大豆的表型性状往往受环境影响因子的影响，近些年来，环境变量的共线性和物种分布的空间自相关问题虽早已在生态学领域成为了备受关注的热门话题，但却往往被大豆宏观环境研究者所忽视。目前尚未有报道能够考虑到共线性与空间自相关对大豆环境作用模型的影响；更未见报道能全面系统的分析地理，气候与土壤变量在全国大尺度范围内对这四种主要大豆表型性状的影响。本文以中国国家作物种质资源库2万余份大豆品种资源为研究对象，分析主要环境因子地理，气候和土壤变量对大豆籽粒百粒重，蛋白质，脂肪和植株高度四种表型性状的影响。首先采用了全回归模型初步分析了所有环境因子的影响，进而使用了前向逐步回归模型和岭回归模型比较分析并消除了环境自变量之间多元共线性的影响，然后使用了空间混合线性模型消除了空间自相关的影响并最终构建了四种大豆表型性状的环境因子作用模型，以期确定大豆表型性状与环境自变量的作用关系，并为大豆育种与生产实践提供指导依据。研究的主要成果如下：　　 (1)环境因素并非四种大豆表型性状的决定因素但其影响不可忽略。环境模型对百粒重，蛋白质，脂肪和植株高度的解释率各不相同，分别是17％，29%，20%和38.3%。这表明大豆的植株高度与蛋白质的环境变异相对较大，比较可能通过改变栽培环境来改善这两种性状。　　 (2)典型相关分析结果中的第三个典型相关系数表明，在中国东部地区，当满足平均积温与土壤氮含量较高，日照时数较长，而最高温与土壤有机质含量较低时可能会栽培出高蛋白，高脂肪且籽粒较重的优质大豆。　　 (3)空间回归模型的结果表明决定百粒重的主要正影响因子有经度、高程与最低温，负因子有最高温和日照强度；蛋白质的主要正因子有最低温和有机质，负因子有经度、土壤剖面厚度与土壤磷含量；脂肪的主要正因子有经度、最高温和日照强度，负因子有高程与最低温；大豆植株高度主要受正因子的影响，有纬度、平均积温、日照时数与土壤磷含量，而唯一的负因子日照强度对其的影响较弱。　　 (4)研究表明，单独分析地理变量组的影响时，高程是蛋白质的负影响因子，是脂肪的正影响因子，而当整体分析所有环境因子的作用模型时，高程对蛋白质和脂肪的影响呈相反的关系。这个现象说明了高程与其余某些环境影响因子必然存在相关关系。因而本研究提出假设，在控制实验的条件下，若使得高程独立，那么高程对以上两种性状的影响将与本研究中的空间混合线性模型一致。　　 (5)为消除多个环境自变量的共线性影响，本文首次引入了岭回归模型来研究环境对大豆的影响，并对比分析了全回归和逐步回归分析技术。结果表明，岭回归分析较好的消除了多元相关，排除了冗余变量，保留了逐步回归排除的显著变量，是三种回归模型中的最佳多元线性回归分析法。　　 (6)本文使用了残差方差图分析法验证了空间自相关的存在，并首次使用了空间混合线性模型消除了空间自相关对大豆环境模型的影响。该技术在非空间模型的基础上进一步排除了不显著的影响因子，修补了不稳定的了回归关系。