一个潜在的规模模型,以尽量减少主观性在分析视觉评级数据的国家草草评估计划的分析

科学领域:

• 农业科学 农业科学
• 统计建模 统计建模
• 植物育种 植物育种

背景情况:

• 国家草草评估计划 (NTEP) 传统上使用视觉评估来进行草草品种试验,产生顺序数据.
• 现有的统计分析经常错误地应用假设间隔或比率数据的模型,导致品种比较的主观性和潜在错误.
• 存在对程序主观性的担忧,阻碍在不同测试地点进行客观的品种比较,并可能导致分析错误.

研究的目的:

• 解决传统草草评估程序中的主观性问题.
• 开发和介绍基于模型的方法,在多个地点进行客观的品种比较.
• 提高草草评估过程的监测和准确性.

主要方法:

• 审查了草皮草评估中的现有问题,并确定了主观性的来源.
• 开发了一个基于模型的方法,以尽量减少主观性,并使客观的比较.
• 与Stan一起利用贝叶斯框架来分析来自2017年NTEP肯塔基州蓝草试验的整体草皮质量评级.

主要成果:

• 拟议的模型允许估计额外的参数,包括类别值,评级严重性和场内空间变化.
• 与现有方法相比,实现了较好的种类媒介分离.
• 提供了更现实的标准偏差,提高了结果的精度.

结论:

• 新的模型提供了一个更客观,更可靠的方法来评估草皮草种类.
• 实施需要额外的数据,如评级者识别,试验布局和评级日期.
• 建议包括使用较小的试验或用于大型试验的多个评级场合,并雇用多个评级者以尽量减少主观性.