An important objective of experimental biology is the quantification of the relationship between sets of predictor and response variables, a statistical analysis often termed variance partitioning (VP). In this paper, a series of simulations is presented, aiming to generate quantitative estimates of the expected statistical uncertainty of VP analyses. We demonstrate scenarios with considerable uncertainty in VP estimates, which can significantly reduce the statistical reliability of the obtained results. Especially when a predictor variable of a dataset shows a low variance between the sampled sites, VP estimates may show a high margin of error. This becomes particularly important when the respective predictor variable only explains a small fraction of the overall variance, or the number of replicates is particularly small. Moreover, it is demonstrated that the expected error of VP estimates of a dataset can be approximated, and that accurate confidence intervals of the estimates can be obtained by bootstrap resampling, giving researchers a tool for the quantification of the uncertainty associated with an arbitrary VP analysis. The applicability of this method is demonstrated by a re-analysis of the Oribatid mite dataset introduced by Borcard and Legendre in 1994 and the Barro Colorado Island tree count dataset by Condit and colleagues. We believe that this study may encourage biologists to approach routine statistical analyses such as VP more critically, and report the error associated with them more frequently.

中文翻译：

---

量化生态数据集的方差划分估计的不确定性

实验生物学的一个重要目标是量化预测变量和响应变量之间的关系，这种统计分析通常称为方差划分（VP）。在本文中，提出了一系列模拟，旨在生成对VP分析的预期统计不确定性的定量估计。我们演示了在VP估计中具有相当不确定性的场景，这可能会大大降低所获得结果的统计可靠性。特别是当数据集的预测变量显示采样点之间的方差低时，VP估计值可能显示高误差范围。当各个预测变量仅解释总方差的一小部分，或者重复次数特别少时，这尤其重要。此外，结果表明，可以近似估计数据集VP估计值的预期误差，并且可以通过自举重采样获得估计值的准确置信区间，这为研究人员提供了一种量化与任意VP分析相关的不确定性的工具。通过对Borcard和Legendre于1994年引入的Oribatid螨数据集以及Condit及其同事的Barro Colorado Island树计数数据集的重新分析，证明了该方法的适用性。我们认为，这项研究可能会鼓励生物学家更严格地进行常规统计分析，例如VP，并更频繁地报告与之相关的错误。并且可以通过自举重采样来获得估计值的准确置信区间，这为研究人员提供了一种量化与任意VP分析相关的不确定性的工具。通过对Borcard和Legendre于1994年引入的Oribatid螨数据集以及Condit及其同事的Barro Colorado Island树计数数据集的重新分析，证明了该方法的适用性。我们认为，这项研究可能会鼓励生物学家更严格地进行常规统计分析，例如VP，并更频繁地报告与之相关的错误。并且可以通过自举重采样来获得估计值的准确置信区间，这为研究人员提供了一种量化与任意VP分析相关的不确定性的工具。通过对Borcard和Legendre于1994年引入的Oribatid螨数据集以及Condit及其同事的Barro Colorado Island树计数数据集的重新分析，证明了该方法的适用性。我们认为，这项研究可能会鼓励生物学家更严格地进行常规统计分析，例如VP，并更频繁地报告与之相关的错误。通过对Borcard和Legendre于1994年引入的Oribatid螨数据集以及Condit及其同事的Barro Colorado Island树计数数据集的重新分析，证明了该方法的适用性。我们认为，这项研究可能会鼓励生物学家更严格地进行常规统计分析，例如VP，并更频繁地报告与之相关的错误。通过对Borcard和Legendre于1994年引入的Oribatid螨数据集以及Condit及其同事的Barro Colorado Island树计数数据集的重新分析，证明了该方法的适用性。我们认为，这项研究可能会鼓励生物学家更严格地进行常规统计分析，例如VP，并更频繁地报告与之相关的错误。