بررسي روابط بين عملكرد و اجزاي آن در ژنوتيپ‌هاي مختلف سويا (Glycine Max L.) با استفاده از روش‌هاي آماري چند متغيره

Relationship between Yield and its Component in Soybean Genotypes (Glycine Max L.) using Multivariate Statistical Methods

به­ منظور بررسي ارتباط برخي از صفات مورفولوژيكي مهم با عملكرد دانه در سويا، 18 ژنوتيپ سويا در آزمايشي در قالب طرح پايه بلوك‌هاي كامل تصادفي با 3 تكرار مورد ارزيابي قرار گرفتند. نتايج تجزيه واريانس نشان داد كه در تمام صفات مورد مطالعه بين ژنوتيپ‌ها اختلاف معني‌داري وجود داشت. نتايج تجزيه همبستگي صفات نيز نشان داد كه صفات عملكرد بيولوژيك (96/0)، شاخص برداشت (92/0) و تعداد شاخه فرعي (92/0) بيشترين همبستگي را با عملكرد دانه داشتند. در نتايج تجزيه به عامل‌ها نيز چهار عامل مستقل از هم، مجموعا 92/99 درصد از تغييرات كل داده‌ها را توجيه نمودند. عامل اول با 71/96 درصد از واريانس كل را توجيه نمود كه به ­عنوان عامل عملكرد نام‌گذاري شد. مدل رگرسيون چند گانه با روش تجزيه رگرسيون گام­ به­ گام، براي عملكرد دانه نيز نشان داد كه صفت تعداد شاخه فرعي وارد مدل شده و در كل 20/85 درصد از تغييرات عملكرد دانه را توجيه مي‌كند. ضريب همبستگي اين صفت 92/0 مي‌باشد كه در سطح آماري يك درصد معني‌دار گرديد. در نتيجه اين صفت مي‌تواند به ­عنوان شاخص ترين صفت در برنامه‌هاي اصلاحي سويا مورد استفاده قرار گيرد. همچنين با انجام تجزيه كلاستر ارقام سويا در 3 گروه قرار گرفتند.

18 soybean genotypes were examined to investigate the relationships between some principal attributions of morphology with seed yield per soybean, by Random Complete Block Design (RCBD) study. This study was also carried out three replicates to gain reliable results. The results of variance analysis indicated that, there were significance differences among all soybean genotypes. Moreover, the results of correlated analysis revealed that biological yield (0.96), harvest index (0.92), and number of branches (0.92) had the uttermost correlation with seed yield. To data factor analysis, four independent variables justified 99.92 percent of all data. The first variable, seed yield, justified 96.71 percent of entire variance. Multiple-Regression Model with method Analytical Regression Model (step-by-step) was utilized to examine soybean seed yield. This model proved that number of branches entered into model and justified 85.20 percent of variation of seed yield. A correlated coefficient of considered attributions was equal 0.92 and these indexes had significant at 1% in statistical process. Therefore, these traits can be notability used in soybean breeding programs. Also, accordance to cluster analysis, the sample was divided into three groups.