《农业试验中缺失值数据的处理方法》由会员分享，可在线阅读，更多相关《农业试验中缺失值数据的处理方法（4页珍藏版）》请在金锄头文库上搜索。
1、农业实验中对缺失值处理（在GenStat中操作）农业实验中，由于各种因素的影响，很容易造成缺失值，对于缺失值，如果直接删掉，数据就变成了不平衡数据，需要用特殊的模型进行分析，如果定义缺失值，软件会在分析中予以补全分析，在方差分析中基于最小二乘法补全，在REML混合线性模型中，基于REML的方法补全，下面会以例子讲解怎么处理缺失值数据分析，怎么估计缺失数据。常用的估计缺失值的方法：1、均值插补。如果数据是有规律的（递增或递减，定序的），用均数补全，如果数据是随机的，用众数补全。2、最小二乘法补全，这是基于最小二乘法的原理，补全数据，使补全后的数据整体的离差平方和最小，这一般是方差分析中处理缺失值
2、的一般方法。3、基于REML的方法估计，REML混线性模型本身可以处理非平衡数据，它也可以作为估计缺失值的一种，它估计出来的缺失值比最小二乘法要准确，应用比较广泛。处理不平衡数据的方法：1、unbalanceanova，这可以对不平衡数据进行方差分析2、REML的混线性模型，它可以处理不平衡数据，应用比较广泛数据是3个品种在3个区组的品种表现，其中第3个区组的第3个品种观测值缺失，数据如下：01Raw3丄t;varlield11112212ie31337421185223223S373157g3273933D这里的*号定义为缺失值，数据包含在表中，对数据进行方差分析，并估计缺失值，结果如下An
3、alysisofvarianceVariate:yifrldSourceofvariationdf(rfr.v.)-鼻-3.lTk.$.v.r.Fprblockstratum2402.4220-46.21G-S.77block.*Units*-stratumcukivarResidual2G&5.92S3.33S325631,1110700043Tut呂113052&0MissingvaluesVariate:yieldUnitestimate980.0如果将缺失值删除，数据格式变为03再用方差分析会报错，因为这是不平衡数据，在GenStat里面可以用unbalanceanova进行方差分析：
4、04结果如下05AccumulatedanalysisofvarianceChanged.f.s.s.m.s.v.r.Fpr-+block22442.671221.3339.260.007+cultivar2516.00268.008.290.060Residual3SG.3331.11Total13052.00436.00因为这里面将缺失值删掉了，就默认为没有缺失值，数据是不平衡的，也就不存在缺失值的估计了。不平衡数据还可以用REML混合线性模型进行分析，模型如下：06LinearModelsrAvailableD；YVariate:blockcultivar比IdFiwedModel:Ra
5、ndomModel:InitialValues.SplineModel:Interactions:CorrelatedErrorTerms.(FiKedModelOnlyOptions.Predict.FurtherOutput.Defauh结果如下：07EstimatedvariancecomponentsRandonriitprmcomponnt.s.e_blDk664.01678.39ResidualvariancemodelTermModel(order)IdentityParamiBterSignna2Estimate31.19s.e.25.50Testsforfixedeffect
6、sSmqumnLi日llyaddingterrrstofixedmodelFixedtermWaldstatisficndf卜statisticfldt1-Prcultivar16.1328.073.00062用REML的方法估计缺失值要把缺失的数据用*号代替，数据如下08估计的缺失值结果如下：09EstimatesofmissingvaluesindataUnitestimates.e.978.978.345结论：1、如果想要估计缺失值，用REML混线性模型进行估计，这个比方差分析的最小二乘法估计的更加准确。2、如果想要分析不平衡数据，用REML的混线性模型分析，这个比GenStat的unbalanceanova模型更高级，适用范围也更广泛，更重要的是它可以估算BLUE值和BLUP值。
