MétaCan
Menu
Retour à la cohorte
Enregistrement W1931677568 · doi:10.1111/2041-210x.12425

Should the Mantel test be used in spatial analysis?

2015· article· en· W1931677568 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMethods in Ecology and Evolution · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSpatial and Panel Data Analysis
Établissements canadiensUniversity of TorontoUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMantel testStatisticsHomoscedasticityMathematicsSpatial analysisCorrelationNull hypothesisRegression analysisCanonical correlationHeteroscedasticityPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Summary The Mantel test is widely used in biology, including landscape ecology and genetics, to detect spatial structures in data or control for spatial correlation in the relationship between two data sets, for example community composition and environment. The study demonstrates that this is an incorrect use of that test. The null hypothesis of the Mantel test differs from that of correlation analysis; the statistics computed in the two types of analyses differ. We examined the basic assumptions of the Mantel test in spatial analysis and showed that they are not verified in most studies. We showed the consequences, in terms of power, of the mismatch between these assumptions and the Mantel testing procedure. The Mantel test H 0 is the absence of relationship between values in two dissimilarity matrices, not the independence between two random variables or data tables. The Mantel R 2 differs from the R 2 of correlation, regression and canonical analysis; these two statistics cannot be reduced to one another. Using simulated data, we show that in spatial analysis, the assumptions of linearity and homoscedasticity of the Mantel test (H 1 : small values of D 1 correspond to small values of D 2 and large values of D 1 to large values of D 2 ) do not hold in most cases, except when spatial correlation extends over the whole study area. Using extensive simulations of spatially correlated data involving different representations of geographic relationships, we show that the power of the Mantel test is always lower than that of distance‐based Moran's eigenvector map (dbMEM) analysis and that the Mantel R 2 is always smaller than in dbMEM analysis, and uninterpretable. These simulation results are novel contributions to the Mantel debate. We also show that regression on a geographic distance matrix does not remove the spatial structure from response data and does not produce spatially uncorrelated residuals. Our main conclusion is that Mantel tests should be restricted to questions that, in the domain of application, only concern dissimilarity matrices, and are not derived from questions that can be formulated as the analysis of the vectors and matrices from which one can compute dissimilarity matrices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,163
Tête enseignante GPT0,358
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle