《Horticulturae》：Postharvest Disease Control Experiments: Challenges on Statistical Methodologies
Aline de Holanda Nunes Maia,
Adriane Maria da Silva,
Itala Suzana Oliveira Silva and
Daniel Terao
编辑推荐：
在采后病害（postharvest disease, PHD）防控实验中，常出现同一处理的所有重复观测值完全相同的情况，导致一个或多个处理观测方差为0，这类数据被称为具有零方差模式的数据。此类数据模式明显违反经典参数统计模型的假设，且在植物病理学研究中常被忽视
在采后病害（postharvest disease, PHD）防控实验中，常出现同一处理的所有重复观测值完全相同的情况，导致一个或多个处理观测方差为0，这类数据被称为具有零方差模式的数据。此类数据模式明显违反经典参数统计模型的假设，且在植物病理学研究中常被忽视，从而造成推断不当。针对果树采后病害的活体实验涉及多种随时间变化的响应变量，包括二元、离散和连续数据，需采用不同的概率分布进行恰当的统计建模。实验通常采用完全随机设计（completely randomized design, CRD），以单果为实验单元，在由寄主-病原系统决定的时间间隔（t，天）内进行评估。病害进展通常通过发病率、严重度（采用离散分级或平均病斑直径，mean lesion diameter, MLD）以及病害进展曲线下面积（area under the disease progress curve, AUDPC）来量化。在采后病害数据集中，处理防效过高或过低会导致所有重复的观测值为零或最大值，从而形成零方差模式，使得一般线性模型（general linear model, GLM）不再适用。在此条件下，需采用替代性的非参数方法或置换检验，包括对发病率采用Fisher精确检验，对严重度或AUDPC采用非参数对比检验。本研究旨在推动更合适的统计推断方法在采后病害实验数据分析中的应用。
研究背景方面，采后病害防控实验的数据分析长期存在统计方法误用的问题。由于处理防效极高或完全无效，常出现所有重复的发病率、严重度及AUDPC均为相同极值的情况，形成零方差模式。这种模式会破坏方差—协方差矩阵的可逆性，导致广义线性模型无法拟合。此外，不同处理的方差齐性假设也常被违反，传统方差分析和基于卡方的方法因此失效。研究人员指出，采后病害实验涵盖二元、离散和连续等多种数据类型，需要匹配相应的概率分布，而现有分析往往忽视这些差异，造成科学结论偏差甚至管理决策失误。该研究发表于《Horticulturae》，旨在针对零方差模式提出适用的统计推断替代方案，并通过案例验证其有效性。
关键技术方法方面，研究人员选取了四个真实采后病害实验数据集，分别来自巴西Embrapa Meio Ambiente实验室的番木瓜炭疽病防控、柑橘酸腐病防控及番石榴炭疽病防控实验，均采用完全随机设计，单果为实验单元。统计分析方法包括：针对无零方差模式的二元发病率数据采用二项分布模型与卡方检验；对存在零频率或期望频数小于5的情况改用Fisher精确检验；对连续型严重度指标（MLD、AUDPC）在无零方差且满足方差齐性时采用一般线性模型与t检验，否则采用非参数对比方法（如非参数版本的Dunnett检验）。分析工具主要为SAS 9.4与R 4.5.2，其中非参数多重比较使用nparcomp包实现。
研究结果部分，首先在2.1节二元变量：病害发病率中，案例2.1.1显示，当各处理发病与不发病频数均不小于5时，二项分布模型与Wald卡方检验可有效比较不同处理间的发病率差异，研究发现UV-C辐射与牛至油活性成分乳液的单独或联合处理均可显著降低番木瓜炭疽病发病率约75%。案例2.1.2则因连续UV-C处理组发病率为0，形成零方差模式，卡方方法不适用，改用单侧Fisher精确检验，结果显示连续UV-C显著抑制柑橘酸腐病，而调制频率的UV-C因样本量较小未达显著水平。其次在2.2节连续变量：平均病斑直径（MLD）与AUDPC中，案例2.2.1无零方差模式，经Levene检验确认方差齐性后，一般线性模型分析表明，单独或联合处理均显著减少番木瓜病斑直径与AUDPC，降幅分别为约60%与75%。案例2.2.2中，30 Hz/45 s与45 Hz/30 s的UV-C处理在所有重复中均未产生可见病斑，形成零方差模式，研究人员采用非参数单侧Dunnett检验，证实这两组处理的MLD与AUDPC均显著低于对照组，防效达到100%。
讨论与结论部分，研究人员强调，采后病害实验数据分析应严格遵循统计假设检验，避免因零方差模式或方差不齐而误用普通线性模型。非参数方法与精确检验能有效克服传统方法的计算限制，提高推断可靠性。同时，针对多重比较的I类错误控制，研究人员建议在必要时采用Bonferroni、?idák或Holm校正，但需权衡统计功效的下降。对于离散分级的严重度数据，若不满足正态假设，可改用多项分布模型分析。未来研究将扩展到纵向数据与多变量建模，以更全面地刻画病害随时间的演变规律。研究最终表明，针对不同数据结构选用匹配的统计方法，是确保采后病害防控实验结果科学可靠的关键，相关分析代码已公开于补充材料，便于推广应用于非统计学背景的研究人员。
