Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
Tanytarsini
0,127
0,334
0,085
0,083
-0,007
0,041
0,046
0,046
0,031
8,13
1,81
1,80
-0,22
0,001
0,121
0,092
0,840
Модель C – виды, относящиеся к семейству Chironomidae
-0,040
0,491
0,014
0,381
0,201
0,040
0,024
0,033
0,035
12,30
0,58
11,55
5,64
0,001
0,670
0,001
0,001
R2 = 0,552
F = 22,5
(p = 0,001)
R2 = 0,888
F = 144,8
(p = 0,001)
На основании результатов анализа можно сделать вывод, что при общей
значимости моделей регрессии по критерию Фишера далеко не все таксономические
группы вносят одинаковый вклад в объяснение вариации видовой структуры по руслу рек.
В частности, для модели V статистически значимо отличается от 0 коэффициент
регрессии для семейства Ephemeroptera, тогда как остальные группы макрозообентоса не
оцениваются как значимые для объяснения вариации коэффициентов сходства участков.
Для более однородного хирономидного комплекса (модель C в табл. 5.4) основные
группы видов, за исключением Tanypodinae, вносят приблизительно одинаковый вклад в
пространственную изменчивость видовой структуры.
10 Л. Ревелл после наших контактов любезно разработал скрипт для расчета матричной регрессии в
статистической среде R: http://phytools.blogspot.ru/2012/10/multiple-matrix-regression-with-mantel.html. Мы
приводим текст этого скрипта в комплекте распространяемых файлов и заинтересованный читатель сможет
самостоятельно выполнить расчеты, подобные табл. 5.4.
178
К разделу 5.3:
# Загрузка данных из предварительно подготовленного двоичного файла
load(file="Fito_Full.RData") ; library(vegan)
# Формирование таблицы видов и преобразование ее в матрицу дистанций Хеллингера
Species <- Fito_Full[,3:25] ; Species[Species<0] <- 0
SpecN <- decostand(Species, method="hellinger") ; D_spec <- dist(SpecN)
# Формирование таблицы факторов среды, преобразование ее в стандартизованный вид
Envir <- Fito_Full[,27:36] ; EnvN <- decostand(Envir, method="standardize")
# Формирование матрицы евклидовых дистанций
D_env <- dist(EnvN)
# Формирование таблицы географических расстояний, превращение координат в число
library(gmt) ; Geo <- Fito_Full[,37:38]
Geo$Yc <- deg2num(gsub(" ","", Geo$Yc , fixed=TRUE))
Geo$Xc <- deg2num(gsub(" ","", Geo$Xc , fixed=TRUE))
# geodist(Geo$Yc[1], Geo$Xc[1], Geo$Yc[2], Geo$Xc[2]) = 2.943368
# Формирование матрицы расстояний (км) между точками отбора проб
library(geosphere) ; D_geo <- as.dist(distm(Geo)/1000)
# Сохраняем матрицы для использования в других видах анализа
save(Species,D_spec,Envir,D_env, Geo, D_geo,file="Fito_Dmat.RData")
# Графическое тестирование данных – отображаются координаты и
# рисуются круги, пропорциональные биомассы на каждого участка отбора проб,
# и выводятся номера 20 случайных участков из 159
row.names(Geo) <- Fito_Full[,2] ; Geo2 <- Geo[sample(159,20),]
plot(Geo$Xc, Geo$Yc,asp=1, pch=21, col="white", bg="yellow",
cex=5*(Fito_Full[,26])/max((Fito_Full[,26])))
text(Geo2$Xc, Geo2$Yc, row.names(Geo2), cex=0.5, col="black")
# Тест Мантеля