現代農業識別數據的特點：1。 規模大。 隨著育種規模的增加，被檢測品種的數量越來越大（超過1,000），地點越來越多（超過10）2。 實驗設計的不同階段是不同的。 在初始階段測試了許多變種，但是在站點中沒有重復或重復較少。 用多個點代替重復點在育種中具有實用價值。 實驗品種的數量很少且有重復。l一般初級實驗的目的是消除劣等品種。 實驗設計通常是增強實驗設計（中級加控制，具有重復的控制，沒有重復的品種）或增強網格實驗設計，其主要依靠控制來估計塊的性能。 設計具有的效率，因此被廣泛使用。l試驗的目的是選擇優良的品種，重點是品種的適應性和高產量，主要包括完全隨機區組（RCBD）和增強晶格測試設計（alpha-lattice）。3。 統計分析模型很重要。 有兩個主要決定：l在小規模情況下，育種者通過觀察種質，表型，抗性等來直接選擇。產量數據可作為參考。 在規模相對較大的情況下，這種能力大大削弱了，因此育種者必須依靠數據，并且原始數據的結果表明統計模型是有效的，因為這不再是平均年齡，而且很好 模式將事半功倍。l選育不是重要的問題，而是排名的問題。 一個好的品種不僅產量，而且兼具品種的穩定性和適應性，因此是次優問題。 從統計模型結果的排名和平均結果的排名可以看出，排名的品種是兩者中的，但排名前30位的排名差異很大。 不同的模型具有相對較大的排名差異。 如何選擇模型不是決定性的。 這取決于模型擬合數據的程度。l實際識別數據，數據丟失常見，誤差較大，位置之間的差異較大，平方差常見，常規統計（如均值，方差分析，線性回歸分析， 等等）都不適合數據分析要求，學術界普遍認為混合線性模型非常適合于現場識別數據（MET）的分析。
