数据是所有统计分析和图形绘制的基础，正如原料与菜谱之关系。数据读取正确与否，直接关系后续的统计分析结果的准确性，这好比原料新鲜与否，直接关系到后续菜肴的可口性。对于R初学者，尤其要重视数据的读取。本人主要从事林业统计分析，尤其是遗传评估，大部分涉及的变量多为因子型，但R语言并非如此智能，能直接读懂我们脑子里所想。在接触的一些网友问题里，我发现许多网友对数据是否正确读取没有什么概念，导致后续的许多分析结果都是错的。请记住，只要给R语言任意一份看似合乎情理的数据，R似乎都能给出一些结果，但结果可能是错的！

当亲本之一未知时，且物种可以自交，则需要在遗传评估中考虑自交的可能性。例如，对于桉树，假设自交概率为0.3是很普遍的。如果不考虑自交，则加性遗传方差将会被高估，因为子代并不都是半同胞——它们越密切相关，因此比模型假定的更相似。

在多地点试验中，突出的一个问题是林木基因型与环境之间往往存在显著的交互作用(Genotype by environment interaction, GEI)，因此如何准确评估GEI对于后续林木良种的选育和推广至关重要。目前，农业上大多使用联合回归法¹、主效可加互作可乘模型(Additive main effects multiplicative interaction, AMMI)²和基因型主效加基因型-环境互作效应双标图(Genotype Main Effect plus Genotype-by-Environment Interaction biplot, GGE双标图) ³分析多点试验，并据此来进行品种评价、试验点评价和品种生态区划分，其中GGE双标图越来越受关注。迄今，GGE双标图在林木上的应用⁴仍然很少，仅在少数树种如辐射松、杨树和乐昌含笑中有过报道。

很早就买了本书《Python科学计算》，却一直未曾动过。直到前些天，看到报道说，python已占据编程语言之巅。人生时间有限，要学就学最好的。因此，打算开始学学python。不料win7系统安装python及其module，遇见了不少问题。本文将描述安装所遇到的问题及其解决方法。我在本人网盘¹里收录了本文在python软件及其安装遇到问题所需的全部文件。

有网友问我，能否批量进行方差分析与多重比较及其结果的提取。答案是肯定的。在之前的博文《巧用plyr包进行线性模型的批量分析》[1]，演示了借助plyr包进行线性模型的批量分析。本文除了plyr包外，先演示for循环来实现方差分析的批量分析。不过R用户一般不建议使用for循环，数据量一般庞大后，for循环运行会比较慢。

作者：林元震

近年来，我参加了几次R培训的授课，也接触了不少R初学者。看到很多人对R很感兴趣，但学习起来却不得门道，着实着急。今天，我讲述自己如何学习R的一些个人体会，供R初学者参考。