MétaCan
Menu
Retour à la cohorte
Enregistrement W2838425428 · doi:10.1111/jvs.12666

Simple parametric tests for trait–environment association

2018· article· en· W2838425428 sur OpenAlexaff
Cajo J. F. ter Braak, Pedro R. Peres‐Neto, Stéphane Dray

Notice bibliographique

RevueJournal of Vegetation Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésTraitStatisticsType I and type II errorsMathematicsParametric statisticsCwmStatistical hypothesis testingCorrelationPermutation (music)Plot (graphics)Computer scienceEconometricsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Question The CWM approach is an easy way of analysing trait–environment association by regressing (or correlating) the mean trait per plot against an environmental variable and assessing the statistical significance of the slope or the associated correlation coefficient. However, the CWM approach does not yield valid tests, as random traits (or random indicator values) are far too often judged significantly related to the environmental variable, even when the trait and environmental variable are extrinsic to (not derived from) the community data. Existing solutions are the ZS ‐modified test (Zelený & Schaffers,) and the max (or sequential) test based on the fourth‐corner correlation. Both tests are based on permutations which become cumbersome when many tests need to be carried out and many permutations are required, as in methods that correct for multiple testing. The main goal of this study was to compare these existing permutation‐based solutions and to develop a quick and easy parametric test that can replace them. Methods This study decomposes the fourth‐corner correlation in two ways, which suggests a simple parametric approach consisting of assessing the significances of two linear regressions, one plot‐level test as in the CWM approach and one species‐level test, the reverse of the CWM approach, that regresses the environmental mean per species (i.e. the species niche centroid) on to the trait. The tests are combined by taking the maximum p ‐value. The type I error rates and power of this parametric max test are examined by simulation of one‐ and two‐dimensional Gaussian models and log‐linear models. Results The ZS ‐modified test and the fourth‐corner max test are conservative in different scenarios, the ZS ‐modified test being even more conservative than the fourth‐corner. The new parametric max test is shown to control the type I error and has equal or even higher power than permutation tests based on the fourth‐corner, the ZS ‐modified test and variants thereof. A weighted version of the new test showed inflated type I error. Conclusion The combination of two simple regressions is a good alternative to the fourth‐corner and the ZS ‐modified test. This combination is also applicable when multiple trait measurements are made per plot.

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 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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,070
Tête enseignante GPT0,279
Écart entre enseignants0,209 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vegetation ScienceMême sujetPlant and animal studiesTravaux en français237 207