第八章 食品科学研究方法
(2013-12-25 15:20:22)
标签:
杂谈 |
第八章
第一节
二、食品科学研究课题的来源
1.从食品科学实践与理论的矛盾中产生研究课题
3.从不同学派理论之间的矛盾中产生研究课题。在一个学科领域中,对同一事物,可以有不同学派运用不同理论进行解释,谁是谁非,需要作出正确的解答。
4.从社会需要同现有的生产技术手段不能满足这种需要的矛盾中产生研究课题。如农业生产、食品加工、社会生活与人类健康等的需要,提出了大量亟待解决的问题。这些问题经过转化、抽象,即成为应用研究和基础理论研究的课题。
5.下达课题和自选课题
四、科研选题的基本原则
课题的性质不同,选题的原则也各有侧重,但一般需要考虑以下几个方面。
这是指课题应面向社会需要和学科理论发展的需要。社会需要包含经济发展的需要、国防建设的需要、医疗卫生和文化教育的需要等。学科理论发展的需要包含开拓科学领域的需要、更新科学理论的需要、改进科学方法的需要等。
2.创造性原则
这是指选出的课题应是前人没有解决或没有完全解决的疑难问题,并预期能从中产生创造性的科学技术成果。创造性的科技成果有多种表现,比较重要的是:概念和理论上的创新,方法上的创新,应用上的创新。与此相应,那些有可能导致新理论、新概念、新方法、新应用出现的课题,应该成为优先被选择的课题。当然,在选题阶段,对课题结果的创造性是难于作出精确估计的。因此,创造性原则实质上是要求作到:在选题时熟悉别人已进行过的工作,避免重复劳动,课题论证时恰当估计课题的意义和其中可能包含的创造性成份。科学研究是探索性工作,其本质在于创新。别人已经解决了的问题,或者在现实条件下难以取得创造性进展的课题,不应作为选择对象。
3.科学性原则
这是指选出的课题要有一定的科学理论和科学事实作为根据,且把课题置于当时的科学技术背景下,并使之成为在科学上可以成立和可以探讨的问题。
4.可行性原则
这是指选择的课题应与自己的主、客观条件相适应,即根据已经具备的或经过努力可以具备的条件进行选题。符合需要的有创造性和科学性的题目并非都是可行的题目。如果主观条件或客观条件不具备,无论多么诱人的题目也难以取得预期的成果。有些课题目前还缺乏解决的条件,而这些条件又是在短期内难以创建的,即应视为尚不具备可行性的课题。如果这类课题非常重要,而且其解决也需要长期的努力,则可将其分解为一系列子课题,然后从中选择一些相对来说具有较大可行性的子课题进行研究。但是,要对这类课题的难度作充分的估计——有时甚至其中—个子课题的解决也会耗去一代人的精力。
第二节
视听型文献又称视听资料或声像资料,是以电磁材料和感光材料为载体,以录音、录像和摄影技术为记录手段将声音和文字图像记录下来的一类动态型文献资料,主要包括唱片、录音带、录像带、幻灯片、投影片、电影片、电视片等。
4.机读型(Machine–readable form)
5.光盘型(Optical disk form)
起点
第三节
课题选定以后,要取得有关部门经费、政策、人力、物力等方面的支持,必须得撰写研究项目论证报告,并报有关部门,组织专家论证、审查和批准。科研项目按级别分为国家级、省部级、厅局级、地市级、县级以及企业地方课题等,按研究的深度和广度又分为国家重大项目、国家重点项目、863项目、自然科学基金项目(国家级、省级)、科技攻关项目(国家级、省级)、星火计划项目(国家级、省级)、燎原计划项目(国家级、省级)等。不同的项目,要求论证报告撰写格式不尽相同,但一般应包括以下九项内容 :
一、概述
1.项目名称
2.项目提出背景
3.项目的目的、意义
二、项目立项的必要性及市场需求分析
1.项目技术攻关的必要性
2.项目的市场需求分析
三、相关领域国内外技术现状、发展趋势及现有工作基础
1.国内外技术现状、专利等知识产权情况分析
2.国内外技术发展趋势
3.现有的工作基础
四、项目计划目标及主要研究内容
1.主要目标
2.研究与开发内容
3.项目的技术关键,包括技术难点、创新点
4.预期研究成果
五、拟采取的研究方法、技术路线、实验方案及可行性分析
1.研究方法
2.技术路线
3.实验方案
4.可行性分析
六、技术效益、经济效益及市场风险分析
1.技术经济效益分析(含经济效益、社会效益)
2.推广应用前景分析(含产业化可行性)
3.项目实施的风险分析
七、申请单位简况
1.单位简况(生产经营及科研情况、资产及经济状况等)
2.项目主要负责人简介
3.课题组组成简况
4.现有的研究基础(项目组已有的成果、专利、论文、推广情况等)
八、必要的支撑条件、组织措施及实施步骤
九、计划实施进展、经费预算及经费来源渠道
1.年度计划
2.经费预算
3.经费来源
第四节
在食品工业生产和科学研究工作中,为了改革生产工艺,开发新产品,寻求优质、高产、低消耗的方法等,经常要进行各种试验。在掌握专业知识和了解研究对象性质的前提下,进行科学试验时,首先要进行试验设计。如何进行试验设计,如何对试验结果进行分析,是食品生产和科研工作者经常遇到的问题。如果试验设计安排的好,就可以减少试验次数,缩短试验周期,从而减少人力、物力、时间和费用,并可获得正确和可靠的结果。另外,随着科学技术的发展,人们对问题的研究不但要定性化,而且要定量化,只有定量分析,才能科学地反映出事物的本质。
一、试验设计的任务和作用
1.试验设计的任务
试验设计的任务是以概率论与数理统计为理论基础,结合专业知识和实践经验,经济地、科学地、合理地安排试验,有效地控制试验干扰,充分利用和科学分析所获得的试验信息,从而达到尽快获得最优方案的目的。
2.试验的作用:
(1)通过试验可以分清各试验对实验指标影响的大小顺序,找出主要因素,抓住主要因素。
(2)通过试验可以了解因素与实验指标间的规律性,即每个因素水平改变时,指标是怎样变化的。
(3)通过试验可以了解因素之间的交互作用。
(4)通过试验可以迅速找出最优生产条件或工艺条件,确定最优方案并能估计在最优生产条件下试验指标值及其波动范围。
(5)通过试验设计和方差分析,可以了解试验误差的大小,从而提高试验的精度。
(6)通过试验结果的分析,可以明确为寻找最优生产工艺而进一步试验的方向。
二、试验设计的性质和内容
试验设计方法从理论上讲属于数理统计的一个重要分支,即属于数学的范畴,从实践上讲,它是数理统计在食品专业中的具体应用,是为专业服务的。寻求最佳生产工艺,必须建立在专业的基础上,试验设计只是为专业服务的工具,它是手段,而不是目的。决不能把一个不合格的产品或劣质的生产工艺,不加其它技术措施,经过分析以后,而使其质量或性能得以提高。
实验设计所包含的内容是十分丰富的,现在已有许多种试验设计方法,包括成对试验设计、全面试验设计、正交试验设计、均匀试验设计、分割法试验设计、SN比实验设计、回归正交设计等,其中最基本和最常用的是前四种。
三、试验设计的几个基本概念
1.试验指标
根据试验目的而选定的用来衡量试验效果的特征值,称为试验指标。在同一试验中,根据不同的试验目的,可选择不同的试验指标。例如:在考察不同提汁工艺条件对果汁提取的影响时,可以提取率为试验指标,也可以果汁色泽为试验指标。
试验指标分为两类:一类是定量指标,即能用数量表示的指标,如食品的糖度、酸度、pH值、提汁率、糖化率、吸光度和合格率等;一类是定性指标,即不能用数量表示的指标,如色泽、风味、口感、手感等,在设计试验中,为了便于结果分析,常把定性指标量化为定量指标。
在试验设计中,根据试验目的的不同,可以用一个试验指标,也可以同时用两个以上试验指标。前者为单指标试验,后者为多指标试验。例如:研究增稠剂种类、pH值和杀菌条件对豆奶稳定性的影响,只选用豆奶稳定性作为试验指标为单指标试验;在研究不同吸附剂去除橙汁中苦味物质时,可以选用苦味物质去除率、VC损失率、可溶性固形物损失率均作为试验指标,为多指标试验。
2.试验因素
在试验中,凡对试验指标可能产生影响的原因或要素都称为因素。例如,酱油质量受原料、曲种、发酵温度、发酵时间、制曲方式和发酵工艺等诸方面影响,这些就是酱油质量的因素。把试验中加以研究考虑的因素称为试验因素。试验因素以外其它所有对试验指标有影响的因素称为条件因素。试验因素和条件因素一起构成试验条件。只考虑一个因素的试验叫单因素试验;考虑两个因素的试验叫双因素试验;考虑三个或三个以上因素的试验叫多因素试验。试验因素用大写字母A、B、C、D、E……表示。
3.试验水平
在试验设计中,为了考察试验因素对试验指标的影响情况,要使试验因素处于不同的状态,把试验因素所处的各种状态称为试验水平。在试验设计中,一个因素选了几个水平,就称该因素为几水平的因素,水平的表示方法是在因素字母下用下角号标示。如,A因素有三个水平A1、A2、A3,A因素为三水平因素;B因素有五个水平B1、B2、B3、B4、B5,B因素为五水平因素。
试验处理是指各因素的不同水平之间的联合搭配。在单因素试验中,水平和处理是一致的,一个水平就是一个处理。在多因素试验中,可以形成若干个处理组合。例如,三种温度(A1,A2,A3)和二种制曲方式(B1,B2)对酱油质量的影响,可形成六种处理。一个三因素各因素三水平的试验可形成3×3×3=27个处理。
5.全面试验
对全部处理组合都进行试验,叫全面试验。全面试验次数等于各因素水平数的乘积。全面试验的优点是能够掌握每个因素及其每个水平对试验结果的影响,无一遗漏,但当试验因素和试验水平较多,试验次数就会剧增,再加上重复,试验规模就会非常庞大。如:三因素三水平试验,共有27个处理;四因素四水平试验,共有44=256个处理,如再加上重复,这么多的处理在实际工作中是做不到的。因此,全面试验只适用于因素和水平数目都不太多的试验。
6.部分实施
由于试验因素和试验水平的增多使处理数目急剧增长,导致试验难以实施,所以在实际工作中,常采用部分实施方法。所谓部分实施就是从全部组合处理中,选取部分有代表性的处理进行实施。例如:三因素三水平的全面试验,共需27个处理组合,但选用L9(34)正交试验,只需9个处理;一个四因素五水平试验,全面试验需要54=625次试验,而选用U5(54)均匀试验,仅需5次试验。
四、试验数据的结构与试验误差
1.试验数据结构
在试验过程中,所获得的试验结果总是有差异的,即使在同一条件下进行重复试验,所获得的试验数据也不一样。引起试验数据差异的因素很多,这些因素的影响程度也有大有小,对试验结果起主要作用的因素,往往人为加以控制,称为被控因素。被控因素对结果影响用 表示。另外其它一些次要的、人为不加控制的因素叫随机因素,随机因素对结果的影响叫随机误差,用 表示。则任何观察值可以表示为:
2.试验误差
任何试验数据都包含有试验误差 ,它直接影响着试验的精确性和可靠性,为此在试验过程中,要尽可能减少试验误差。
(1)试验误差来源
①试验材料:试验材料的成熟度、品质、纯度等不同;
②试验仪器设备:仪器的精度不同,测试受环境影响不同等;
③试验环境条件:受温度、湿度、光照、气流等不同影响;
④试验操作:由操作人员引起,不同的操作人员及同一操作人员由于分辨能力限制,读数不准确等造成的误差。
(2)试验误差的分类
①随机误差:在试验过程中,一系列有关因素的细小随机波动而形成的具有抵消性的误差,它确定了试验结果的精确度。
②系统误差:在试验过程中,由某个或某些因素按照确定的规律起作用而形成的误差。它确定了试验结果的准确度。
试验误差是不可避免的,但可设法尽量减少。
五、试验设计的基本原则
在试验过程中,为了减少试验误差,就必须严格控制试验干扰。所谓试验干扰是指那些可能对试验结果产生影响,但在试验中未加考虑,也未加以控制的条件因素。在试验过程中,应尽量地控制或消除试验干扰。其办法是严格遵循试验设计的三个基本原则——重复、随机、局部控制。
1.重复原则
所谓重复是指在试验中每种处理至少进行2次以上。重复是估计随机误差和减少随机误差的基本手段。重复次数多少,应根据试验要求确定,一定要适当,一般3~4次。
2.随机原则
所谓随机是在试验中,每一处理组合及其每一个重复都有同等的机会被安排在某一特点的空间和时间环境中,以消除某些处理组合或某些重复可能占有的“优势”或“劣势”,从而保证试验条件在空间和时间上的均匀性。随机可消除系统误差,使系统误差转化为随机误差,从而正确地、无偏地估计试验误差。
随机通常采用抽签、摸牌、查随机数字表的方法来实现。
3.局部控制原则
做试验,总是希望试验条件基本保持一致,这样得到的试验指标才可靠,因素内不同水平之间才具有可比性。但任何一个试验都是在一定的时空范围内进行的,试验次数越多,所占的时空范围就越大,环境条件之间的差异也就越大。反之,试验时空范围越小,环境条件就越均匀一致。如果把某项试验的时空范围划分为几个小的范围——区组,使得每个区组内试验条件尽可能一致,每个区组内各处理的试验顺序随机安排,这样,区组内的试验误差就可减少。区组间试验条件的差异虽较大,但可通过统计的方法进行处理,这种安排试验的方法称为局部控制。在试验过程中,一般将同一重复安排为一个区组,区组内各处理随机排列。
六、常用的试验设计方法
1.两种处理的试验设计
这种试验设计只安排A、B两种处理,每种处理可安排多次重复试验,计算出A、B各自处理重复试验平均值,对这两个平均值进行差异显著性检验。
2.全面试验设计
在试验设计中,为了获得全面试验信息,正确地判定试验因素及其各级交互作用对试验指标影响情况,对所选取的试验因素的所有水平组合进行全部实施一次以上,这种试验设计方法称为全面试验设计法。这种方法的优点是能获得全面试验信息,对各因素及其各级交互作用对试验指示的影响剖析得比较清楚。缺点是当因素多、水平多时试验规模太大,所以该方法只适用于单因素和双因素试验设计。
(1)单因素全面试验设计法
试验中只考察一个因素(假定为A),选择它的 个水平为A1、A2、A3……Am,比较这 个水平对试验指标的影响,称为单因素试验。
①完全随机化单因素试验设计
②完全随机区组单因素试验设计
(2)双因素全面试验设计法
同时考察两个因素的全面试验,称为双因素全面试验。在双因素全面试验中,设因素A有 个水平,因素B有 个水平,A与B的全部水平组合有 个,若各水平组合重复 次,则共有 次试验,称双因素全面试验设计。双因素全面试验设计有完全随机化法和完全随机区组法两种。
①完全随机化等重复双因素全面试验设计
②完全随机区组等重复双因素全面试验设计
3.正交试验设计
全面试验设计,是把要考察的试验因素及所有水平组合全面试验一次以上。但当试验因素多以及各因素下水平数多时,试验次数会急剧增多,若再加上重复,试验规模就会很大,往往在实践中难以实施。如,三因素三水平全面试验,共有33 =27种处理,若重复3次,则共有81次试验;四因素四水平全面试验,则有44 =256种处理,如重复3次,共有768次试验,这在实际工作中是做不到的。所以,全面试验在单因素试验或双因素试验且水平数较少的情况下适用,对于三个以上的多因素试验,一般采用部分实施法,以减少试验次数,缩短试验周期。其中最常用的是正交试验。
(1)正交表的类型
①等水平正交表:一般写法为Ln(mk),其中L表示正交性,k为正交表的列数,即最多可安排的因素数,m为各因素下的水平数,n为试验处理次数,例如L8(27)为7因素2水平8个处理的正交表。
②混合水平正交表:一般写法为Ln(m1k1×m2k2),其中m1k1表示水平为m1的列有k1列,m2k2表示水平为m2的 列有k2 列,L表示正交性,n为试验处理数。用这种正交表安排试验时,水平数为m1的因素最多可安排k1个,水平数为m2的因素最多可安排k2个。例如L8(4×23),此表可安排4水平的因素1个,2水平的因素3个,共有8个处理。混合水平的正交表一般不能考察交互作用,但由标准正交表通过并列法改造而来的混合型正交表,可以考虑交互作用。
(2)正交表的基本性质
①正交性。正交表的正交性表现在:任意一列各水平都出现,且出现次数相等;任何两列之间各种不同水平的所有可能组合都出现,且出现次数相等这两个方面。
②代表性。正交表的代表性主要表现在两个方面:一方面,任一列各水平都出现,使得部分试验中包括了所有因素的所有水平;任两列所有水平组合都出现,能考察两个因素的所有水平信息及两因素间的所有组合信息,这样正交表虽然安排的只是部分试验,但却能了解到全面试验情况。另一方面,正交表的试验点均匀地分布在全面试验设计点之中,具有很强的代表性。
③综合可比性。由于正交表的正交性,使得任一因素各水平的试验条件相同,当因素内各水平间进行比较时,可以最大限度地排除其它因素的干扰。综合可比性是正交试验设计进行结果分析的理论基础。
(3)正交试验设计的基本程序
①确定试验指标
②选择试验因素。根据专业知识、以往的研究结论和经验,尽可能全面地考虑到影响试验指标的诸因素,然后从中选择出一些对试验指标影响大的主要因素作为试验因素。一般把对试验指标影响大的因素、尚未完全掌握的因素和未被研究过的因素选为试验因素。
③选取试验因素水平,列出因素水平表。试验因素分为数量因素和质量因素。如温度、时间、原料用量等可用数量表示的因素叫数量因素;添加剂种类、设备型号、加工方法等其水平由特定的质量表示,叫质量因素。质量因素是在作设计时就定下来的,而数量因素则比较灵活。数量因素下一般选3~4个水平为宜,便于获得二次曲线。水平的幅度,不宜选择得过宽或过狭,一般根据专业知识,尽可能把水平值取在最佳区域或接近最佳区域。
④选择合适的正交表。 选择的正交表必须满足以下条件:
等水平试验:所选正交表的水平数与试验因素的水平数应一致,正交表的列数应大于或等于所要考察的因素数及交互作用所占的列数。
不等水平试验:选用混合水平正交表,某水平的列数应大于或等于相应水平的因素个数;
选择正交表的原则:在安排好试验因素和考察交互作用的前提下,尽量选小号正交表,以减少试验次数。另外,为了考察试验误差,选择的正交表最好空出一列,否则要设计重复试验。
⑤表头设计。所谓表头设计,就是将试验因素分别安排到所选正交表的各列中去。如因素间无交互作用,各试验因素可任意安排到正交表的各列中去。如要考虑交互作用,各因素不能随意安排,应按正交表的交互作用表进行安排。
⑥编制试验方案。 在表头设计的基础上,将所选正交表中各列的水平数字换成对应因素下的具体水平值,便形成了试验方案。试验方案设计好以后,在试验过程中,必须严格按照各试验号的组合处理进行,不得随意改变。各试验号的顺序可随机化排列,同时注意重复试验,以减少和估计试验误差。试验结束后,试验结果直接填入试验指标栏内。
(4)正交试验结果分析
常用的正交试验结果分析有两种方法,即极差分析法和方差分析法。对正交试验结果进行分析,可以解决以下问题:
①搞清各因素及交互作用主次顺序,即那个是主要因素,那个是次要因素。
②判断各因素对试验指标影响的显著程度。
③找出各因素下的各水平的最优水平和最优组合。
④分析各因素与试验指标间的关系,即当因素变化时,试验指标是如何变化的,为进一步试验指明方向。
⑤了解各因素之间的交互作用情况。
⑥估计试验误差的大小。
第五节
一、样品的采集
1.正确采样的意义
(3)全脂乳粉取样
乳粉用箱或桶包装者,则开启总数的1%,用83cm长的开口采样插,先加以杀菌,然后自容器的四角及中心采取样品各一插,放在盘中搅匀,采取约总量的千分之一检验用。采取瓶装、听装的乳粉样品时,可以按批号分开,自该批产品堆放的不同部位采取总数的千分之一作为检验用,但不得少于两件。尾数超过500件者应加抽一件。
二、样品的制备与预处理
(1)液体:浆体或悬浮液体,一般是将样品摇动和充分搅拌。
(2)互不溶的液体:如油与水的混合物,分离后分别采取。
(5)测定农药残留量时,各种样品制备方法如下:
①粮食。充分混匀,用四分法取200g粉碎,全都通过40目。
⑥鱼类。每份鱼样至少三条。去鳞、头、尾及内脏,洗净,除去表面附着的水分,纵剖,取每条的一半,去骨刺后全部铰成肉泥状,充分混匀。
三、样品的保存
冷冻干燥须将样品的温度迅速降到“共熔点”以下。“共熔点”是指样品真正冻结成固体的温度,又称完全固化温度。对于不同的物质,其“共熔点”不同,苹果为-34℃、番茄为-40℃、梨为-33℃。由于样品在低温下干燥,食品化学和物理结构变化极小,因此食品成分的损失比较少,该法可用于肉、鱼、蛋和蔬菜类样品的保存,其保存时间可达数月或更长的时间。
第六节
一、表示实验结果常用的统计特征数及其计算公式
1.样本平均值 ,即n个测定值 、 、
2.算术平均偏差(或称平均差)
:
3.标准差(或称均方根差) :
它是数理统计学中,表示一个统计分布离散程度的最重要的指标,用以反映精密度。
4.标准误差 :
5.变异系数CV
6.总体数学期望
这里 值可由给定的信度 及自由度f= ,查 分布表(见附录三表1)得到。 称显著水平, 为测定次数,必须注意 。
例1.测定某午餐肉中脂肪含量,7次结果如下表:
|
脂肪含量 (%) |
|
|
|
27.0 |
0.371 |
0.138 |
|
27.4 |
0.771 |
0.594 |
|
23.7 |
2.929 |
8.579 |
|
24.0 |
2.629 |
6.912 |
|
28.2 |
1.571 |
2.468 |
|
27.4 |
0.771 |
0.594 |
|
28.7 |
2.071 |
4.289 |
|
26.63 |
11.113 |
23.574 |
(1)
(2)标准差
(3)标准误差
(4)变异系数
(5)相对标准误差
(6)总体数学期望μ的一个置信区间: 由给出信度α=5%,自由度f=n-1=6,查t分布表得:t0.025,6=2.447, 所有脂肪含量测定结果为:
即在置信水平95%之下,每100g午餐肉中脂肪含量区间为:24.78<μ<28.46。
二、实验结果差异性检验
1.二个处理间的差异显著性检验
检验两个处理的差异显著性。常用 检验, 检验方法如下:
例2.某人研究了两种浸提条件下山楂中可溶性固形物的浸提率,实验结果如下:
|
浸提条件 |
可溶性固形物提取率(%) |
|||||
|
条件1 |
42.5 |
41.3 |
43.7 |
41.0 |
41.8 |
44.0 |
|
条件2 |
47.6 |
48.2 |
46.3 |
47.9 |
46.0 |
49.0 |
试问这两种浸提条件下山楂可溶性固形物提取率有无显著差别。(α=0.05)
解:设 ,取显著水平 =0.05
计算统计量:
t=
查 表(见附录三表1),若 0.025,f ,差异不显著;t0.025,f< ≤t0.005,f ,差异显著; > t0.005,f ,差异极显著。
本例自由度 =6+6-2=10, 显著水平 =0.05
查t表得 =
判断: >t0.025,
即两种浸提方式提取,可溶性固形物差异显著。
2.多个处理间的差异显著性检验
上面讨论了二个处理间的差异显著性检验问题,但在生产和科研工作中,经常要讨论多个处理间差异是否显著问题。例如葡萄糖生产过程中的除杂问题,选用五种方法,重复五次,结果见例3。
例3. 以淀粉为原料生产葡萄糖的过程中,残留有许多糖蜜,可作为生产酱色的原料。在生产酱色之前应尽可能彻底除杂,以保证酱色质量。为此对除杂方法进行选择。在试验中选用五种不同的除杂方法,每种方法做四次试验,即重复四次,结果见下表。
|
除杂方法( Ai) |
除杂量( xij) |
平均( ) |
Xi.。 |
|||
|
A1 |
25.6 |
22.2 |
28.0 |
29.8 |
26.4 |
105.6 |
|
A2 |
24.4 |
30.0 |
29.0 |
27.5 |
27.7 |
110.9 |
|
A3 |
25.0 |
27.7 |
23.0 |
32.2 |
27.0 |
107.9 |
|
A4 |
28.8 |
28.0 |
31.5 |
25.9 |
28.6 |
114.2 |
|
A5 |
20.6 |
21.2 |
22.0 |
21.2 |
21.3 |
85.0 |
本试验的目的是判断五种不同除杂方法对除杂量是否有显著差异问题,用两个样本间的均值假设检验,不但繁杂,而且精度不高,误差太大,这时必须依靠方差分析。
方差分析的实质是检验多个处理之间的差异显著性。根据上面的试验看出,数据间的差异可能来自于两个方面:一是除杂方法不同造成的,即各除杂方法下平均值 之间的差异;二是随机误差造成的,即每一种除杂方法下4个数据间的差异。把因试验条件不同所引起的误差称为条件误差;把因随机因素引起的误差称为随机误差或试验误差。方差分析就是把数据的总变异分解为条件误差引起的变异和试验误差引起的变异,即把总平方和分解成处理间平方和与误差项平方和,把总自由度分解成处理间自由度和误差项自由度,然后计算出各自的方差值,借助 检验,判断各处理间均值差异是否显著。
(1)平方和分解:
总和:
矫正项:
总平方和: =13954.72-13707.85=246.87
处理间平方和: = 13839.81-13707.85 =131.96
误差项平方和:
(2)自由度分解:
总自由度: =20-1 =19
处理间自由度: =5-1=4
误差项自由度; =19-4=15
(3)计算方差:
处理间方差: =131.96/4 =32.99
误差项方差:
(4)显著性检验:
求F值:
查 表(见附录三表2),查得 和 (用 的自由度 和 的自由度 )
判断: > ,处理间差异极显著,记“**”; < ≤ ,处理间差异显著,记“*”;
≤ ,处理间差异不显著,不记“*”。
本例查 表得,
(5)列出方差分析表:
方差分析表
|
变异来源 |
平方和 |
自由度 |
方差 |
|
|
显著性 |
|
处理间 |
131.96 |
4 |
32.99 |
4.31 |
=3.06 |
* |
|
误差 |
114.91 |
15 |
7.66 |
|
=4.89 |
|
|
总变异 |
246.87 |
19 |
|
|
|
|
3.多重比较
F测验是一个整体概念,如上例仅指不同处理平均数间差异显著,但是各个平均数彼此之间均有显著差异呢,还是仅有一部分平均数之间有显著差异,而另一部分平均数之间没有显著差异,方差分析不曾提供任何信息,要明确各个平均数之间的差异显著性,还必须对各个平均数进行多重比较。多重比较常用的方法有最小显著差数法(LSD法)和最小显著极差法(LSR法)。最小显著极差法(LSR法)中又有新复极差测验(SSR法)和q测验。本次介绍新复极差测验(SSR法)。
(1)计算平均数标准误
为方差分析中误差项的方差,n为样本容量。
(2)计算LSRα值
查新复极差测验表(SSR表见附录三表3),得 所具有的自由度下,P=2,3,……,k时的SSRα值(P为某两数极差间所包含的平均数的个数),进而算得各个P下的最小显著极差值LSRα。
将各平均数按大小顺序排列,用各个P的LSRα值即可测验各平均数两极差的显著水平,凡两极差小于LSRα者为差异不显著,即两极差在α水平上不显著。 凡两极差大于或等于LSRα者为差异显著,即两极差在α水平上显著。上例查SSR表,求得LSRα值见下表:
|
P |
2 |
3 |
4 |
5 |
|
SSR0.05 SSR0.01 LSR0.05 LSR0.01 |
3.01 4.17 4.16 5.77 |
3.16 4.37 4.37 6.05 |
3.25 4.50 4.49 6.23 |
3.31 4.58 4.58 6.33 |
(3)多重比较结果的表示方法
①标记字母法:首先将全部平均数从大到小依次排列,给最大平均数标上字母a,并将该平均数与以下各平均数相比,凡相差不显著的(<LSRα),都标上字母a,直至某一个与之相差显著的平均数则标以字母b。再以该标有b的平均数为标准,与上方各个比它大的平均数相比,凡不显著的也一律标以字母b。再以标有b的最大平均数为标准,与以下各未标记的平均数相比,凡不显著的继续标以字母b,直至某一个与之相差显著的平均数则标以字母c。……如此重复进行下去,直至最小的一个平均数有了标记字母为止。这样各平均数间,凡标记有相同字母的即为差异不显著,凡标记有不同字母的即为差异显著。
在实际应用时,往往还需区分α=0.05水平上显著和α=0.01水平上显著,这时可以小写字母表示α=0.05水平上显著性,以大写字母表示α=0.01水平上显著性。
如上例五种处理平均数之间差异显著性标记字母法如下(新复极差测验)。
|
处理 |
除杂平均数( ) |
差异显著性 |
|
|
A4 A2 A3 A1 A5 |
28.6 27.7 27.0 26.4 21.3 |
a a a a b |
A A A A B |
②列梯形表法:将全部平均数从大到小顺次排列,然后算出各平均数间的差数,与LSRα值比较,凡达到α=0.05水平的差数在右上角标一个“﹡”,凡达到α=0.01水平的差数在右上角标二个“﹡﹡”,凡达不到α=0.05水平的差数则不予记号。上例结果表示见下表:
|
处理 |
除杂平均数( ) |
差 |
|||
|
|
|
|
|
||
|
A4 A2 A3 A1 A5 |
28.6 27.7 27.0 26.4 21.3 |
7.3** 6.4** 5.7** 5.1** |
2.2 1.3 0.6 |
1.6 0.7 |
0.9 |
三、直线回归与相关分析
1.直线回归分析的概念
差异显著性检验只涉及到一个变数。但是,由于事物之间的相互影响,在科学研究过程中,我们所要研究的变数往往不只一个,而是在两个或两个以上,如加工温度和Vc的保存率,固形物含量与透光率等。对于两个变数,除了应用原符号x外,还需引入新的符号y。这样x和y的各对变数值就可用:(x1,y1)、(x2,y2)、…(xn,yn)表示。其中 是固定的,而 则是随着 的变化而变化的, 叫自变量, 叫依变量。
2.直线回归方程式
如果 和 两个变量在变化趋势上呈直线关系,若要通过 的变化来预测 的变化,可用直线回归方程式来表示,直线回归方程通式为:
读作 依 的直线回归。其中 是自变量, 是与 的量相对应的依变量y的点估计值, 是回归系数, 是回归截距。回归方程的关键是计算出回归截距和回归系数。用最小二乘法的原理得出计算回归截距和回归系数公式为:
其中, ;
3.相关显著性的鉴定
由n对测定值求相关系数r的公式为:
再由给定的信度α查“相关系数检验表”(见附录三表4),根据自由度f=n-2(注意n指观察值的成对数值)得出rα值,计算得出的r值与rα值比较。若r>rα,表示直线相关关系存在;若r≤rα,表示直线相关关系不存在,同时也说明回归直线没有意义。
例4.应用银盐法测定罐头食品中砷含量(以Ag DDC-吡啶液作吸收液)的结果为:
|
(砷浓度mg/L) |
(吸光度) |
|
0 |
0 |
|
1 |
0.041 |
|
3 |
0.145 |
|
5 |
0.211 |
|
7 |
0.306 |
|
9 |
0.399 |
资料整理和相关数字计算如下:
|
组号 |
|
|
|
|
|
|
|
|
|
|
1 |
0 |
0 |
0 |
0 |
- 4.17 |
17.39 |
- 0.184 |
0.033 |
0.767 |
|
2 |
1 |
1 |
0.041 |
0.041 |
- 3.17 |
10.05 |
- 0.143 |
0.020 |
0.453 |
|
3 |
3 |
9 |
0.145 |
0.435 |
- 1.17 |
1.37 |
- 0.039 |
0.001 |
0.046 |
|
4 |
5 |
25 |
0.211 |
1.055 |
0.83 |
0.69 |
0.027 |
0.001 |
0.022 |
|
5 |
7 |
49 |
0.306 |
2.142 |
2.83 |
8.01 |
0.122 |
0.015 |
0.345 |
|
6 |
9 |
81 |
0.399 |
3.591 |
4.83 |
23.33 |
0.215 |
0.046 |
1.038 |
|
|
25 |
165 |
1.102 |
7.264 |
|
60.84 |
|
0.116 |
2.671 |
计算回归方程:
回归系数:
回归截距:
得回归方程为:
根据回归方程绘得回归直线,如下图。
第七节
一般完成试验和数据分析以后,都要撰写科技论文,在公开期刊上发表或有关学术会议上报告交流,不同的期刊、不同的研究内容论文书写格式不完全相同,但一般应包括以下内容。
一、论文内容
在应用基础和高新技术方面未经公开发表或未出版过的原创性研究论文、综述、专论、研究简报、快讯等。要求材料翔实、数据可靠、文字精炼、论点明确、论证合理,在某些方面有创新。综述性文章应是国内外最新研究进展,结合作者自己在相应领域对学科的贡献,有独到见解,对学科发展有指导意义。
二、文稿项目
三、文章标题
四、作者与单位
五、汉语姓名译法
六、中、英文摘要
七、首页脚注标识项目
应重点阐述本研究的目的意义(学术价值或经济意义)、前人研究基础(与本项研究有关的主要作者的最主要进展应尽可能高度概括性地列出)、本研究的切入点(前人研究的薄弱环节或空白)、拟解决的关键问题等。
九、材料与方法
应写清楚试验时间、地点,试验材料与试验条件的代表性及具体名称、试验规模(样本容量)、设计思路、设计方法、重复次数,试验仪器、药品及规格、统计方法等。若借鉴有他人方法,应交代清楚参考文献。
十、结果与分析
十一、图和表
十二、量和单位
十三、讨论
十四、结论
十五、参考文献
列出与文章切实相关的国内外资料,特别要吸收国内外最近3年文献。未公开发表的文献和资料不宜引用。采用顺序编码制,著录顺序按在论文中所引用文献出现的先后连续编号。所有著作者全部著录。权威期刊还要求中文参考文献用中英文两种文字排列,将参考文献中的中文条目译成英文。
引用的文献为期刊,著录格式为:作者.文献题名.刊名(全称,勿缩写,英文刊名应为斜体),出版年,卷(期):起页~止页。
引用的文献为书籍,著录格式为:著者.书名.版本(初版省略).出版地:出版者,出版年:起止页.
实例:
[1]钟增涛,沈其荣,冉伟,孙晓红,谈健康,茆泽圣.旱作水稻与花生混作体系中接种根瘤菌对植株生长的促进作用.中国农业科学,2002,35(3):303-308.
Zhong Z T,Shen Q R,Ran W,Sun X H,Tan J K,Mao Z S.The promoting
of plant growth by Rhizobium inoculation in mixed cropping of rice
and peanut cultivated on upland
Agricultura Sinica,2002,35(3):303-308.(in Chinese)
[2]徐云碧,朱立煌.分子数量遗传学.北京:中国农业出版社,1994:108-110.
Xu Y B.Zhu L H.Molecular Ouantitative
Genetics.
[3]Abell B C,Tagg R C,Push M.Enzyme catalyzed cellular transaminations.In:Round A F.ed. Advances in Enzymology. Vol 2,(3rd ed).New York:Academic Press,1954:125-147.
[4]Baker R C.Microscopic Staining Techniques.London:Butterworths.1963:55-60.

加载中…