原文服务方: 作物学报       
摘要:
利用1982年以来我国棉花、小麦、水稻和玉米的60套区域试验数据,采用交叉验证方法,对区域试验中算术平均值、最佳线性无偏预测值(best linear unbiased predictor, BLUP)和AMMI(additive main effects and multiplicative interaction)模型估值的预测精度进行比较,结果表明,与算术平均值相比, AMMI估值精度的增益倍数(gain factor, GF)平均为1.045,变幅为0.963~1.414,其精度多数情况下提高不大; BLUP的GF平均为1.170,变幅为1.008~1.619,其精度普遍较高。同时,文中对3种估值的模型作了论述和比较。
推荐文章
关于算术平均值与几何平均值的两个不等式
算术平均值
几何平均值
不等式
基于算术平均值的网络流量数据采样方法
Hurst参数
自相似性
长相关
网络流量
采样
作物品种区域试验中品种均值的Bayes估计
区域试验
Bayes估计
算术平均值
预测精度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 品种区域试验中算术平均值、 BLUP和AMMI估值的精度比较
来源期刊 作物学报 学科
关键词 区域试验 BLUP AMMI 预测精度
年,卷(期) 2001,(4) 所属期刊栏目
研究方向 页码范围 428-433
页数 6页 分类号 S32
字数 语种 中文
DOI 10.3321/j.issn:0496-3490.2001.04.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张群远 中国农业大学植物遗传育种系 17 702 13.0 17.0
2 孔繁玲 中国农业大学植物遗传育种系 21 812 15.0 21.0
3 杨付新 中国农业科学院棉花研究所 47 475 11.0 21.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (12)
同被引文献  (43)
二级引证文献  (146)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2002(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(5)
  • 引证文献(2)
  • 二级引证文献(3)
2004(3)
  • 引证文献(1)
  • 二级引证文献(2)
2005(2)
  • 引证文献(0)
  • 二级引证文献(2)
2006(10)
  • 引证文献(3)
  • 二级引证文献(7)
2007(6)
  • 引证文献(0)
  • 二级引证文献(6)
2008(11)
  • 引证文献(0)
  • 二级引证文献(11)
2009(15)
  • 引证文献(1)
  • 二级引证文献(14)
2010(10)
  • 引证文献(0)
  • 二级引证文献(10)
2011(6)
  • 引证文献(0)
  • 二级引证文献(6)
2012(8)
  • 引证文献(0)
  • 二级引证文献(8)
2013(13)
  • 引证文献(1)
  • 二级引证文献(12)
2014(8)
  • 引证文献(0)
  • 二级引证文献(8)
2015(13)
  • 引证文献(1)
  • 二级引证文献(12)
2016(20)
  • 引证文献(0)
  • 二级引证文献(20)
2017(6)
  • 引证文献(1)
  • 二级引证文献(5)
2018(13)
  • 引证文献(0)
  • 二级引证文献(13)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
区域试验
BLUP
AMMI
预测精度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
作物学报
月刊
0496-3490
11-1809/S
大16开
1950-01-01
chi
出版文献量(篇)
5614
总下载数(次)
0
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导