Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
остатки линейной модели, чтобы сгенерировать распределение перестановочного F-
отношения при справедливости нулевой гипотезы об отсутствии между группами отличий
в оценках дисперсии.
В нашем примере гипотеза об однородности вариаций внутригруппового сходства
по участкам в целом отклоняется при F = 6.89 (р = 0.002). Выполним однако
множественные парные сравнения оценок величины дисперсии и найдем статистическую
значимость отличий b-разнообразия на отдельных участках:
° Байтуган – Сок (верхний участок): р= 0.0191 (пермутационный тест р = 0.019);
° Байтуган – Сок (нижний участок):
° Сок (верхний участок) – Сок (нижний участок):
р= 0.001 (р = 0.002);
р= 0.093 (р = 0.097).
На основе этих результатов легко также сделать вывод, что макрозообентос р. Байтуган
представляет более компактное и внутренне однородное сообщество – см. рис. 5.5. В
противоположность этому, на двух участках основного водотока р. Сок b-разнообразие
отличается между собой, поскольку внешние воздействия антропогенного характера и
разнообразие природных условий определяют более сильную флуктуацию видовой
структуры.
Результаты дисперсионного анализа npMANOVA (табл. 5.2) привели нас к выводу,
что гидробиологические пробы взяты из разных генеральных совокупностей. Однако
было бы интересно выяснить, какие именно группы биотопов в наибольшей мере
определяют эти различия и "выбиваются из общей колеи". Следует напомнить, что
множественные сравнения необходимо проводить специальными тестами, иначе нам не
избежать ошибки I рода нахождения различий там, где их нет (т.е. нулевая гипотеза
неверно отвергнута статистическим критерием).
172
Рис. 5.5. Ординационная диаграмма сходства участков р. Сок в осях двух главных координат
Наиболее распространённым и рекомендуемым в литературе является тест Тьюки,
использующий критерий "подлинной" значимости (Honestly Significant Difference, HSD).
HSD задает наименьшую величину разности математических ожиданий в группах,
которую можно считать значимой, и ее одновременные доверительные интервалы – см.
рис. 5.6. Метод, в отличие от схемы Бонферрони (см. раздел 2.5), не конструирует одну
комплексную гипотезу, а выполняет только попарные сравнения: если доверительные
интервалы разности для анализируемой пары не включает 0, то частная H0 отклоняется.
Рис. 5.6. Множественные сравнения участков р.Сок на основе видового сходства
донных сообществ с использованием критерия HSD Тьюки
173
Тест Тьюки HSD реализуется в R для модели betadisper с использованием
специальной функции TukeyHSD(…). Результаты, представленные на рис. 5.6,
показывают, что различия, обозначенные npMANOVA, целиком относятся на счет
территориально разобщенной пары "Байтуган - Сок (нижний участок) ", тогда как для
остальных пар нулевая гипотеза не отвергается. Наконец, необходимо отметить, что
критерий Тьюки (как и большинство других критериев парных сравнений) применяется в
предположении, что дисперсии всех сравниваемых групп равны. Если вспомнить, что это
условие не соблюдается, то внешнюю непоколебимость вывода о специфичности
видового состава на разных участках реки уже можно подвергнуть сомнению.
К разделу 5.2:
# Загрузка данных из предварительно подготовленного двоичного файла (см. раздел 4.4.)
load(file="Sok.RData")
# attach делает «видимыми» имена столбцов таблицы
attach(TTB.Site) ; library(vegan)
River = as.factor(River) # Главный фактор
num_Site = as.factor(num_Site) # Вложенный фактор
# Выполняем npMANOVA на основе индекса Жакара
adonis(formula = TTB ~ River + num_Site %in% River, data = TTB.Site,
strata= River, method="jac", binary=TRUE, permutations = 999)
D <- vegdist(TTB) # Предварительно рассчитываем матрицу расстояний Брея-Кёртиса
# А выполнить функцию Adonis() можно и так:
adonis(formula = D ~ River + Site %in% River, data = TTB.Site, strata= River,
permutations = 999)
# Создание модели – объекта betadisper
mod <- betadisper(D, River, type = "centroid")
# Вывод таблицы дисперсионного анализа, и графиков в осях 1-2 и 1-3 главных координат
anova(mod) ; plot(mod); plot(mod, axes = c(3,1)
# Запуск перестановочного теста, вывод диаграммы «бокс с усами» для дисперсий
permutest(mod, pairwise = TRUE) ; boxplot(mod)
# Выполнение теста Тьюки HSD, вывод графика с доверительными интервалами
(mod.HSD <- TukeyHSD(mod)) ; plot(mod.HSD)
# Построение диаграммы - «расцвеченной» матрицы расстояний
# Суммирование численностей видов по повторностям для каждой станции и расчет средних
TTB.agr <- aggregate(TTB,list(TTB.Site$Site), FUN = mean) ; TTB.agrs <- TTB.agrs[,-1]
rownames(TTB.agrs)<- c("Б_01","Б_03","Б_06","Б_07","С_01","С_02","С_03","С_05",
# Формирование матрицы расстояний Брея-Кёртиса между 12 станциями
library(gclus) ; Da <- vegdist(TTB.agrs)
# Подключение модуля с функцией coldiss() (Borcard et al., 2011) и вывод графика
source("coldiss.r") ; coldiss(Da,byrank=TRUE, diag=TRUE)
"С_08","С_10","С_12","С_14")
5.3. Тест Мантеля для оценки связи между многомерными структурами
Рассмотрим теперь проблемы оценки силы связи между двумя многомерными