Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
приблизительно равен коэффициенту корреляции между ними. Кроме того, стрелки,
имеющие примерно одно направление, говорят о значимой положительной корреляции,
стрелки, пересекающиеся под прямым углом, говорят о корреляции, близкой к нулю, а
стрелки, имеющие примерно противоположное направление, указывают на высокую
отрицательную корреляцию.
Пример ординационной ССА-диаграммы с наложением дополнительных осей
объясняющих переменных, представленный на рис. 6.11, содержит в концентрированной
форме богатый материал для различных экологических интерпретаций и умозаключений.
заметить, например, что ось 1 ординации связана с комплексом
Нетрудно
гидрологических и
определяющих продольную
изменчивость условий среды в реках от их истоков к устью, а ось 2 во многом
определяется площадью аккумуляции поверхностного стока, органическим загрязнением
и содержанием растворенного кислорода.
гидрохимических показателей,
Рис. 6.11. Совмещенная диаграмма (триплот) канонического анализа соответствий CCA
для ординации видовой структуры макрозообентоса на участках рек Байтуган-Сок под
воздействием факторов среды (v – скорость течения, t – температура, h – глубина в местах отбора
проб, pH – активная реакция среды, BO – бихроматная окисляемость, NO2 – нитритный азот, О2 –
кислород, Pmin – фосфор минеральный, KG – каменистость грунта, IP – заиленность грунта, hg –
высота над уровнем моря, Ss – площадь водосбора)
Используем, однако, аппарат проверки
статистических гипотез на основе
рандомизации, чтобы оценить формальную достоверность предполагаемых зависимостей.
Зададимся вначале вопросом о значимости коэффициентов корреляции каждого
отдельного фактора среды с распределением видов по участкам r2 = 1 - SSres/SStot, где SSres
и SStot - остаточная и полная суммы квадратов. После 1000 операций случайного
перемешивания векторов матрицы Х пермутационный тест показал, что 3 фактора из 12
215
оказались статистически незначимыми: скорость течения v (p = 0.375), площадь
водосбора Ss (p = 0.866) и бихроматная окисляемость BO (p = 0.416).
Однако каноническая ординация принимает во внимание не отдельные факторы
среды, а такие их линейные комбинации, которые дают наименьшую общую остаточную
дисперсию. И здесь возникает традиционная задача поиска наилучшей модели регрессии,
в которой были бы исключены неинформативные компоненты, провоцирующие
неустойчивость решения. Это особенно важно в условиях высокой корреляции влияющих
переменных, что легко установить для нашего примера визуально или с использованием
процедуры оценки коэффициентов инфляции дисперсии (VIF - variance inflation factor).
Для оценки качества моделей-претендентов при их селекции могут быть
использованы следующие статистики, обсуждаемые нами ранее в главах 3 и 4:
коэффициент детерминации множественной регрессии R2 и приведенный к числу
степеней свободы коэффициент детерминации
1
статистика, подобная информационному критерию Акаике AIC;
псевдо-F-статистика, оцениваемая как отношение суммы квадратов SS( Yˆ ) к
остаточной сумме квадратов SS(Yres) с учетом числа степеней свободы.
2
Radj
1
-=
1
n
-
qn
--
1(
-
R
2
)
;
Рассмотрим три модели-претендента с характеристиками, представленными в табл. 6.3:
° модель 1 от всех 9 факторов среды со значимым коэффициентом корреляции r2;
° модель 2, полученная шаговыми процедурами с учетом итогов рандомизации;
° модель 3, полученная стандартной шаговой процедурой step(), ищущей модель с
минимальным значением AIC.
Таблица 6.3. Статистические характеристики трех моделей RDA по данным гидробиологической
съемки на реках Сок-Байтуган (обозначения факторов см. на рис. 6.11)
°
°