區域試驗多性狀產量指標之穩定性分析

研究報告

80

區域試驗多性狀產量指標之穩定性分析

史凱萱

1

_、陳凱儀

1

_、呂秀英

2

_、呂椿棠

2

_、周國隆

3

_、劉力瑜

1,

_*

1_{國立臺灣大學農藝學系} 2 _{行政院農業委員會農業試驗所} 3_{行政院農業委員會高雄區農業改良場作物改良課}

摘要

作物區域試驗資料之穩定性分析，係探 討 作 物 品 系 在 不 同 環 境 下 是 否 具 有 穩 定 表 現。傳統的穩定性分析方法，僅針對單一性 狀，尤其是收穫產量；然而作物品種改良， 有 可 能 同 時 考 量 諸 多 性 狀 作 為 品 種 選 拔 基 準。因此，本研究以毛豆區域試驗17 個性狀 資料為分析實例，提出利用多變數統計方法 之集群分析與因素分析，先針對多個性狀進 行篩選並建立綜合指標後，再進行穩定性分 析。結果顯示，運用集群分析篩選出毛豆 10 個穩健性狀，該等性狀經由因素分析擷取出 可分別解釋株型、經濟產量及能量分配之三 個因素，以其中經濟產量因素之得點為例進 行直線回歸穩定性分析，得以選拔出符合育 種目標下具有優良表現且穩定之品系。 關鍵詞︰區域試驗、穩定性分析、多變數分 析、集群分析、因素分析。

Stability Analysis of Yield Indices for

Multiple Traits in Regional Trials

Kai-Hsuan Shih1_{, Kai-Yi Chen}1_,

Hsiu-Ying Lu2_{, Chun-Tang Lu}2_,

Kuo-Lung Chou3 _{and Li-yu D Liu}1,_* 1 _{Department of Agronomy, National Taiwan}

University, Taipei 10227, Taiwan ROC

2 _{Taiwan Agricultural Research Institute, Wufeng}

District, Taichung City 41362, Taiwan ROC

3 _{Crop Improvement Section, Kaohsiung District}

Agricultural Research and Extension Station, Changjhih, Pingtung Hsien 90846, Taiwan ROC

ABSTRACT

The stability analysis traditionally investigates the stability of yield for a crop grown in multiple environments. However, in some crop breeding programs, multiple traits are simultaneously considered and it is desired to analyze the data using multivariate statistics. In this study, we proposed to select robust traits by cluster analysis and to generate a composite index for all selected traits by factor analysis; the composite index was then subject to regular stability analysis. Our methodology had been practiced on vegetable soybean regional trial data with records of 17 traits. The results showed that cluster analysis identified ten robust traits and factor analysis extracted three factors representing plant type, economic value, and energy partition of the crop, respectively. We used the scores of economic-value factor to perform linear regression stability analysis and had demonstrated that the stable varieties that mostly achieve the specific breeding objective had been selected.

Key words: Regional trials, Stability analysis, Multivariate data analysis, Cluster analysis, Factor analysis.

前言

在作物育種程序中，利用區域試驗資料 進行穩定性分析(stability analysis)，可了解 候選品系的產量在不同環境下是否能穩定表 現良好。國內育種計畫最常使用的穩定性分 析法，包含Finlay and Wilkinson (1963)、 Eberhart and Russell (1966)、Perkins and Jinks (1968) 等，均係利用直線迴歸(linear

* 通信作者, [email protected] 投稿日期：2014 年 4 月 3 日 接受日期：2014 年 5 月 14 日

作物、環境與生物資訊 11:80-87 (2014)

Crop, Environment & Bioinformatics 11:80-87 (2014) 189 Chung-Cheng Rd., Wufeng, Taichung 41362, Taiwan ROC

多性狀產量指標穩定性 81

regression)進行穩定性分析(Chen and Kuo 2002a, Lu 2004, Hwu and Liu 2013)。近年來 多變數分析(multivariate analysis)亦廣為應 用於區域試驗，透過解構產量的品系與環境 交 感 效 應 之 主 成 分(principle components; PCs)，探討品系在不同環境間的穩定性或適 應性，其中 AMMI (additive main effects and multiplicative interaction)模式與 GGE (Genotype plus Genotype x Environment) 模式均屬此類(Zobel et al. 1988, Shafii et al. 1992, Shafii and Price 1998, Chen and Kuo 2002b, 2003)。 直線迴歸、AMMI 模式、GGE 模式等穩 定性分析法均針對區域試驗的單一性狀(尤 以產量為主)，然而產量為數量遺傳性狀，總 產量常由數個產量構成要素運算而來。另在 某些作物品種選拔過程中，育種目標不僅只 在最終收穫產量，還包括其他產量相關之重 要性狀。以毛豆區域試驗資料為例，一般視 為最終產量之合格莢重是由總莢重與合格莢 率的乘積而得，合格莢率與總莢重亦是經由 其他觀察到之農藝性狀線性組合而成，性狀 間常有高度相關；適當的植株高度，則有利 於機械採收，也是毛豆品種改良的重要選拔 性狀。一旦同時考量諸多性狀作為品種選拔 基準時，上述單一性狀之穩定性方法就有所 侷 限 。 因 此 ， 本 研 究 提 出 利 用 集 群 分 析 (cluster analysis) 與 因 素 分 析 (factor analysis)兩種多變數統計方法，先解構產量 構成性狀間的相依性，以建立可同時代表多 個性狀的產量指標，然後再以此產量指標進 行Finlay and Wilkinson 穩定性分析。本法

有別於 AMMI 與 GGE 模式以多變數統計法 解構品系與環境交感之主成分來探討單一性 狀之穩定性，而是同時著眼於分析多個性狀 之穩定性。最後，本文並以 2008 年至 2010 年 13 個品系(種)於不同期作與地區的毛豆區 域試驗多性狀資料之實例，來說明本法在穩 定性分析上的應用性，以供區域試驗品種選 拔之參考。

材料與方法

本研究以毛豆區域試驗為分析實例，首 先將多個產量性狀以集群分析進行相似性分 群，並描述各個分群的特徵，藉此探討性狀 間的相依性，以利縮減性狀變數；再將縮減 後多個變數利用因素分析決定出少數幾個具 代 表 性 的 因 素 ， 並 計 算 出 因 素 得 點(factor score)。；最後將因素得點作為性狀綜合指 標，以Finlay and Wilkinson 穩定性分析法 對該指標進行穩定性分析。分析程序、相關 方法及分析材料詳述如下： 一、集群分析 集群分析將各個性狀(變數)依據其距離 遠近分群。距離的計算分為「群內距離」與 「群間距離」，群內距離用以計算變數間的距 離或相似性，而群間距離則用以判斷群與群 之間的關係。本研究中使用(1 – r) / 2，代表 群內距離，其中 r 為兩性狀(變數)間的相關 係數(coefficient of correlation)。由於產量相 關性狀的資料之值域及測量單位可能各不相 同，須採用相關係數得以相同的尺度計算變 數間的距離，並且可一併提供變數間的相關 性資訊(Everitt 2011)。而本研究採用之群間 距離計算方法為華德法(Ward’s method)與 非加權成對分群法(unweighted pair-group method using the average approach; UPGMA)。華德法定義合併兩群的標準為使 群內的變異最小，符合歸類在同一群者性質 相似的期望，且有不易受到離群值影響之優 點 (Everitt 2011)。而 UPGMA 則是將兩群內 任兩兩變數組合之距離的平均值定義為群間 距離，具有容易計算的優點，也常見於育種 與分子領域之集群分析；然使用UPGMA 之 資 料 ， 必 需 符 合 分 子 鐘 假 說(molecular clock)，亦即假定演化的速率為一定值，不隨 著時間或狀況改變(Felsenstein 1988)。 本研究集群分析是使用 R 軟體 pvclust 套件的pvclust 函式進行運算，此函式是利用 二 階 多 尺 度 拔 靴 法(two-step multiscale

82 Crop, Environment & Bioinformatics, Vol. 11, June 2014 bootstrap resampling)，多次改變樣本數量 進行集群分析，以計算出分群結果的拔靴法 概度(bootstrap probability; BP)與 BP 之無偏 估 機 率 值 (approximately unbiased probability; AU)，來代表分群的穩健程度 (Suzuki and Shimodaira 2006)。各群所估得

之 BP 定義為重複進行集群分析之結果中同 樣獲得該群的比例，而AU 代表該 BP 值在不 同拔靴條件下無偏估的機率，兩者值域均介 於0 與 1 之間；BP 值越高，表示在不同拔靴 樣本中獲得同群的機率越大，亦即該分群結 果越穩健，而AU 越大代表其對應之 BP 值估 計的正確率越高。 二、因素分析 因素分析將各個變數進行線性轉換，以 探 索 隱 藏 在 各 個 性 狀 後 的 共 同 重 要 因 素 (Johnson and Wichern 2007)。本研究分析多 個產量相關性狀，可以將原本的多性狀用擷 取出的因素(factor)替代作為新的產量指標。 本 研 究 採 用 之 因 素 分 析 方 法 為 主 成 分 法 (principal component method)，分析過程是 計 算 出 變 數 之 相 關 矩 陣 的 特 徵 值 (eigenvalue)與特徵向量(eigenvector)後，利 用 陡 坡 圖 (scree plot) 或 最 大 概 度 法 (maximum likelihood)決定因素個數，並由 每個變數在因素內所佔的權重(weight)或因 素負荷(factor loading)來討論因素的生物意 義(Johnson and Wichern 2007)。各樣本(品 種) 於 每 個 因 素 獲 得 的 分 數 稱 為 因 素 得 點 (factor score)，而本研究中採用 Bartlett 法得 點 (Bartlett score)取得各樣本(品種)的因素 得點，因其在計算因素得點時皆具有較高的 效 率 ， 且 估 計 值 為 無 偏 估 值(Bartlett 1937, Thomson 1938)。本研究因素分析是使用 R 軟體stats 套件的 factanal 函式進行運算。

三、Finlay and Wilkinson 穩定性分析

於進行穩定性分析之前，宜先針對產量 性 狀 或 指 標 進 行 綜 合 變 方 分 析(combined analysis of variance)，確認基因型與環境的 交感效應存在，若交感效應不存在，在實際 選拔品種時，可以直接使用該指標或產量平 均值作為選拔基準，而不需要再進行穩定性 分析(Hwu and Liu 2013)。當基因型與環境 交感存在，且基因型與環境交感之直線線性 關係存在時，得以進行Finlay and Wilkinson 穩定性分析。

Finlay and Wilkinson 穩定性分析法是 將每個環境下所有品種的產量平均值視為環 境指標 (environment index)，各品種在不同 環境之產量對環境指標作迴歸分析，其所得 的 回 歸 係 數 b 作 為 穩 定 性 係 數 (stability coefficient)，用以判定該品種的穩定性；當 b 越接近1，代表該品種產量具有農業穩定性。 由於作物育種通常以培育穩定而高產品種為 主要目的，允許穩定品種對環境有可預測的 固定反應，此基因型對環境改變的變化速率 符合農業上的需求(Chen and Kuo 2002a, Lu 2004, Hwu and Liu 2013)。

四、分析材料

本研究分析實例為2008 年至 2010 年種 植於屏東縣萬丹鄉與美濃鎮兩個地點之春秋

兩期作下各 13 品系(種)之毛豆區域試驗性狀

資料，每一地區期作均採逢機完全區集設計 (randomized completed block design)，4 重 複( 區 集 ) ， 調 查 性 狀 包 含 植 株 高 度 (plant height，以 height 簡稱)、結莢高度(podding height，以 height.pod 簡稱)、分枝數(branch number，以 branch 簡稱)、主莖節數(node number of main stem，以 nodes 簡稱)、植 株鮮重(plant fresh weight，以 weight 簡 稱)、單粒莢重(weight of one-seeded pods， 以 w.pod.1 簡 稱 ) 、 雙 粒 莢 重 (weight of two-seeded pods，以 w.pod.2 簡稱)、三粒 莢 重(weight of three-seeded pods ， 以 w.pod.3 簡 稱 ) 、 四 粒 莢 重 (weight of four-seeded pods，以 w.pod.4 簡稱)、單株 總莢數(pod number per plant，以 n.pod 簡 稱)、單株總莢重(pod weight per plant，以 w.pod 簡稱)、百莢重(100-pod weight，以

hpw 簡稱)、 簡 稱) 、 剝 percent 簡稱 t.p.yield 簡 以grade.p. weight，以 數(index of 18 種產量相 「年度－期 境」(Finlay 例共有8 個 區)。18 個調 測到，資料點 計分析時並 首先將 資料進行集 環境組合之 本)，使用華 狀圖如Fig. 作為分群穩 的結論類似 合格莢重與 百粒重、植 Fig. 1. The re method probab 、百粒重(100-剝 實 率(shelli 稱)、總莢重( 稱)、合格莢 rate 簡稱)、合 grade.p.we f graded pod 相關性狀。進 期作－地區」 y and Wilkin 個不同的環境 調查性狀中， 點大多為0， 並未納入四粒莢

結果與

將毛豆區域試驗 集群分析，以 之產量平均值作 華德法與UPG 1。本研究採 穩健之判斷基 似，均顯示三 與單株總莢重 植株高度與結 esults of clust d and (B) UPG bility of approx -seed weigh ing percent (total pod we 率(graded p 合格莢重(gra eight 簡稱)、 d，以 index 簡 進行穩定性分 組合視為獨 nson 1963)， (2 年  2 期作 由於四粒莢 因此本研究 莢重。

與討論

驗共17 個性 13 個品系(種 作為重複(共 GMA 分群法 以BP  90 且 基準，發現兩 三粒莢重與合 重與總莢重、 結莢高度與主 ering for 17 a GMA method ximate unbiase 多性狀產量指 ht，以 hsw tage ， 以 eight，以 pod rate， aded pod 合格莢指 簡稱)，共 析時，將 立的「環 因此該實 作  2 地 較少被觀 在進行統 性狀(變數) 種)與 8 個 共104 個樣 所得的樹 且AU  90 種分群法 格莢率、 百莢重與 莖節數， agronomic trai . The number edness (AU) an 指標穩定性 皆穩健各 穩健性較 了進一步 集群分析 株總莢重 剔除穩健 旦某性狀 群影響甚 此性狀後 到上一個 下對分群 上述方式 項：植株 數、植株 重、合格莢 再 進 行 集 2)。華德法 篩選，可 第一群： 第二群： 第三群： 第四群： 而UPGM 可將性狀 its of vegetab rs showing ab nd 100  boots 各歸為同一群 較低，易隨拔 步縮減變數以 析之後，除了 (為個別粒數 健性較低與分 狀排除後再次 甚小，則剔除 後造成分群改 個步驟。此過 群結果有重大 式選擇，本研 株高度、結莢 株鮮重、單株 莢率以及合格 集 群 分 析 ， 結 法若採以BP 將性狀分為下 植株鮮重、單 分枝數、合格 百莢重、百粒 植株高度、結 MA 以 BP  9 分為2 群： le soybean yi bove every hor trap probabili ，其餘性狀之 靴樣本不同而 進行因素分析 排除完全線性 數莢重之總和 群獨立在外的 進行集群分析 該性狀；反之 變，則保留該 程重複進行 影響之性狀為 研究所保留的 高度、分支數 總莢重、百莢 格莢重。以此 結 果 顯 示 相 當 P  90 且 AU 下列4 群： 單株總莢重、 格莢率； 粒重； 結莢高度、主 90 且 AU  9

eld data using rizontal bars a ty (BP). 83 之分群結果 而改變。為 析，在初步 性相關的單 )外，也逐步 的性狀。一 析對整體分 之，若排除 該性狀並回 ，直到只留 為止。經由 的性狀有 10 數、主莖節 莢重、百粒 此10 個性狀 當 穩 健(Fig. U  90 條件 合格莢重； 主莖節數。 90 篩選條件 ng (A) Ward’s are the 100 

84 Fig. 2. The re Ward’s  proba 第一群：分 第二群：植 粒 格 進而將 因素分析， 點約在第 5 10 個因素中 產量有關的 減性狀以外 為困難，因 研究認為取 陡坡圖在取 個因素時明 異解釋量已 3 個因素。根 分別解釋其 (1)株型(pla 量 較 高 者 節 數 之 三 常 不 會 選 倒 伏 問 題 因 此 在 人 中 低 高 度 Cro esults of cluste s method and ( ability of appr 分枝數、合格莢 植株高度、結 粒重、主莖節 格莢重、植株鮮 將集群分析篩選 依照陡坡圖 個因素的位 中，所有都是 的性狀，取 5 外，在因素生 因此參考集群 取 2 至 3 個因 取 3 個因素時 明顯，但選擇前 已達0.64 (Tab 根據因素成分 其生物意義如下 ant type)因素 者 為 植 株 高 度 三 個 性 狀 。 在 選 拔 植 株 過 高 題 外 ， 通 常 也 人 為 選 拔 下 度(不易倒伏 op, Environm ering for 10 s (B) UPGMA m roximate unbia 莢率； 莢高度、百 數、單株總 鮮重。 選出之10 個 圖(Fig.3)較明 位置；然而考 是在農業發展 個因素除難 生物意義的解 群分析的分群 因素應足夠解 時的轉折點雖 前 3 個因素 ble 1)，因此 分之負荷(Tab 下： 素：在此因素 度 、 結 莢 高 度 在 改 良 毛 豆 品 高 的 品 系 ， 其 也 不 利 於 機 械 ， 毛 豆 株 型 會 )且生長整齊

ment & Bioinfo

elected agrono method. The nu asedness (AU) 莢重、百 莢重、合 性狀進行 顯的轉折 慮到全體 認定上與 以有效縮 讀上也較 結果，本 釋產量。 雖然不若 5 的累積變 最終選擇 ble 1)，可 素中負荷 度 、 主 莖 品 種 時 通 其 除 有 易 械 收 穫 ， 會 傾 向 於 齊(有利機 ormatics, Vol omic traits of umbers showin and 100  boo 械栽培 (2)經濟產 素 中 負 莢重之 在 於 單 產物數 (3)能量分 因 素 中 除 合 格 Fig. 3. Scre agro lines l. 11, June 201 vegetable soy ng above every tstrap probabi 培)的方向選拔 產量(econom 負 荷 量 最 高 者 之兩個性狀。所 單 位 面 積 上 得 數量，為一般 分配(energy 中 負 荷 量 最 高 格 莢 率 外 其 他 ee plot of facto onomic traits s. 14 ybean yield da y horizontal ba ility (BP). 拔。 mic yield)因素 者 是 單 株 總 莢 所謂經濟產量 得 到 具 有 經 濟 般農業意義上 partition)因 高 的 性 狀 為 合 他 性 狀 之 負 荷 r analysis usin of 13 vegeta

ata using (A) ars are the 100

素：在此因 莢 重 與 合 格 量的意義， 濟 價 值 的 主 上之產量。 因素：在此 合 格 莢 率 ， 荷 量 絕 對 值 ng 10 selected able soybean

多性狀產量指標穩定性 85

Table 1. Factor loadings and the explained variances proportions for the first three factors in factor analysis using 10 selected agronomic traits of vegetable soybean. The abbreviations in the plots are listed in the appendix. The loadings greater than 0.7 are bold-faced.

Trait Factor 1 Factor 2 Factor 3

Height 0.953 0.149 -0.083 Height.pod 0.773 0.095 0.062 Branch -0.009 0.150 0.294 Nodes 0.759 0.348 0.091 Weight 0.499 0.614 0.079 W.pod 0.220 0.948 0.221 Hpw 0.353 0.236 -0.101 Hsw 0.256 0.364 -0.155 Grade.p.rate -0.030 -0.068 0.995 Grade.p.weight 0.177 0.826 0.531 % of Variance Explained 0.260 0.233 0.147

Cumulative % of Variance Explained 0.260 0.493 0.639

均小於 0.7。合格莢率為合格莢重與單株 總 莢 重 之 比 值 ， 此 涉 及 作 物 內 部 產 物 的 分配，若經由此因素獲得的指標值愈高， 則 代 表 在 單 株 總 莢 重 中 分 配 至 合 格 莢 重 的比例愈高。 由此因素分析結果，確實可將毛豆多個產量 相關性狀具有生物意義的因素擷取出來，以 供後續穩定性分析。 限於篇幅，本文僅以第二因素之經濟產 量為例，來說明穩定性分析結果。以Bartlett 法所計算出的各品種(系)與環境組合於第二 個因素之得點，如Table 2 所示。此 13 個品 系(種)於 4 個環境點的因素得點將作為穩定 性分析的資料集，經綜合變方分析結果，顯 示 品 系 與 環 境 間 交 感 效 應 顯 著 存 在 （ 未 列 表），故再以Finlay and Wilkinson 分析法進

行穩定性分析，所估得的各品種(系)之因素得 點平均值與穩定性係數列於Table 3，第二個 因素的因素得點代表整體平均經濟產量，其 表現高低前五名分別為 KVS1472、KH9、 A G S 4 4 6 、 K V S 1 5 6 0 及 A G S 4 4 4 ， 而 sayakomachi 最低，此對應原始 10 個性狀資 料，KVS1472 具有平均最高的單株總莢重、 總莢重及合格莢重，而Sayakomachi 則具有 平均最低的單株總莢重、百莢重、總莢重及 合格莢重，顯示出利用因素得點同時考量數 個性狀的特性，得以對所有產量性狀做一整 體評估，而不至於造成不同性狀得出矛盾之 結論；各品系 (種)之因素得點的穩定性係數 最 接近 1 (具平均穩定性)之前三名依序為 KVS1554、AGS444、sayakomachi。由於符 合農業穩定性品種必須同時符合高產及較佳 穩定性，因此將各品種(系)之因素得點平均值 與 穩 定 性 係 數 之 關 係 ， 進 而 繪 製 散 佈 圖 如 Fig. 4。由圖中顯示，KVS1472 與 KH9 皆高 產但相較於其他品系(種)稍不穩定(平均因素 得點較其他品系大，而 b 約 1.2 稍大於 1)， KVS155 與 AGS444 之經濟產量表現稍高於 整體平均且具平均穩定性(正值因素得點近 於0，且 b 接近 1)；AGS446 與 KVS1560 之 經濟產量較高於整體平均，卻也呈現相當恆 定(因素得點略大於 0，b 甚小於 1 但近於 0)， 尤以AGS446 的 b 值更小且因素得點值僅次 於KVS1472 與 KH9。該毛豆區域試驗中包含 3 個現有品種(KH9、TA2、Sayakomachi)作 為對照，由圖中可看出，這三個對照品種都 是具農業穩定概念品種，其中以KH9 經濟產 量最高(惟相對於其他兩個對照品種稍顯不

86 Table 2. The 13 v Line AGS444 AGS445 AGS446 KH9 KVS1286 KVS1472 KVS1554 KVS1560 Sayakomachi TS92-101V TS92-63V TS92-95V TA2 Table 3. The of f usin vege Line AGS444 AGS445 AGS446 KH9 KVS1286 KVS1472 KVS1554 KVS1560 Sayakomachi TS92-101V TS92-63V TS92-95V TA2 穩定)，而 TA 均，Sayako 差。因此，若 據，則KVS 象，惟必須 環境改善下 境下減產之 Cro e factor scores vegetable soyb Fall crop Wandan -1.358 -2.486 -0.615 -0.952 -1.223 -0.676 -1.033 -0.771 i -2.069 -1.537 -1.183 -0.917 -1.163 e average and factor scores ng 10 selected etable soybean Facto Avera 0.19 -0.62 0.35 0.47 -0.40 0.71 0.11 0.19 i -0.71 0.04 -0.50 0.13 0.03 A2 的經濟產 omachi 經濟 若育種目標以 S1472 應是可 注意其穩定性 下經濟產量可 之風險亦相對高 op, Environm of the second bean lines in ei p of 2008 Meinong W -1.195 -2.385 --0.803 -0.085 -0.807 -0.166 -1.269 0.451 --0.833 -0.756 --0.545 -0.591 --0.564 stability coeff from the seco d agronomic tr n lines. or score of 2nd age 94 0 28 1 54 0 73 1 06 1 15 1 13 0 96 0 17 1 46 0 09 1 36 0 32 1 產量及穩定性 濟產量雖穩定 以優於KH9 可以優先考慮 性與KH9 相 可獲增進，但 高於其他品系

ment & Bioinfo

d factor from ight environm Spring crop o Wandan Me 0.598 0.7 -0.339 0.2 2.647 0.1 1.088 1.2 0.313 0.9 1.189 1.4 0.154 1.3 -1.033 0.6 -0.862 -0.2 -0.672 0.9 -0.850 0.8 -0.861 0.6 0.474 0.7 ficients (b) ond factor raits for 13 factor b 0.967 1.440 0.601 1.224 1.115 1.233 0.984 0.782 1.036 0.670 1.047 0.746 1.155 皆近於平 但表現最 為選拔依 選擇的對 相近，雖在 在不利環 系(種)；其 ormatics, Vol factor analysi ments (2 years of 2009 Fa einong Wan 724 0.8 239 0.8 135 1.0 269 0.3 918 -1.1 462 1.1 366 -0.3 646 -0.6 209 -0.5 990 0.0 870 -0.6 620 1.8 708 -0.2 Fig. 4. Th coef seco trait 次可選擇 在不同環 與 AGS44 對照品種 從本 法可擷取 意義的因 l. 11, June 201 is using 10 sel  2 crop seaso ll crop of 2009 ndan Meinon 898 0.428 825 0.216 084 0.305 351 1.885 154 1.061 190 1.872 343 0.650 604 1.959 542 0.768 020 0.271 616 1.102 846 0.812 280 1.691 he scatter plot fficients (b) o ond factor usi

ts for 13 vegeta AGS446，其 境下表現較為 44，則表現雖 TA2。 本研究結果顯 取出區域試驗 因素。以毛豆 14 lected agronom ons  2 locatio 9 Spring c ng Wandan 1.123 -0.422 -0.195 0.318 -1.097 1.072 1.171 0.521 -1.259 0.390 -1.665 -0.144 -0.348 t of average of factor scor ing 10 selecte able soybean li 其產量雖略低 為一致。至於 雖不如 KH9 示，藉由多變 多性狀資料中 區域試驗資料

mic traits for ons). crop of 2010 n Meinong 0.336 -0.671 0.275 -0.090 -1.259 -0.222 0.208 0.400 -0.730 0.151 -1.185 -0.861 -0.261 and stability res from the ed agronomic ines. 低於KH9 但 於 KVS1554 ，但可優於 變數分析方 中具有生物 料為例，先

多性狀產量指標穩定性 87 透過集群分析的分群篩選，選取出分枝數、 合格莢率、植株高度、結莢高度、百莢重、 百粒重、主莖節數、單株總莢重、合格莢重、 植株鮮重等10 個性狀作為因素分析的變數， 而經由因素分析產出的三個因素可分別解釋 株型、經濟產量及能量分配三個面向，以取 得與產量相關的綜合指標，藉此可進而對這 些綜合指標個別進行穩定性分析，用以選出 符合育種目標下具優良表現且穩定之品系。

誌謝

本 研 究 承 蒙 行 政 院 科 技 部 計 畫 (102-2118-M-002-001)經費補助，特此致謝。

引用文獻

Bartlett MS (1937) The Statistical Conception of Mental Factors. Br. J. Psychol. Gen. Sect. 28:97–104.

Chen H, B Kuo (2002a) The Study on the Analysis of Genotype × Environment Interaction Effect Using Different Models I. Using Classical Regression Model to Interpret Interaction Effect. (in Chinese with English abstract). J.

Agric. For. 51:11–19.

Chen H, B Kuo (2002b) Studies on the Analysis of Genotype Environment Interaction Effect Using Different Models (Ⅱ) - Introduction to AMMI Model. (in Chinese). Sci Agric 50:362– 371.

Chen H, B Kuo (2003) The Study on the Analysis of Genotype × Environment Interaction Effect Using Different Models (Ⅲ) - Using AMMI Model to Analyze Interaction Effect. (in Chinese with English abstract). J Agric. Assoc.

Taiwan 4:234–244.

Eberhart S, W Russell (1966) Stability Parameters for Comparing Varieties. Crop Sci. 6:36–40. Everitt B (2011) Cluster Analysis. Wiley,

Hoboken.

Felsenstein J (1988) Phylogenies from Molecular Sequences: Inference and Reliability. Annu.

Rev. Genet. 22:521–565.

Finlay K, G Wilkinson (1963) Analysis of Adaptation in a Plant-Breeding Programme.

Aust. J. Agric. Res. 14:742–754.

Hwu K, LD Liu (2013) Stability Analysis Using Multiple Environment Trials Data by Linear Regression. (in Chinese). Crop Environ.

Bioinform. 10:131–142.

Johnson RA, DW Wichern (2008) Applied Multivariate Statistical Analysis. 6th

Ed.,Pearson Prentice Hall, Upper Saddle River, N.J. 800pp.

Lu H-Y (2004) A Review of Linear Regression in Stability Analysis - Comparisons of Statistical Method, Graphical Presentation, Interpretation and Efficiency. (in Chinese). Sci. Agric. 52:260– 268.

Perkins JM, JL Jinks (1968) Heredity - Abstract of article: Environmental and genotype- environmental components of variability III. Multiple lines and crosses. Heredity 23:339– 356.

Shafii B, KA Mahler, WJ Price, DL Auld (1992) Genotype  Environment Interaction Effects on Winter Rapeseed Yield and Oil Content. Crop

Sci 32:922–927.

Shafii B, W Price (1998) Analysis of Genotype-by-Environment Interaction Using the Additive Main Effects and Multiplicative Interaction Model and Stability Estimates. J.

Agric. Biol. Environ. Stat. 3:335–345.

Suzuki R, H Shimodaira (2006) Pvclust: an R package for assessing the uncertainty in hierarchical clustering. Bioinformatics 22:1540–1542.

Thomson GH (1938) Methods of Estimating Mental Factors. Nature 141:246.

Zobel RW, MJ Wright, HG Gauch (1988) Statistical Analysis of a Yield Trial. Agron. J. 80:388–393.