当前位置：
X-MOL 学术
›
Austral Ecol.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Analysis of similarities (ANOSIM) for 2-way layouts using a generalised ANOSIM statistic, with comparative notes on Permutational Multivariate Analysis of Variance (PERMANOVA)
Austral Ecology ( IF 1.6 ) Pub Date : 2021-06-21 , DOI: 10.1111/aec.13059 Paul J. Somerfield 1 , K. Robert Clarke 1, 2 , Ray N. Gorley 2
Austral Ecology ( IF 1.6 ) Pub Date : 2021-06-21 , DOI: 10.1111/aec.13059 Paul J. Somerfield 1 , K. Robert Clarke 1, 2 , Ray N. Gorley 2
Affiliation
|
ANOSIM (Analysis of Similarities) is a robust non-parametric hypothesis testing framework for differences in resemblances among groups of samples. The generalised ANOSIM statistic RO is defined as the slope of the linear regression of ranked resemblances from observations against ranked distances in a model describing the unordered or ordered distances among samples under an alternative to the null hypothesis. In the absence of ordering, this becomes the standard ANOSIM R statistic. The construction of 2-way tests using the generalised statistic in various nested and crossed designs, with and without ordered factors, and with or without replication, is described. Examples are given of 2-way tests with ordered factors in marine ecological studies: 1. phytal meiofaunal communities in species of macroalgae with increasing physical complexity, among islands in the Isles of Scilly; 2. coral community composition across intertidal flats in Thailand, sampled in different years; 3. macrofauna inhabiting kelp holdfasts from different places in response to an oil spill; 4. experimental effects of salinity stress and food restriction on nematode communities. ANOSIM is fully non-parametric and thus cannot, for two-way crossed designs, decompose factors into (metric-based) main effects and interactions; this requires at least semi-parametric modelling, such as provided by PERMANOVA. The two approaches therefore test very different hypotheses: ANOSIM gives a robust, comparable and globally interpretable measure of magnitude of overall community change associated with each factor, having excised any possible effect from the factor(s) it is crossed with, irrespective of whether the factors interact or not. PERMANOVA cannot do this because the presence of interactions will compromise (sometimes totally) any overall measures of the main effects of each factor. Conversely, PERMANOVA can test for interactions involving directional (but non-magnitudinal) community change, which are entirely invisible to ANOSIM. The two methods are therefore seen as complementary, rather than as alternatives.
中文翻译：
使用广义 ANOSIM 统计量对 2 向布局的相似性分析 (ANOSIM)，以及对排列多变量方差分析 (PERMANOVA) 的比较说明
ANOSIM（相似性分析）是一个强大的非参数假设检验框架，用于分析样本组之间相似性的差异。广义 ANOSIM 统计量R O被定义为在模型中描述样本间无序或有序距离的模型中的排序相似性与排序距离的线性回归的斜率，而不是零假设。在没有订购的情况下，这成为标准的 ANOSIM R统计。描述了在各种嵌套和交叉设计中使用广义统计量构建 2 向检验，有无有序因子，有或没有复制。给出了在海洋生态研究中使用有序因素进行 2 向测试的例子： 1. 在锡利群岛的岛屿之间，物理复杂性不断增加的大型藻类物种中的植物小型动物群落；2. 泰国潮间带珊瑚群落组成，不同年份采样；3. 大型动物栖息在不同地方的海带中，以应对漏油事件；4. 盐胁迫和食物限制对线虫群落的实验影响。ANOSIM 是完全非参数的，因此对于双向交叉设计，不能将因子分解为（基于度量的）主效应和交互作用；这至少需要半参数建模，例如由 PERMANOVA 提供。因此，这两种方法测试了截然不同的假设：ANOSIM 给出了与每个因素相关的整体社区变化幅度的稳健、可比较和全球可解释的衡量标准，并从与它交叉的因素中剔除了任何可能的影响，而不管因素相互作用与否。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。因此，这两种方法测试了截然不同的假设：ANOSIM 给出了与每个因素相关的整体社区变化幅度的稳健、可比较和全球可解释的衡量标准，并从与它交叉的因素中剔除了任何可能的影响，而不管因素相互作用与否。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。因此，这两种方法测试了截然不同的假设：ANOSIM 给出了与每个因素相关的整体社区变化幅度的稳健、可比较和全球可解释的衡量标准，并从与它交叉的因素中剔除了任何可能的影响，而不管因素相互作用与否。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。与每个因素相关的整体社区变化幅度的可比较和全球可解释的衡量标准，从与之交叉的因素中剔除任何可能的影响，无论这些因素是否相互作用。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。与每个因素相关的整体社区变化幅度的可比较和全球可解释的衡量标准，从与之交叉的因素中剔除任何可能的影响，无论这些因素是否相互作用。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。
更新日期：2021-08-25
中文翻译：
使用广义 ANOSIM 统计量对 2 向布局的相似性分析 (ANOSIM)，以及对排列多变量方差分析 (PERMANOVA) 的比较说明
ANOSIM（相似性分析）是一个强大的非参数假设检验框架，用于分析样本组之间相似性的差异。广义 ANOSIM 统计量R O被定义为在模型中描述样本间无序或有序距离的模型中的排序相似性与排序距离的线性回归的斜率，而不是零假设。在没有订购的情况下，这成为标准的 ANOSIM R统计。描述了在各种嵌套和交叉设计中使用广义统计量构建 2 向检验，有无有序因子，有或没有复制。给出了在海洋生态研究中使用有序因素进行 2 向测试的例子： 1. 在锡利群岛的岛屿之间，物理复杂性不断增加的大型藻类物种中的植物小型动物群落；2. 泰国潮间带珊瑚群落组成，不同年份采样；3. 大型动物栖息在不同地方的海带中，以应对漏油事件；4. 盐胁迫和食物限制对线虫群落的实验影响。ANOSIM 是完全非参数的，因此对于双向交叉设计，不能将因子分解为（基于度量的）主效应和交互作用；这至少需要半参数建模，例如由 PERMANOVA 提供。因此，这两种方法测试了截然不同的假设：ANOSIM 给出了与每个因素相关的整体社区变化幅度的稳健、可比较和全球可解释的衡量标准，并从与它交叉的因素中剔除了任何可能的影响，而不管因素相互作用与否。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。因此，这两种方法测试了截然不同的假设：ANOSIM 给出了与每个因素相关的整体社区变化幅度的稳健、可比较和全球可解释的衡量标准，并从与它交叉的因素中剔除了任何可能的影响，而不管因素相互作用与否。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。因此，这两种方法测试了截然不同的假设：ANOSIM 给出了与每个因素相关的整体社区变化幅度的稳健、可比较和全球可解释的衡量标准，并从与它交叉的因素中剔除了任何可能的影响，而不管因素相互作用与否。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。与每个因素相关的整体社区变化幅度的可比较和全球可解释的衡量标准，从与之交叉的因素中剔除任何可能的影响，无论这些因素是否相互作用。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。与每个因素相关的整体社区变化幅度的可比较和全球可解释的衡量标准，从与之交叉的因素中剔除任何可能的影响，无论这些因素是否相互作用。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。PERMANOVA 无法做到这一点，因为交互作用的存在会（有时完全）影响每个因素的主要影响的任何整体测量。相反，PERMANOVA 可以测试涉及定向（但非大规模）社区变化的交互，而这些对 ANOSIM 来说是完全不可见的。因此，这两种方法被视为互补，而不是替代。
京公网安备 11010802027423号