Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
0.573
0.363
3.14
1.72
41.8
1
3
115
9.37
1.57
Компоненты матрицы дистанций – индекс Жаккара
А (Участок)
В{А} Станция
Остаток (error)
1
3
115
2.62
1.78
46.7
2.62
0.595
0.406
6.44
1.46
0.051
0.035
0.913
0.002
0.002
0.001
0.001
Результаты анализа, представленные в табл. 5.2, свидетельствуют о высокой
статистической значимости отличий видовой структуры донных сообществ на
выделенных участках. Визуально это легко видно на диаграмме (рис. 5.4), где
представлена матрица расстояний, тональность раскраски ячеек которой соответствует
уровню сходства. Впрочем, статистически значима (хотя в меньшей мере) и вложенная
вариация таксономического состава между станциями внутри каждого участка.
а) Матрица дистанций
б) Отсортированная матрица дистанций
Рис. 5.4. Диаграмма сходства станций р.Сок в осях двух главных координат
Функция adonis (…) на основе типа I суммы квадратов и для каждого терма модели
рассчитывает также статистику, условно названную R2, которая оценивает силу влияния
факторов. Ориентируясь на значения статистик F и R2, можно сделать вывод, что
171
использование количественных индексов предпочтительнее для сравнения видовых
структур, чем индексов, основанных на признаках наличия/присутствия.
Как и многие другие версии дисперсионного анализа, тест
npMANOVA,
оценивающий различие в мерах положения отдельных групп наблюдений в многомерном
пространстве, также чувствителен к неоднородности дисперсии в группах. Если
сравниваемые сообщества сильно отличаются между собой по b-разнообразию, то
причинами отклонения нулевой гипотезы могут явиться как сдвиги центров групп между
собой, так и различия в уровне внутригрупповой изменчивости (или оба фактора вместе).
Другая процедура M.Андерсона betadisper(…) выполняет анализ внутригрупповой
однородности мер расстояний матрицы D и является многомерным аналогом теста Левене
(Levene – одномерную версию теста см. в разделе 2.6) на однородность дисперсий в
группах. Последняя версия этого алгоритма (Anderson, 2006) сводится к следующему:
°
°
°
вычисляются оси главных координат PCoA1, PCoA2, PCoA3 и т.д. матрицы D (как
это сделать, описывается в главе 6);
находятся "центроиды" (или пространственные медианы) выделенных групп в этих
коодинатах – см. рис. 5.5;
внутригрупповые дисперсии определяются как сумма евклидовых расстояний между
центроидом и точками, соответствующими выполненным наблюдениям, для каждой
анализируемой группы.
Чтобы проверить, отличаются ли средние расстояния до центроидов в одной или
более групп от остальных, выполняется обычный анализ дисперсионных отношений
ANOVA, причем статистическая значимость F-критерия группы может быть рассчитана
как параметрическими методами, так и с использованием рандомизационного теста. Во
втором случае процедура permutest.betadisper(…) заданное число раз перемешивает