Improved Statistical Inference for Graphical Description and Interpretation of Genotype × Environment Interaction
Notice bibliographique
Résumé
ABSTRACT Nonparametric resampling bootstrapping approach to constructing confidence regions (CR) for genotypic and environmental principal component (PC) scores recently has been used to statistically assess the biplot analysis of genotype × environment interaction (GE). However, it is possible to generate “greater‐than‐expected” CR due to nonunique singular value decomposition (SVD) of two‐way GE data from bootstrap samples. The objective of this study is to improve the current bootstrapping procedure to correct for the “systematic bias” due to the nonuniqueness of SVD through the use of Procrustes rotation. The Procrustes rotation is to compare the genotypic and environmental PC scores from bootstrap samples and original (target) data, with the comparison being done by rotating and then stretching and/or shrinking the PC scores from bootstrap samples such that the sum of squared distances between the corresponding elements of bootstrap and target scores is minimized. The bootstrapping and Procrustes rotation are implemented in an R package, bbplot/R. The analysis of two data sets from wheat (Triticum aestivum L.) and barley (Hordeum vulgare L.) cultivar trials shows that the CR for rotated genotypic and environmental scores are up to 10 times smaller than the CR for the corresponding unrotated scores. The shrunk CR constructed using the rotated scores for the biplot analysis reveal more definite delineations of mega‐environments than the assessment based on mere visual inspection of biplots. Thus, the improved bootstrapping approach will construct the more precise CR for the genotypic and environmental PC scores, thereby facilitating the correct use of biplot analysis for critical decisions on genotype selection or mega‐environment delineation.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».