Q: 13,000个数据，15个测试点、3年观测试验、2个杂种优势组和132个家系。
A: 先进行单点分析：鉴别合适的空间误差模型、处理模型，然后合并这些模型。然后进行多点分析。
yld ~ mu trial
!r xfa1(trial).family
residual at(trial).ar1(row)ar1.(column)
from View topic - Multivariate Analysis | Forum | VSN International
Isik F, Holland J, Maltecca C (2017) Genetic data analysis for plant and animal breeding. Springer International Publishing
我们建议采用以下程序进行空间分析的模型选择，以考虑具有和不具有固定趋势效应的模型、随机区组项和复杂的R结构：
- 只拟合具有品种效应的基础模型;对照林地网格的行和列检查残差的图形小区，以了解林地趋势的潜在重要性。
- 使用随机区组拟合模型。这些可以包括完整和不完整的区组。
- 使用随机行和列项拟合模型。模型2和模型3不是嵌套的，但可以通过AIC或BIC进行比较（Kehel等人2010; Lynch和Walsh 1998）。如果在没有重复check小区的情况下实验具有有限的重复，则用户应该谨慎地拟合该模型。此步骤涉及拟合nr和nc效应，一个用于林地网格中的每一行和一列，这可能会导致过度拟合的模型。
- 拟合具有固定多项式趋势效应的模型（两个方向上最多四阶（Brownie等1993）。这个模型通常比模型3更简约，因为它最多拟合趋势的八个效应，也许可以在由于重复有限，模型3无法拟合的某些情况下使用（或者，将平滑样条拟合为固定效应以捕获行和列方向上的外来变化（Gilmour等1997）。模型4无法与模型2或3基于似然标准进行比较，因为它们的固定效应不同。然而，可以检查固定趋势项的F检验的显着性，并且可以基于残差误差方差，品种效应的F检验和成对品种比较的平均标准误差。选择对于品种F检验具有最高显着性的模型和最低成对品种平均比较标准误差。
- 将AR1
AR1 R结构添加到上一步中选择的最佳模型，并使用似然比检验测试该结构的显着性。空间相关性可能仅在一个方向上是重要的，这可以通过相关系数的大小和相关系数与其标准误差的比率来粗略地判断。在这种情况下，可以使用似然比检验拟合并测试具有AR1
- 在拟合R结构后，可以根据F测试重新检查固定趋势效应。或者，如果在步骤3中选择了随机行，列或区组结构，则可以使用比较步骤3和5中的模型的似然比测试来重新测试它们。如果不重要，则可以删除它们以获得最终的简约模型。
