最新第三讲-DPS应用(2、试验统计分析)课件PPT
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
三均匀试验设计先在原均匀设计表的下面放入各个试验因子的试验处理起始值和终止值然后用鼠标将均匀设计表和下面的试验区间值拉黑即定义成数据块左执行试验设计均匀设计均匀设计实验方案后即可得到如下试验顺序随机排列的均匀设计实验方案右随着竞争日益激烈酒店嘴中的肥肉被大肆抢夺各大酒店在这场竞争中几乎溃不成军
第三讲-DPS应用(2、 试验统计分析)
显著水平p值：方差分析表中，显著水平p值是推断试验处理间差异程度
的指标。只有当显著水平p≤0.05时，一般才认为各个处理间确实存在
着差异。
区组效应分析：如区组间显著水平p≤0.05时，该试验还可靠吗？答案
是肯定的。因为所以采用随机区组试验设计来安排试验，实质上是为了 剔除，确切一点来说是分离因土壤、肥力、地势地貌等可能会导致的非
在用户界面右边，是一些统计分析的选择项：
⑴ 平方和分解类型的选择：系统缺省设置
是III 型平方和分解方式，可根据需要进行
选择。
⑵ 定性变量编码方法：方差分析时定性变
量编码方法应采用第二项，即效应编码。
在进行多重比较时，必须注意各个处理之间是否存在互作，当交互作 用项显著时，简单地分析各个处理间的差异并不是很好的做法。这时 ，一个因素(例如，A)的均值间的比较可能由于AB交互作用而模糊 不清。对这一情况的一种做法是将因素B固定在一特定水平上，在此 水平上对因素A的均值进行多重比较。
当交互作用显著时，多重比较的另一个做法是比较所有ab个单元的 均值，以便确定哪一些有显著性差异。在这一分析中，单元均值间的 差异既包含了交互作用效应的，又包含了所有主效应的。
DPS 对试验数据进行分析前，先编辑定义数据 矩阵，数据矩阵的左边放试验设计处理因子(定性 变量)，最右边输入试验结果。如果有定量变量 (协变量)，定量变量放在因变量的左边、定性变 量的右边，一行一个样本(试验处理组合)。然后 将各个处理因子和试验结果一起定义成数据矩阵。
定义数据矩阵后，在主菜单上选择“试验统计” →“一般线性模型(GLM)”。此时系统会显示下 图所示的方差分析模型参数选择界面。
（六）系统分组(巢式)设计
系统分组(巢式)设计，即试验单向 分组，每组分若干个亚组，每个亚 组内又有若干个观测值。
例：为研究一批玉米自交系的遗传 参数，随机抽得21 个自交系，并 以其中7 个为父本，每个皆随机地 与3 个母本自交系杂交，共配成 21 个组合。每一组合在田间种3 个小区，共63 个小区，完全随机 区组排列。收获时考查了各个组合 的数量形状。现试以每穗行数的结 果(莫惠栋，1984)进行方差分析。
方差分析正是通过对试验结果数据变动的分析，对上述问题作出判断 的有效工具。因为它可以将随机变动和非随机变动从混杂状态下分离 开来，帮助我们发现起主导作用的变异来源，从而抓住主要矛盾或关 键因素并采取有效措施。
（二）试验数据编辑整理格式
2． 二因素试验方差分析数据编辑格式
A因素 B因素 重 复（观察值）
现有一试验结果，其中 A 因素2 个处理水平， B 因素2 个处理水平， C 因素2 个处理水平， D 因素5 个处理水平， 9 个重复。
分析时，按提示输入各 个处理及重复的个数(如 下图)：
（十一）裂区试验设计
首先将整个试验区分成几个大区，在每个大区内安排比 较容易表现出差异的因素的几种处理，它们常称为主处 理，然后在主处理所在各区内引进第二类因素的各个处 理，它们称为副处理。
二、一般线性模型(GLM)
试验设计的种类多种多样，应用前面介绍的根据变异来源将总平方和 进行分解的各种类型的方差分析技术，只适用于平衡数据，即方差分 析模型中每个子类的观察数据个数(也称次级样本容量)相等的情况。
实际上，在科学试验中，试验者起初设计的一个完整试验，可能因为 在试验过程中出现一些不可预见、难以避免的因素，导致在结果中失 去了一些观察值，最后得到的是不完整、非平衡的试验数据。另外， 我们可能为一些特殊目的，有意设计一些不平衡的试验。如某些处理 组合的试验做起来花费较大或更为困难，因此，在这些单元中可能会 少做一些重复；而另外一些处理组合对试验者来说有更大的兴趣，因 为这些组合有可能是一些新的或从未研究过的状况，试验者会计划在 那些组合上多做几次重复。这样，每个处理的样本数量多少不同时， 一般称为非平衡数据。
定义数据块，然后进入主菜单，选 择“试验统计→完全随机设计→系 统分组(巢式)设计分析”项，按回 车后系统给出提示，输入处理组数 （7），回车，系统将立即给出分 析结果
（七）二因素(组内无重复)完全随机设计
例如，在5 种不同温度下研究 一种微生物的生长和温度的关 系，于接种后不同天数测量其 生长速度，获得一批观测数据 (马育华，1982)。现以温度 为类，接种后天数为组进行方 差分析。
多重比较结果：在DPS中，各个处理凡后面具有相同字母者，表 示它们之间的差异不显著；否则差异显著。
（四）单因素完全随机设计
如：对以下四个小麦材料单株粒重资料(范濂，1983)进 行方差分析及差异显著性测定。
输入待分析资料→定义成数据块→进入主菜单，选择“试验统计 →完全随机设计单因素试验统计分析”，按回车键执行该选项功 能。这时系统将会提示用户选择数据转换方式，如此时直接回 车表示不转换。选择数据转换方式后回车，系统将立即给出分 析结果
... ...
...
...
...
x11m x12m ... x21m x22m ... xa1m xa2m ...
（二）试验数据编辑整理格式
3． 多因素试验方差分析数据编辑格式
观察数据按因素处理(因子)A、处理B，…， 处理K 以及区组(如果有重复的话)的顺序输入， 即输入A 因素的各处理水平后再输B 因素的各 一个处理水平，…，如果有重复的话，在一个 处理中依次输入各处理中的重复观测值。
（十一）裂区试验设计
2.1 主区两因素、裂区一个 因素(AB+C )试验统计分析
某作物病害防治试验，主区 为作物播种期和种子药剂处 理，播种分3个时期：A1， A2，A3；种子药剂处理分 2个水平：B1，B2；裂区 为作物收获期，分3个水平 ：C1，C2，C3。
定义成数据块后，执行主区 两因素、副区一因素的 AB+C裂区试验统计分析。 在分析过程中，系统会提示 输入主处理1的水平个数、 主处理2的水平个数及副区 处理水平数
采用一般线性模型技术，不仅能对各种各样的有平衡试验数据 的试验设计进行方差分析，解决了试验设计数据处理技术通用 化的问题；而且还能对各种试验设计，当试验结果里面各个处 理(或水平)的数据不相等、非平衡的情况下进行方差分析。
GLM 模型功能很强，可用于各种类型的方差分析。
二、一般线性模型(GLM)
（十一）裂区试验设计
2.2 主区一因素、裂区两因素试验(A+BC 型)统计分析
同(AB+C型) 定义成数据块后，应执行主区一因素、副区两因素的A+BC
型裂区试验统计分析。在分析过程中，系统会提示输入主处 理 的水平个数及副区处理1 、 副区处理2 的水平个数
（十一）裂区试验设计
3．裂－裂区试验统计分析
二、一般线性模型(GLM)
面对非平衡数据方面的问题，Goodnight 在20 世纪70 年 代提出了一种将方差分析模型作为线性回归模型进行处理的新 方法。他将试验数据先拟合线性回归模型，再用一般的回归显 著性检验方法检验主效应和交互作用效应的平方和的一般线性 模型(general linear model，GLM)
科学试验，由于受环境随机因素的干扰， 使试验结果往往含有随机影响的成分。对 试验结果中处理因素主效应、因素间互作 效应及试验误差等变异来源的分析，是生 物统计学的重要内容。
一、方差分析
方差分析是科学试验中的常用工具，是生物统计分析的核心内容之一。
在科学试验中，试验结果往往是变化的，这种变化大体上由两类因素 引起。一类是受随机因素影响而产生的波动。这类影响在试验中常常 是不能控制的，因而是不可避免的。另一类是人为控制因素的影响使 试验结果产生变化。当这类因素对试验结果有显著影响时，必然会明 显地改变试验结果，并同随机因素的影响一起出现。反之，当这类因 素对试验结果无显著影响时，则相应的变化就不会明显表现出来，从 而使试验结果的变化基本上归结于随机因素的影响。科学试验的目的 常常是为了判断这类受人们控制的因素对试验结果的影响是否确实存 在。
三因素裂区试验，根据试验设计的不同可分为2 种类型：
第一种是在主区安排两个处理因素，副区安排一个处理因素 (AB+C)；
第二种是在主区安排一个处理因素，裂区安排两个处理因素 (A+BC)。
这类试验设计及其统计分析较为复杂，但如试验有这种需要， 则往往一个试验可以解决较多的实际问题，故亦颇有用处。
1
1
x111 x112 x113 ...
2
x121 x122 x123 ...
... ...
...
...
...
2
1
x211 x212 x213 ...
2
x221 x222 x223 ...
... ...
...
...
...
...
1
xa11 xa12 xa13 ...
2
xa21 xa22 xa23 ...
实践中，某些因为需要占用较大范围，而另一些则需较 小范围即可，通常需要占大范围的因素恰恰是容易表现 出差异的因素。裂区设计在这种情形下是很适用的。
（十一）裂区试验设计
1．两因素裂区设计
例如（右图） 进入主菜单，选择执行
“双因素裂区设计分析” 功能项。
（十一）裂区试验设计
2．三因素裂区试验设计
定义数据块。菜单下“试验设 计→完全随机设计分析→二 因素有重复试验设计分析”。 按系统提示输入Ａ因素处理 数和Ｂ因素处理数，然后再 按提示选择数据转换方式， 进行运算分析并输出结果。
（九）二“试验设计→方差分析→二因素完全随机区组设计” 功能项
（十）多因素随机 区组设计
若有两个因子，其A 因子有K 个处理，B 因子 有L 个处理，各个处理重复N 次。其资料输入 顺序为两因素试验的扩展。
（三）方差分析结果解释
在进行试验结果的分析之前，我们必须在思想上牢记：要尽量地利用 你对问题的非统计学知识。因为实验者在各自的领域内通常有独到的 实践经验、受过正规的科学训练、具有高深的知识，这些都可用来分 析因素和响应变量之间的关系，这在解释分析结果时是极其有用的， 是统计学无法替代的。在进行方差分析结果解释时要点如下：
（五）单因素随机区组设计
例如，小麦品比试验资料按随 机区组试验设计所获得的产量 (张全德等，1985)进行方差 分析。
将输入的待分析资料定义成数 据块，然后进入主菜单，选择“ 试验统计→随机区组设计→单 因素试验统计分析”，按回车键 执行该选项功能。这时系统将 会提示用户选择数据转换方式 ，如此时直接回车表示不转换 。选择数据转换方式后回车， 系统将立即给出分析结果
人为处理差异。区组间显著水平p≤0.05时只说明这类差异确实存在，
并且已从试验结果中分离出来。因此它不影响试验处理结果的解释。当
然，区组间显著水平p＞0.05，说明试验条件更均衡些，非人为因素对
试验结果的影响更小些。
（三）方差分析结果解释
多重比较：一般来说，只有当方差分析表中的显著水平p≤0.05 时才能进一步作多重比较分析。多重比较可进一步检验各个处理 间两两之间的差异。
将所输入数据定义成数据块， 再进入主菜单，选择“试验设 计→完全随机设计分析→二因 素无重复试验设计分析”。按 回车键执行该选项功能，按系 统提示选择数据转换方式，如 不转换就直接回车。执行选项 功能后系统将立即给出分析结 果
（八）二因素完全随机设计
例如，现有一组土壤、肥料 试验数据，A 因素为3 种肥 料处理，B 因素为3种土壤 处理，每组合3 次重复。试 根据试验结果(小麦产量)进 行方差分析。
例如，在前面的3 因素裂区实验中，药剂不是种 子处理，而是出苗后喷洒施药，这时的试验设计 可按裂裂区方式进行：主区为播种期，分3个水 平：A1，A2，A3；裂区为施药处理，分2 个 水平：B1，B2；再裂区为作物收获期，分3个 水平：C1，C2，C3。
因裂区试验设计较为复杂，在DPS下，只需在工 作表中按主区、裂区、裂裂区的顺序，将各个处 理因素的各个水平编辑输入，然后用鼠标选中( 上图)。再执行“试验设计→三因素裂裂区设计” ，系统弹出输入区组数目对话框。输入区组数后 ，点“OK”，即可得到裂裂区试验设计方案。
第三讲-DPS应用(2、 试验统计分析)
显著水平p值：方差分析表中，显著水平p值是推断试验处理间差异程度
的指标。只有当显著水平p≤0.05时，一般才认为各个处理间确实存在
着差异。
区组效应分析：如区组间显著水平p≤0.05时，该试验还可靠吗？答案
是肯定的。因为所以采用随机区组试验设计来安排试验，实质上是为了 剔除，确切一点来说是分离因土壤、肥力、地势地貌等可能会导致的非
在用户界面右边，是一些统计分析的选择项：
⑴ 平方和分解类型的选择：系统缺省设置
是III 型平方和分解方式，可根据需要进行
选择。
⑵ 定性变量编码方法：方差分析时定性变
量编码方法应采用第二项，即效应编码。
在进行多重比较时，必须注意各个处理之间是否存在互作，当交互作 用项显著时，简单地分析各个处理间的差异并不是很好的做法。这时 ，一个因素(例如，A)的均值间的比较可能由于AB交互作用而模糊 不清。对这一情况的一种做法是将因素B固定在一特定水平上，在此 水平上对因素A的均值进行多重比较。
当交互作用显著时，多重比较的另一个做法是比较所有ab个单元的 均值，以便确定哪一些有显著性差异。在这一分析中，单元均值间的 差异既包含了交互作用效应的，又包含了所有主效应的。
DPS 对试验数据进行分析前，先编辑定义数据 矩阵，数据矩阵的左边放试验设计处理因子(定性 变量)，最右边输入试验结果。如果有定量变量 (协变量)，定量变量放在因变量的左边、定性变 量的右边，一行一个样本(试验处理组合)。然后 将各个处理因子和试验结果一起定义成数据矩阵。
定义数据矩阵后，在主菜单上选择“试验统计” →“一般线性模型(GLM)”。此时系统会显示下 图所示的方差分析模型参数选择界面。
（六）系统分组(巢式)设计
系统分组(巢式)设计，即试验单向 分组，每组分若干个亚组，每个亚 组内又有若干个观测值。
例：为研究一批玉米自交系的遗传 参数，随机抽得21 个自交系，并 以其中7 个为父本，每个皆随机地 与3 个母本自交系杂交，共配成 21 个组合。每一组合在田间种3 个小区，共63 个小区，完全随机 区组排列。收获时考查了各个组合 的数量形状。现试以每穗行数的结 果(莫惠栋，1984)进行方差分析。
方差分析正是通过对试验结果数据变动的分析，对上述问题作出判断 的有效工具。因为它可以将随机变动和非随机变动从混杂状态下分离 开来，帮助我们发现起主导作用的变异来源，从而抓住主要矛盾或关 键因素并采取有效措施。
（二）试验数据编辑整理格式
2． 二因素试验方差分析数据编辑格式
A因素 B因素 重 复（观察值）
现有一试验结果，其中 A 因素2 个处理水平， B 因素2 个处理水平， C 因素2 个处理水平， D 因素5 个处理水平， 9 个重复。
分析时，按提示输入各 个处理及重复的个数(如 下图)：
（十一）裂区试验设计
首先将整个试验区分成几个大区，在每个大区内安排比 较容易表现出差异的因素的几种处理，它们常称为主处 理，然后在主处理所在各区内引进第二类因素的各个处 理，它们称为副处理。
二、一般线性模型(GLM)
试验设计的种类多种多样，应用前面介绍的根据变异来源将总平方和 进行分解的各种类型的方差分析技术，只适用于平衡数据，即方差分 析模型中每个子类的观察数据个数(也称次级样本容量)相等的情况。
实际上，在科学试验中，试验者起初设计的一个完整试验，可能因为 在试验过程中出现一些不可预见、难以避免的因素，导致在结果中失 去了一些观察值，最后得到的是不完整、非平衡的试验数据。另外， 我们可能为一些特殊目的，有意设计一些不平衡的试验。如某些处理 组合的试验做起来花费较大或更为困难，因此，在这些单元中可能会 少做一些重复；而另外一些处理组合对试验者来说有更大的兴趣，因 为这些组合有可能是一些新的或从未研究过的状况，试验者会计划在 那些组合上多做几次重复。这样，每个处理的样本数量多少不同时， 一般称为非平衡数据。
定义数据块，然后进入主菜单，选 择“试验统计→完全随机设计→系 统分组(巢式)设计分析”项，按回 车后系统给出提示，输入处理组数 （7），回车，系统将立即给出分 析结果
（七）二因素(组内无重复)完全随机设计
例如，在5 种不同温度下研究 一种微生物的生长和温度的关 系，于接种后不同天数测量其 生长速度，获得一批观测数据 (马育华，1982)。现以温度 为类，接种后天数为组进行方 差分析。
多重比较结果：在DPS中，各个处理凡后面具有相同字母者，表 示它们之间的差异不显著；否则差异显著。
（四）单因素完全随机设计
如：对以下四个小麦材料单株粒重资料(范濂，1983)进 行方差分析及差异显著性测定。
输入待分析资料→定义成数据块→进入主菜单，选择“试验统计 →完全随机设计单因素试验统计分析”，按回车键执行该选项功 能。这时系统将会提示用户选择数据转换方式，如此时直接回 车表示不转换。选择数据转换方式后回车，系统将立即给出分 析结果
... ...
...
...
...
x11m x12m ... x21m x22m ... xa1m xa2m ...
（二）试验数据编辑整理格式
3． 多因素试验方差分析数据编辑格式
观察数据按因素处理(因子)A、处理B，…， 处理K 以及区组(如果有重复的话)的顺序输入， 即输入A 因素的各处理水平后再输B 因素的各 一个处理水平，…，如果有重复的话，在一个 处理中依次输入各处理中的重复观测值。
（十一）裂区试验设计
2.1 主区两因素、裂区一个 因素(AB+C )试验统计分析
某作物病害防治试验，主区 为作物播种期和种子药剂处 理，播种分3个时期：A1， A2，A3；种子药剂处理分 2个水平：B1，B2；裂区 为作物收获期，分3个水平 ：C1，C2，C3。
定义成数据块后，执行主区 两因素、副区一因素的 AB+C裂区试验统计分析。 在分析过程中，系统会提示 输入主处理1的水平个数、 主处理2的水平个数及副区 处理水平数
采用一般线性模型技术，不仅能对各种各样的有平衡试验数据 的试验设计进行方差分析，解决了试验设计数据处理技术通用 化的问题；而且还能对各种试验设计，当试验结果里面各个处 理(或水平)的数据不相等、非平衡的情况下进行方差分析。
GLM 模型功能很强，可用于各种类型的方差分析。
二、一般线性模型(GLM)
（十一）裂区试验设计
2.2 主区一因素、裂区两因素试验(A+BC 型)统计分析
同(AB+C型) 定义成数据块后，应执行主区一因素、副区两因素的A+BC
型裂区试验统计分析。在分析过程中，系统会提示输入主处 理 的水平个数及副区处理1 、 副区处理2 的水平个数
（十一）裂区试验设计
3．裂－裂区试验统计分析
二、一般线性模型(GLM)
面对非平衡数据方面的问题，Goodnight 在20 世纪70 年 代提出了一种将方差分析模型作为线性回归模型进行处理的新 方法。他将试验数据先拟合线性回归模型，再用一般的回归显 著性检验方法检验主效应和交互作用效应的平方和的一般线性 模型(general linear model，GLM)
科学试验，由于受环境随机因素的干扰， 使试验结果往往含有随机影响的成分。对 试验结果中处理因素主效应、因素间互作 效应及试验误差等变异来源的分析，是生 物统计学的重要内容。
一、方差分析
方差分析是科学试验中的常用工具，是生物统计分析的核心内容之一。
在科学试验中，试验结果往往是变化的，这种变化大体上由两类因素 引起。一类是受随机因素影响而产生的波动。这类影响在试验中常常 是不能控制的，因而是不可避免的。另一类是人为控制因素的影响使 试验结果产生变化。当这类因素对试验结果有显著影响时，必然会明 显地改变试验结果，并同随机因素的影响一起出现。反之，当这类因 素对试验结果无显著影响时，则相应的变化就不会明显表现出来，从 而使试验结果的变化基本上归结于随机因素的影响。科学试验的目的 常常是为了判断这类受人们控制的因素对试验结果的影响是否确实存 在。
三因素裂区试验，根据试验设计的不同可分为2 种类型：
第一种是在主区安排两个处理因素，副区安排一个处理因素 (AB+C)；
第二种是在主区安排一个处理因素，裂区安排两个处理因素 (A+BC)。
这类试验设计及其统计分析较为复杂，但如试验有这种需要， 则往往一个试验可以解决较多的实际问题，故亦颇有用处。
1
1
x111 x112 x113 ...
2
x121 x122 x123 ...
... ...
...
...
...
2
1
x211 x212 x213 ...
2
x221 x222 x223 ...
... ...
...
...
...
...
1
xa11 xa12 xa13 ...
2
xa21 xa22 xa23 ...
实践中，某些因为需要占用较大范围，而另一些则需较 小范围即可，通常需要占大范围的因素恰恰是容易表现 出差异的因素。裂区设计在这种情形下是很适用的。
（十一）裂区试验设计
1．两因素裂区设计
例如（右图） 进入主菜单，选择执行
“双因素裂区设计分析” 功能项。
（十一）裂区试验设计
2．三因素裂区试验设计
定义数据块。菜单下“试验设 计→完全随机设计分析→二 因素有重复试验设计分析”。 按系统提示输入Ａ因素处理 数和Ｂ因素处理数，然后再 按提示选择数据转换方式， 进行运算分析并输出结果。
（九）二“试验设计→方差分析→二因素完全随机区组设计” 功能项
（十）多因素随机 区组设计
若有两个因子，其A 因子有K 个处理，B 因子 有L 个处理，各个处理重复N 次。其资料输入 顺序为两因素试验的扩展。
（三）方差分析结果解释
在进行试验结果的分析之前，我们必须在思想上牢记：要尽量地利用 你对问题的非统计学知识。因为实验者在各自的领域内通常有独到的 实践经验、受过正规的科学训练、具有高深的知识，这些都可用来分 析因素和响应变量之间的关系，这在解释分析结果时是极其有用的， 是统计学无法替代的。在进行方差分析结果解释时要点如下：
（五）单因素随机区组设计
例如，小麦品比试验资料按随 机区组试验设计所获得的产量 (张全德等，1985)进行方差 分析。
将输入的待分析资料定义成数 据块，然后进入主菜单，选择“ 试验统计→随机区组设计→单 因素试验统计分析”，按回车键 执行该选项功能。这时系统将 会提示用户选择数据转换方式 ，如此时直接回车表示不转换 。选择数据转换方式后回车， 系统将立即给出分析结果
人为处理差异。区组间显著水平p≤0.05时只说明这类差异确实存在，
并且已从试验结果中分离出来。因此它不影响试验处理结果的解释。当
然，区组间显著水平p＞0.05，说明试验条件更均衡些，非人为因素对
试验结果的影响更小些。
（三）方差分析结果解释
多重比较：一般来说，只有当方差分析表中的显著水平p≤0.05 时才能进一步作多重比较分析。多重比较可进一步检验各个处理 间两两之间的差异。
将所输入数据定义成数据块， 再进入主菜单，选择“试验设 计→完全随机设计分析→二因 素无重复试验设计分析”。按 回车键执行该选项功能，按系 统提示选择数据转换方式，如 不转换就直接回车。执行选项 功能后系统将立即给出分析结 果
（八）二因素完全随机设计
例如，现有一组土壤、肥料 试验数据，A 因素为3 种肥 料处理，B 因素为3种土壤 处理，每组合3 次重复。试 根据试验结果(小麦产量)进 行方差分析。
例如，在前面的3 因素裂区实验中，药剂不是种 子处理，而是出苗后喷洒施药，这时的试验设计 可按裂裂区方式进行：主区为播种期，分3个水 平：A1，A2，A3；裂区为施药处理，分2 个 水平：B1，B2；再裂区为作物收获期，分3个 水平：C1，C2，C3。
因裂区试验设计较为复杂，在DPS下，只需在工 作表中按主区、裂区、裂裂区的顺序，将各个处 理因素的各个水平编辑输入，然后用鼠标选中( 上图)。再执行“试验设计→三因素裂裂区设计” ，系统弹出输入区组数目对话框。输入区组数后 ，点“OK”，即可得到裂裂区试验设计方案。