- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
13案的例分析3
基于 CANOCO 的生态学数据的多元统计分析 Jan Leps, Petr Smilauer 著 黄天元 编译
13 案例分析3:分辨不同解释变量的影响
13.1 引入
在许多案例中,纵使解释变量之间是相关联的,它们的影响也需要分开来描述。下面的例子
来自于一个田间施肥实验(Pys ˇek and Leps ˇ1991)。实验对一块大麦田施用三种氮肥(硫
酸铵、硝酸铵钙和尿素)并设了两种不同的总氮剂量。为了能够结合应用,实验并没有遵照
严格的实验设计;样方事实上是假重复。水文学家用这个实验评估营养的流失,所以样方太
§
小就不符合实际了 。在122 个样方中,他们用典型的 Braun-Blanquet 样方法对野草的物种
构成进行描述(为了方便计算,这里使用了排序转换,Braun-Blanquet 等级中的 r、+ 、1~5
分别转化为1~7)。所有样方中的大麦覆盖率都得到了估算。
实验者假设野草群落收到施肥的直接影响和作物竞争的间接影响。根据实验的操作,肥料的
总效应可以得到评估。但是大麦的覆盖率与施肥量是高度相关的。因为大麦覆盖率没有严格
的控制,所以我们没有直接的证据来说明大麦覆盖率对野草群落有影响。不过我们可以在局
部范围内,从大麦竞争的间接效应中分离出施肥直接影响的那一部分。这类似于在多元回归
中,多个相互关联的变量具有相同的单元变量响应,而我们尝试得到这些变量各自的影响。
这种分离可以通过把感兴趣的变量设为解释(环境)变量,而其他的变量设为协变量完成。
13.2 数据
在这个案例中,我们使用简化过的数据,忽略肥料的类型,而只考虑总施肥量。数据分别在
fertil.spe (样地记录)和fertil.env (施肥量和大麦盖度)中,你也同时可以再Excel 文件fertil.xls
(这样就可以利用WCanoImp 生成你需要的 CANOCO 文件)找到。剂量设了三个梯度,分
别为未施肥(0 )、每公顷70kg (1)和每公顷140kg (2 )。Fertenv 工作表中海油每个洋房的
物种数量。这些数据也导入到Statistica 格式的文件中(fertenv.sta )。我们先对物种数量进行
单变量分析,然后再对物种构成进行对应分析。
表 13-1 完全回归分析中方差分析(ANOVA )的结果(在Statistica 程序中计算得出)
13.3 数据分析
首先我们进行单变量分析。我们有两个预测因子(解释变量或叫做“独立”变量),盖度和
**
剂量;以及一个响应变量,物种数 。我们要使用多元回归分析,这个分析中用到两个检验。
首先这个完整的模型要受到发差分析的检验。零假设为:响应变量独立于所有预测变量。检
验的结果参考表13-1。
2
零假设显然遭到拒绝,我们可以看到回归平方和大概是总平方和的一半(最后得到R =0.5 ),
§ 在后面的分析中我们忽略这个缺陷。
** 这也是一个简化:其中一个独立变量(盖度)依赖于剂量,所以路径分析着这里是可行的(参考 Legendre
Legendre 1998 第546 页)。尽管如此,从野草群落的角度来说,剂量和盖度可以被视为两个相互关联的
预测因子。
基于 CANOCO 的生态学数据的多元统计分析 Jan Leps, Petr Smilauer 著 黄天元 编译
表 13-2 Statistica 算得的多元回归分析总结表
BETA 表示标准化局部回归系数(其实它们独立于比例,可以用于比较单个预测因子的重要性),Bs 表示常
规(局部)回归系数,ts 表示零假设B =0 的时候检验求得的t 统计量(相应的p 值也被展示出来;本质上
i
来说,无论在标准化还是非标准化系数中,t 和p 值的作用都是一样的)。
这说明模型能够解释总物种变化的一半。然而,你还是无法得知两个解释变量哪一个是更重
要的。这个我们可以从回归总结中得到(表13-2 )。
结果显示野草物种数量随着盖度和剂量的上升而递减,盖度的直接作用更为重要,而且盖度
是唯一显著的解释变量。如果你分别对每个预测因子进行单变量回归分析(得到它们的边际
效应),你会发现它们都非常显著。这说明剂量本身能够成为物种数量良
文档评论(0)