用户名: 密 码:
数据库:饲料效价评定另存文本打印浏览 【字体放大】 【字体还原】

日期20020617名称饲养试验的基本原则
副类别动物饲养试验方法类别饲料生物学效价评定方法
正文 饲养试验的基本原则

一般饲养试验的程序是:立题、查阅文献、崩定技术路线、拟定实施方案、拟定开题报告、论证、规范记录表格及统计分析方法;及时进行阶段试验小结、总结试验报告等。
饲养试验的目的,实质上是研究动物对试验日粮的反应程度,但即使在同样条件下的重复试验,其结果亦会有一定的差异。因此,在试验设计时,合理配置因素和水平,是减免试验误差,尤其是试验因素以外系统误差的重要措施。
  (一)试验设计的基本要求

  1.试验的代表性 试验材料(包括动物)应能代表总体(群体)水平,试验条件不仅力求结合当前生产实际,同时还应考虑小试验扩大后可能出现的问题,能反映将来推广试验结果所在地区的自然条件、饲料状况和管理水平等,以便在具体条件下应用。既要代表目前条件,同时还要看到某些技术将被采用的可能性。
  2.试验的正确性 正确性包括准确性和精确性。准确性是指试验结果是否接近于真值。由于真值是未知的,所以只能用样本的统计数来推断。精确性是指试验误差的大小,可用多次测定值的变异程度衡量。试验误差首先是试验材料本身固有的差异造成的变异,其次是由于在试验环境条件和操作过程中造成的误差。因此,准确性不等于精确性,但要获得高的准确性,必须首先提高精确性。用降低误差的办法,诸如增加重复、随机化、配对比较、区组设计等等,即可提高试验的精确性。
  3.试验的重演性 在相同的条件下进行相同的试验能否获得类似的结果,对于推广试验结果至关重要。为保证重演性,试验过程中要严格检查各种设施、条件,遵守操作规程,详细观察,准确记录,仔细核对,认真分析,对可疑数据进行必要的重复验证,以避免人为因素引起的误差。
  4.试验动物的均匀性 主要包括遗传背景、年龄、性别、胎次、体重、生理状态、健康状况等等。应使这些条件尽量相同或相近。
  5.排除干扰因素要有一定的预饲期 分期试验应合理设置间隔时期,实验日粮的内在质量应符合试验设计的要求后延效应的影响。
  (二)试验设计的原则

  试验设计的作用主要是估测处理效应,控制和估计试验误差,以便合理地统计分析,作出正确推断。一般只要把试验准备工作做得精细一些,由于试验动物、饲料种类、饲养管理条件所引起的系统误差,比较容易克服。而由个体特性不同、舍内小气候不一致、管理上的微小差异随机性所引起的偶然误差是难以完全消除的。为了尽量减少这类试验误差,提高试验的精确性,在试验设计中应遵循以下原则:
  1.重复 同一处理设置的试验单位数称为重复。一个试验单位的动物数可以是1头(只)动物,也可以是多头。重复增加,每重复内的头数可适当减少;反之,减少重复应相应增加每重复的头数。重复的最主要作用是估计试验误差,如果一批处理只有1个观察值,便无从求得差异,也就无法估计误差。误差的大小与重复次数的平方根成反比,故重复越多误差越小。但增加重复需较多的动物头数,由动物来源、环境和管理等不一致造成的误差反而会更大。重复的多少应视获取信息的手段、试验动物的质量以及要求达到的试验精确程度而做出相应的决择。一般误差自由度以6~12为宜。
  2.随机化 所谓随机化是将各试验单位的相关试验因子通过随机分配到各种处理中去,各组随机接受任何一种处理,使其不受任何主观因素的影响分配到各处理组中。随机化的目的是使偏差趋于相互抵消,即把系统误差转化为偶然误差。因此,重复与随机相结合,试验就能提供无偏的试验误差估计值。随机化的分配方法很多,以随机数字法较为常用。
  3.局部控制 试验设计应考虑采用各种技术措施,控制和减少处理因素以外其他各因素对试验结果的影响。增加重复可减少试验误差,但同时会加大系统误差,而随机化可将系统误差转化为随机误差。因此,采用分组之后在组内随机配置,即通过随机区组设计的办法可把系统误差分为组间(区组间)和组内(区组内)的系统误差。各组间系统误差条件基本一致,不会影响组间对比,而组内系统误差由组内随机配置转化为随机误差,并且实行区组内条件保持一致(或均等)的管理方法,即局部控制,可使随机误差尽量缩小。这样根据需要在各区组内设置重复,即使区组间差异增大,在区组内局部控制的精度可以保持不变。
  重复、随机化、局部控制,这3条原则由试验设计创始人R.A.Fisher(1954)提出过三者相互关联。根据这3条原则设计试验,配合适当的统计分析,就能得出可靠的试验结果。
  (三)试验设计中的一些共性问题

  1.因素与水平的选取 对试验结果有影响,在试验中被选中进行比较的那些原因称为因素。水平则是因素所处的条件或状况。二者综合为试验处理。根据试验中选取因素的个数,把试验分为单因素试验与多因素试验。
  (1)因素的选取方法:假定A、B2因素分别有3个和4个水平,:想知道其最佳组合,可以有3种设计:
  ①对因素A、B分别做单因素试验;
  ②对因素A、B做2因素试验;
  ③A、B 2因素的水平组合中,只做认为合适的部分组合。
  在单因素试验中, 比较A因素的3个水平时,B因素的水平固定在B。同理,比较B因素的4个水平时,A因素的水平固定在A。这样,随着A或B的不同,不仅结论不同,而且哪一个都不是真正的最佳组合。在2因素试验中,12个组合全部都做,故漏掉最佳组合的可能性不大。因而,在没有充分经验及可靠技术的前提下,水平组合构成的多因素试验比同时做几个单因素试验要好。但因素增加,水平组合数也加大,给试验的实施带来困难。为此,在整理过去已有经验和知识的基础上,采用只作部分组合的办法,应采用方法①和方法③,即等于作了多个水平的单因素试验。总之,因素的选取不仅与试验目的和经验有关,而且与试验规模、条件、设施等都有密切联系。因此,应以能否获得预期结果为前提。
  (2)水平的选取方法:如在试验中想尽可能多选取一些因素,而又不使试验规模过大时,则应考虑减少因素的水平数。通常选2个或3个水平,只有在特殊场合下才考虑取4个以上水平。超过5个水平时,试验组数增加,对试验的实施不利。水平梯度过窄,不易精确控制,效应差别不明显;水平梯度过宽,容易超出正常反应,漏掉最佳值。水平设置最普遍的做法是先宽后窄,即先进行预试验在水平较大的间隔下初步筛选,然后再缩小间隔精确确定。在多因素试验中,可将水平数错位配置,这样交互作用项的变化范围缩小,采用部分也容易实施。
  总之,因子、水平、重复、误差自由度和检验水准之间是相互制约的,最终的目的是既要使试验容易实施,又要使结果真实可靠。
  2.试验规模的确定 欲获得正确的饲养试验结果,在进行试验设计时,不仅要尽可能地排除处理因子以外的其他一切干扰因子的影响,还需有一定数量的重复组数和足够的试验动物总数。试验规模的大小取决于对试验精度的要求。精度要求低,动物可以少些,精度要求高,动物可以多些。而试验精度与最小显著差数、变异程度、误差自由度等密切相关。
  (1)最小显著差数:最小显著差数是2个平均数的差异达到显著水平的临界值。2个平均数之差大于、等于此临界值时,判断为差异显著;小于此临界值时,判断为差异不显著。进行试验设计时,首先要确定最小显著差数。然后,根据试验设计类型、重复的设置数及主要测试指标的变异程度来确定试验的规模。最小显著差愈小,表明试验愈精细,精度愈高;反之,则表明试验愈粗放,精度愈差。
  最小显著差数的大小,与试验动物的头(只)数、重复的设置数、试验指标的变异程度有关,其计算方法见式(5)和式(6)。不同试验对最小显著差的要求不同。在探索性试验中,大多根据可能得到的条件来安排试验,试验规模的大小很难划一,多则数十、数百只动物,少则几只、十几只,对最小显著差的大小也难作硬性规定,只要试验结果能反映出某种趋势,为进一步的研究提供必要的信息即可,至于差异是否显著,不必强求。对于中试或鉴定性试验,则必须首先确定最小显著差数的大小,使试验结果有一个可靠而明确的结论。中试或鉴定性试验最小显著差数的大小,依动物种类、试验的具体条件及特定的要求而定。一般情况下,对体重(包括日增重)、体尺等以绝对数表示的指标,其最小显著差数可用相对相差(差数占平均数的百分比)表示,通常以不超过5%为宜;像产蛋率、瘦肉率等,以百分数表示的指标,其最小显著差数可用绝对相差表示,通常以不超过3个百分点为宜。
  重址行个体重复和组重复之分。在处理以组为重复的前提下,每重复的样本含量可适当少些,在处理以个体为重复的情况下,样本数不应少于6。当然,这也与试验动物本身的生物学特性有关。
  (2)变异程度:最小显著差数与变异程度有关。变异程度越大,则试验误差越大,最小显著差也越大。变异程度通常用标准差(S)和变异系数(C.y)的计算公式如下:
         
   式中: X--观测值;
      x--观测值的平均数;
      n--重复数。
  吉田实(1984)指出,对体重、体尺等测定值,标准差的大小随平均数而变化,而变异系数则相对稳定。如一般家畜体重的变异系数为。12%左右,鸡为14%左右;消化率的标准差,草食动物为2.6%左右,鸡为3.7%左右,鸡产蛋率的标准差为7.5%左右(吉田实,1984)。将式(1)转化为式,(2)后,即可利用变异系数计算最小显著差数。
  (3)误差自由度:最小显著差数也与误差自由度(dfe)有关。 自由度越大,t0.05的值越小,最小显著差数也越小。所以,在试验设计时,如条件允许,应尽量加大误差自由度,通常以10~20为宜。误差自由度与试验设计方法有关:
完全随机化设计时:         dfe =k(n-1)    (3)
  式中:k--处理数;
     n-1--重复数。
随机区组设计时:          dfe = (a-1)(b-1)  (4)
  式中:a-1--处理数;
     b-1--区组数。
  在试验动物数一定的情况下,每重复内的动物数越少,则重复数越多,误差自由度越大。
  误差自由度小于5的试验,很难提供有意义的数据。不同试验的误差自由度计算有别,但均与处理个数和观察值的重复数有关。提高显著水准可减少由于误差自由度小的弊端,但同时也增大了重复数多,重复内动物数少而加大了误差自由度的缺点。因此,只有适当增大试验样本的含量,是降低试验误差,提高试验精确性的有效措施。
(4)试验动物总数的确定:最小显著差数、变异程度、误差自由度(反应‘值的大小)与试验动物头数之间的数量关系见公式(3)和(4)。知道任何三者,即可求得第四者。
            
   式中:LSD0.05--平均数绝对相差的最小显著差数;
     L0.05  --平均数相对相差的最小显著差数(其他符号的含义同前)。
  当每个重复组有m头(只)时,则应按如下公式换算为以个体为单位的标准差和变异系数:
              
  试验指标为产蛋率、瘦肉率等相对数值时,应用式(5),试验指标为体重、体尺等绝对指标时,应用式(6)。
  在随机区组试验中,当dfe =12,P=0.05和0.01的理论F值下降就减慢。因此,可以考虑以自由度不少于12作为决定重复数的基本依据,K为重复数,m为处理数,则:
K=12/(m-1) +1              (7)
  总之,因子、水平、重复、误差自由度和检验水准之间是相互制约的,不可片面强调一方。最终的目的是既要使试验容易实施,又妥使结果真实可靠。
  3.试验日粮的设计 试验目的不同,日粮设计的类型、组成以及营养水平均有所差异,这些差异会直接影响到试验结果。采用饲养试验评定饲料生物学效价时,大多需要配制基础日粮。为了研究方便,排除日粮组成中某些养分的等因素的干扰,有时还需要设计纯合或半纯合日粮。有些试验因子在不同的日粮类型或营养水平下会得出不同的试验结果。因此,对于这个问题必须客观地慎重考虑。在一定程度上日粮设计就是因子设计,既要考虑因子在日粮中所起的作用程度及其范围,又要避免人为因素的影响。例如,酶制剂的作用效果不但与动物的种类有关,而且与日粮构成密切相关。在鸡日粮中,植酸酶的添加水平和效果因基础日粮的构成和其中植酸酶含量不同变化很大。其次,抗生素在低营养水平日粮下比高营养水平下的使用效果更明显。又譬如,在评定蛋氨酸及其羟基类似物的生物学效价时,基础日粮中必须缺乏蛋氨酸。如果基础日粮中蛋氨酸已满足需要,那么很容易得出这2种产品的生物学效价相近的错误结论。实际上,在蛋氨酸严重不足的情况下,蛋氨酸羟基类似物的生物学效价只有蛋氨酸的50%左右。同时,传统的方差分析和直线回归分析会过高地估计氨基酸的生物学效价。只有选用缺乏氨基酸的基础日粮,并结
合曲线回归分析才能得出可靠的结论。
  4.测定指标的确定 测试指标的选取要以能客观反映试验因子作用的效果为前提,既要考虑针对性和灵敏性,又要考虑测试条件的局限性。通常选日增重、饲料转化率等容易测定的生产性能指标作为测定指标。而对于某些生理生化指标的选取则需要认真考虑,某指标与试验因子的因果关系,要紧扣试验目的,说明不了问题、没有针对性意义的指标则可以不选。就营养需要量而言,衡量指标不同,需要量有很大差别。所以,测试指标的选取并不是一成不变的,要根据多种条件综合考虑,才能得出客观的规律。
  5.数据的收集与整理 试验研究实质上就是按照设计方案进行试验,获取必要的数据,成功的试验研究,通过正确的整理、统计与分析来阐明论据。因此,数据是研究报告的核心,应注意以下几个方面:
  (1)保证记录的完整性和真实性。试验期间,应选用固定仪器设备,不要轻易更换。所用仪器设备要准确(应经常进行校验)。属于测试方法上的问题要及时纠正。采集样品及测量要严格按计划进行。同时,要真实纪录,严禁随意涂改或无原则地取舍数据。
  (2)记录的数据文件要妥善保管,最好一式2份分别存放并及时签署记录者及年月日。
  (3)对原始数据要及时整理计算。
  (4)对可疑数据应反复究其原因,全部保留异常值备查。确实以后,一般以平均数加(减)2倍标准差为限,可以将极大值或极小值根据统计学原理剔除或按缺值处理。
  (5)按试验设计方案进行统计分析,在得出差异显著或不显著之后,还有必要再观察数据的变化规律。有些试验表面看起来处理间数据差异较大,却得出差异不显著的结论,这时就要分析是否重复太少,或是组间差异超过了处理间差异。
  总之,生物统计是建立在生物学和统计学基础之上的,如果生物学本身的理论建立在不充分的基础上,即使再准确计算也毫无意义。反之,正确的理论也会由于不精确的计算而导致错误的结论。因此,在作出统计结论之后,还必须再在生产上加以验证才行,决不能轻率定论。
资料来源中国饲料数据库中心
负责人熊本海博士



copyright © 2016 动物科学与动物医学数据分中心
版权所有:中国农业科学院北京畜牧兽医研究所
维护制作:中国农业科学院北京畜牧兽医研究所畜牧信息中心