动物饲养试验方案的拟定及设计原则
作者：金玲　发表时间：2009-7-23 15:21:57　访问次数：3294
1 动物饲养试验方案的拟定及设计原则
1.1 饲料企业进行动物试验的目的及动物试验的特点
1.1.1 目的  饲料企业常需要进行动物饲养试验，通过试验的研究来揭示和掌握动物生长发育规律及这些规律与饲料营养、饲养管理和环境条件等的相互关系，从而筛选出最佳的饲料配方、饲养管理方法和技术措施，以进一步提高企业产品质量和销量，取得更大的经济和社会效益。
1.1.2 特点
1.1.2.1 试验的干扰因素多  试验动物本身存在差异，如在同一试验中应保持供试动物均匀一致，但生产中很难选择到遗传来源一致，年龄、体重、性别相同的动物进行试验；自然环境存在差异，如温度、湿度、光照、通风等很难完全控制一致；饲养管理条件存在差异，如在试验过程中的管理方法、饲养技术、畜舍笼位的安排等容易存在差异；操作技术上存在差异，如实验人员在对试验指标进行测量和记录时，因时间、人员和仪器等不完全一致而存在差异；另外一些偶然因素如疾病的侵袭,饲料的不稳定都会给试验带来干扰。
1.1.2.2 试验具有复杂性  动物试验中所研究的试验对象都有自己的生长发育规律和遗传特性,并与环境、饲养管理等条件密切相关，这些因素之间又相互影响，相互制约，共同作用于供试对象，因而需要经过不同条件下的一系列试验才能获得比较正确的结果。
1.1.2.3 试验周期长  动物完成一个生活世代的时间较长，特别是大动物 、单胎动物、具有明显季节性繁殖的动物更为突出。例如进行动物遗传育种试验，有的需要几年时间才能完成整个试验。
1.2 试验计划的内容
1.2.1 课题名称与试验目的  在确定课题名称前研究人员应明确为什么要进行这项科学研究，拟解决什么问题，以及在科研和生产中的作用、效果等。选题时应遵循实用性、先进性、创新性和可行性四点要求。
1.2.2研究依据、内容及预期达到的技术经济指标  课题确定后，阐明项目的研究意义、理论依据、国内外在该领域的研究概况。详细说明项目的具体研究内容和重点解决的问题，以及取得成果后的应用推广计划，预期达到的技术经济指标等。
1.2.3试验方案和试验设计方法  试验方案是全部试验工作的核心，主要包括研究的因素、水平的确定等。方案确定后，结合试验条件选择合适的试验设计方法。
1.2.4供试动物的数量及要求  试验对象选择正确与否，直接关系到试验结果的正确性。尽量避免个体间的生物差异，以减少对试验结果的影响。
1.2.5试验记录的项目与要求  根据试验目的，事先以表格的形式列出需观测的指标与要求，详细地记录各方面资料。
1.2.6试验结果分析与效益估算  试验结束后，对各阶段取得的资料进行整理与分析，明确采用统计分析的方法。如试验效果显著，应计算经济效益。
1.2.7已具备的条件和研究进度安排  已具备的条件包括过去的研究工作基础或预试情况，现有的主要仪器设备，研究技术人员及协作条件，从其他渠道已得到的经费情况等。
1.2.8试验所需的条件  除已具备的条件外，本试验尚需的条件，如经费、材料、仪器设备的数量和要求等。
1.2.9研究人员分工  以学历、职称较高并有丰富专业知识和实践经验的人员担任主持人或主研人，高、中、初级专业人员相结合，老、中、青相结合，以保持试验的连续性、稳定性和完整性。
1.2.10试验的时间，地点和工作人员  试验的时间，地点要安排合适，工作人员要固定，并参加一定培训，以保证试验正常进行。
1.2.11成果鉴定及撰写学术论文
1.3 试验方案的拟定
试验方案是根据试验目的与要求而拟定的进行比较的一组试验的总称，同一个试验可选用几种方法进行预试验，最后确定一个最合适的方法。根据供试因素的多少一般可分为以下两种：
1.3.1 单因素试验方案  是指整个试验中只比较一个试验因素的不同水平的试验。
1.3.2 多因素试验方案  是指在同一试验中同时研究两个或两个以上试验因素的试验。
1.4 试验设计的基本原则
    由于动物试验具有上述特点，为了保证试验的质量，在试验中应尽可能地控制和排除非试验因素的干扰，合理地进行试验设计，提高试验的可靠程度，因此对试验设计有以下几点要求：
1.4.1 试验要有代表性   生物学代表性：要求研究对象的品种、个体具有代表性。如进行品种的比较试验时，所选择的个体必须能代表该品种，不选择性状特殊的个体，同时确定适当的试验动物数量；环境条件代表性：要求试验环境条件与将来推广试验成果地区的自然和生产条件基本一致。如气候、饲料、饲养管理水平及设备等。
代表性决定了试验结果的可利用性 ，一个试验如果没有充分的代表性，再好的试验结果也不能推广和应用，就失去了实用价值。     
1.4.2 试验要有正确性 
    试验的正确性包括试验的准确性和试验的精确性。在进行试验的过程中，应严格执行各项试验要求，将非试验因素的干扰控制在最低水平，以避免系统误差，降低试验误差，提高试验的正确性。
1.4.3 试验要有重复性
    重复性是指在相同条件下，重复进行同一试验，能够获得与原试验相类似的结果，即试验结果必须经受得起再试验的检验。     
    由于试验受供试动物个体之间差异和复杂的环境条件等因素影响，不同地区或不同时间进行的相同试验，结果往往不同，即使在相同条件下的试验，结果也有一定差异。因此，为了保证试验结果的重复性，必须认真选择供试动物，严格把握试验过程中的各个环节，在有条件的情况下，进行多次或多点试验，这样所获得的试验结果才具有较好的重复性。
2 利用EXCEL软件进行动物试验数据分析
2.1 Excel相关功能安装  Excel 2003数据分析功能的安装分为两种情况：电脑中未安装Excel 2003的用户仅需在安装Office软件时选择“完全安装”即可；电脑中已经安装Excel 2003，且为“典型安装”的用户需要安装Excel扩展功能，操作方法如下：
选择“工具”-“加载宏”， 把“分析工具库”前打勾后，放入Office安装盘，确定后即可加载。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项。
2.2 利用EXCEL数据分析工具进行方差分析
2.2.1单因素随机分组试验
例：某饲料企业为了比较5种不同配合饲料对猪的饲喂效果，选取了条件基本相同的仔猪25头，随机分成5组，投喂不同饲料，经30天试验后，各组的增重结果列于表1。本试验为5个水平的单因素试验，5种不同的饲料构成5种处理水平。
表1  5种不同饲料饲养仔猪增重情况
组别
净增重 (kg)
合计
组1
8
13
12
9
9
51
10.2
组2
7
8
10
9
7
41
8.2
组3
13
14
10
11
excel求和的三种方法12
60
12.0
组4
13
9
8
8
10
48
9.6
组5
12
11
15
14
13
65
13.0
合计
 
x.. =265
 
 
2.2.1.1 分析步骤：
①将数据录入Excel新建工作表中，横行录入组别，纵行录入相应的净增重值，反之亦可。
②利用数据分析工具进行方差分析。选择“工具”--“数据分析”，在弹出的对话框中，单击“方差分析：单因素方差分析”按“确定”。再在出现的“方差分析：单因素分析”对话框“输入区域”中选择数据区域；在分组方式中根据输入数据情况选择“行”或“列”；在“α(A)”框中输入需要用来计算F统计临界值的置信度(0.05或0.01)，本例分两次分别输入0.01和0.05；在“输出选项”中，选定要粘贴计算结果的位置。本例在“输出区域”中选定为A14单元格。单击“确定”，就得到增重方差分析表（见表2、表3）。
 
表2  不同饲料饲养仔猪试验方差分析表（α(A)=0.05）
 
组
观测数
求和
平均
方差
 
 
列 1
5
51
10.2
4.7
 
 
列 2
5
41
8.2
1.7
 
 
列 3
5
60
12.0
2.5
 
 
列 4
5
48
9.6
4.3
 
 
列 5
5
65
13.0
2.5
 
方差分析
 
 
 
 
 
 
差异源
SS
df
MS
F
P-value
F crit
组间
73.2
4
18.30
5.8280
0.0028
2.8661
组内
62.8
20
3.14
 
 
 
总计
136.0
24
　
　
　
　
 
其中：SS为平方和；df为自由度；MS为均方；F为F值；P- value为P值；F crit为F0.05(4,20)时临界F值。
表3  不同饲料饲养仔猪试验方差分析表（α(A)=0.01）
方差分析
 
 
 
 
 
 
差异源
SS
df
MS
F
P-value
F crit
组间
73.2
4
18.3
5.8280
0.0028
4.4307
组内
62.8
20
3.14
 
 
 
总计
136
24
　
　
　
　
 
其中：F crit为F0.01(4,20)时临界F值。
2.2.1.2结果分析： 由表2和表3知得出结论，即F=5.8280>F0.01(4,20)=4.4307，即P<0.01。这表明5种饲料饲喂的仔猪平均净增重间的差异达到1%极显著水平。
F测验中F值仅表明试验中各处理平均数间存在着是否显著或极显著差异，但并不意味着每两个处理平均数间的差异都显著或极显著。Excel暂时还无法提供相关的数据分析工具。但借助Excel对上述数据的初步处理，可以方便地进行LSD法(最小显著差数法)、LSR法(最小显著极差法)等进行多重比较，以判定两两处理间的差异显著性。
2.2.1.3 LSD法(最小显著差数法)
2.2.1.3.1 基本原理  在F检验显著的前提下，先计算出显著水平为α的最小显著差数（LSDa ），然后将任意两个处理平均数的差数的绝对值与其比较。若大于LSDa，则在α水平上差异显著；反之，则在α水平上差异不显著。
2.2.1.3.2 计算公式   
其中：
----F检验中误差自由度下，显著水平为α的临界t值；
----均数差异标准误；
----处理内自由度，本例其值为20；
----处理内均方，本例中其值为3.14；
----各处理的重复数，本例中其值为5。
查t值表，得：
t0.05(dfe) =t0.05(20)  =2.086
t0.01(dfe)  =t0.01(20)  =2.845    代入公式得：
2.2.1.3.3  多重比较结果如表4。
表4  五种饲料平均增重的多重比较表(LSD法)
不同饲料
平均数
平均数-8.2
平均数-9.6
平均数-10.2
平均数-12
列 5
13
4.8**
3.4**
2.8*
1
列 3
12
3.8**
2.4*
1.8
 
列 1
10.2
2
0.6
 
 
列 4
9.6
1.4
 
 
 
列 2
8.2
 
 
 
 
 
说明:将各处理平均数由大到小从上而下排列，然后分别求两两之间的差值。然后将两两平均数差值与LSD0.05和LSD0.01比较，小于LSD0.05的为不显著,在差数的右上方标记“ns”，或不标记符号；介于LSD0.05与LSD0.01 之间的为显著，在差数的右上方标记“*”；大于LSD0.01 的为极显著，在差数的右上方标记“**”。
2.2.1.3.4 结论  饲料5对猪的增重效果极显著大于饲料2、饲料4，显著大于饲料1，与饲料3差异不明显；饲料5对猪的增重效果最好。
2.2.1.4        LSR法（最小显著极差法） 是另一种多重比较方法；LSR法在判定显著性时更加严格，LSR法判定为显著差异时，用LSD法必然也为显著差异，反之则不一定；一般在多重比较中两者显著性关系事关重大或后果严重时应采用更加严格的LSR法。
2.2.2 无重复双因素试验
双因素试验资料的方差分析是指对试验指标同时受两个试验因素作用的试验资料的方差分析。这种试验根据各处理的观测值有无重复分为无重复双因素试验和有重复双因素试验两种类型，本文仅介绍前一种。
    例：为研究某饲料添加剂对不同品系仔猪体重增加的影响，选取了4窝不同品系条件基本相同的仔猪，每窝3只，随机在饲料中添加三种不同剂量的添加剂，然后在相同条件下试验，30天后，各品系仔猪增重情况表5。
表5 各品系仔猪添加不同剂量饲料添加剂后增重情况(kg)
品系(A)
添加剂添加量(g/kg)(B)
合计
平均
B1(0.2)
B2(0.4)
B3(0.8)
A1
10.6
11.6
14.5
36.7
12.23
A2
4.2
6.8
11.5
22.5
7.50
A3
7.0
11.1
13.3
31.4
10.47
A4
4.2
6.3
8.7
19.2
6.40
合计
26.0
35.8
48.0
109.8
 
平均
6.50
8.95
12.00
 
 
 
2.2.2.1 分析步骤
①参照上表将数据录入至Excel新建工作表中。
②选择“工具”--“数据分析”，在弹出的对话框中，单击“方差分析：无重复双因素分析”按“确定”，其它操作同2.2.1.1，本例α(A)值只分析0.01情况。
表6 各品系仔猪添加不同剂量饲料添加剂后增重情况方差分析表（α(A)=0.01）
SUMMARY
观测数
求和
平均
方差
行 1
3
36.7
12.23
4.1033
行 2
3
22.5
7.50
13.6900
行 3
3
31.4
10.47
10.2233
行 4
3
19.2
6.40
5.0700
列 1
4
26.0
6.50
9.2133
列 2
4
35.8
8.95
7.7633
列 3
4
48.0
12.00
6.3600
方差分析
 
 
 
 
 
 
差异源
SS
df
MS
F
P-value
F crit
行(品系)
64.5767
3
21.5256
23.7706
0.0010
9.7795
列(剂量)
60.7400
2
30.3700
33.5374
0.0006
10.9248
误差
5.4333
6
0.9056
 
 
 
总变异
130.7500
11
 
 
 
 
 
2.2.2.2 结果分析  因为A因素（即品系因素）的F值23.7706＞F0.01(3,6)=9.7795，P＜0.01，说明不同品系间仔猪增重差异极显著；B因素（即添加剂剂量因素）的F值33.5374＞F0.01(2,6)=10.9248，P＜0.01，说明添加剂剂量效应差异极显著。这表明不同品系和相同添加剂的不同添加剂量对仔猪增重均有极显著影响。
2.3 应用数据分析功能进行回归分析
回归分析是饲养试验中经常使用的统计分析，通过这种分析以判断变量间的相互因果关系。运用Excel数据分析中的 “回归”工具，可以方便地进行一元回归分析。
例：在四川白鹅的生产性能研究中，得到如下一组关于雏鹅初生重（g）与70日龄重（g）的数据，试进行回归分析。
    表7  四川白鹅雏鹅初生重与70日龄重测定结果  （单位：g）
编号
1
2
3
4
5
6
7
8
9
10
11
12
雏鹅初生重(x)
80
86
98
90
120
102
95
83
113
105
110
100
70日龄重(y)
2350
2400
2720
2500
3150
2680
2630
2400
3080
2920
2960
2860
2.3.1  分析步骤：
①将数据录入至Excel新建工作表中，横行录入编号、雏鹅初生重、70日龄重，纵行录入相应观察值。
②选择“工具”--“数据分析”，在弹出的对话框中，选取“回归”命令栏后按“确定”。再在出现的“回归”对话框“输入区域”中分别选取Y值（70日龄重）和X值（雏鹅初生重）；在“α(A)”框中输入需要用来计算F统计临界值的置信度(0.05或0.01)，本例输入0.01；在“输出选项”中，选定要粘贴计算结果的位置。本例在“输出区域”中选定为A16单元格。在“残差”栏中勾选“线性拟合图”，单击“确定”，就得到回归分析结果。
图1  线性拟合图
表8  四川白鹅雏鹅初生重与70日龄体重测定结果相关及回归分析结果
 
Coefficients
标准误差
t Stat
P-value
Lower 95%
Upper 95%
下限 99.0%
上限 99.0%
Intercept
582.18
147.32
3.95
0.0027
253.95
910.42
115.30
1049.07
X Variable 1
21.71
1.48
14.62
4.47E-08
18.40
25.02
17.01
26.42
 
回归统计
 
 
Multiple R（相关系数）
0.9774
 
 
R Square （决定系数）
0.9553
 
 
Adjusted R Square
0.9509
 
 
标准误差
60.9525
 
 
观测值
12
 
方差分析
 
 
 
 
 
 
df
SS
MS
F
Significance F
回归分析
1
794339.5994
794339.5994
213.8076
4.4666E-08
残差
10
37152.0672
3715.2067
 
 
总计
11
831491.6667
 
 
 
 
2.3.2 结果分析：
①线性预测：根据线性拟合图Y值的散点分布，初步判明四川白鹅的70日龄重与雏鹅初生重存在着线性关系。
②建立直线回归方程：回归方程的截距α=582.18，斜率(即回归系数)b=21.71，回归方程为y=582.18+21.71x，表明雏鹅每增加1g，70日龄平均重增加21.71g；
③回归统计结果分析：相关系数r=0.9774，决定系数R2=0.9553，观测值（样本个数）=12；
④直线回归的偏离度估计：Syx=60.9525，表明当利用上述回归方程y=582.18+21.71x由四川白鹅的雏鹅初生重估计70日龄重时，离回归标准误为60.9525g
⑤回归关系显著性F检验：F值=213.8076>F0.01(1,10)=10.0490（查F值表），概率值P=4.4666×10-8<0.01，表明四川白鹅70日龄重与雏鹅重间存在着极显著的直线关系。
⑥回归系数显著性t检验：t=14.6222>t0.01(10)=3.1690(查t值表)，P<0.01，表明四川白鹅70日龄重与雏鹅重间存在着极显著的直线关系，可用所建立的直线回归方程来进行预测和控制。在生产实践中可作为早期饲养筛选的依据。
⑦回归截距和回归系数的置信区间：回归截距α的95%和99%置信区间分别为 [253.96,910.40]和[115.34,1049.024]，这说明在研究雏鹅重与70龄重的关系时，总体回归截距α在[253.96,910.40]区间内，其可靠度为95%；在[115.34, 1049.024]区间内，其可靠度为99%；回归系数β的95%和99%置信区间分别为：[18.40,25.02]和[17.01,26.42]，这说明雏鹅初生重和70日龄重的总体回归系数β在[18.40,25.02]区间内，其可靠度为95%；在[17.01, 26.42]区间内，其可靠度为99%。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。