com/jessepeng/p/16296669.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。