Notice bibliographique
Résumé
Abstract The Mantel test has been widely used in ecology and evolution, but over the last two decades it has been frequently critiqued because results were inconsistent with expectations and there were issues with Type I (false‐positive) and Type II (false‐negative) error rates. Three‐matrix extensions of the Mantel test have been challenged for similar reasons. Even the null hypotheses underlying the Mantel test have been questioned. As a result, use of the Mantel test and its variants has been discouraged or limited to special situations. Here, we examine Mantel test criticisms including the lack of agreement between traditional variable‐based Pearson correlations ( r ) and observation‐based Mantel correlations ( r m ), and the unusual Type I and Type II error rates. We propose an alternate proximity measure that resolves these issues. We use simulations and examples to contrast Mantel results based on Euclidean distance, squared Euclidean distance, and the simple difference ( Diff ) with traditional bivariate Pearson correlations. We demonstrate that use of the simple difference in Mantel tests can resolve the underlying problems with poor agreement between bivariate Pearson and Mantel correlations, as well as appropriate Type I and Type II errors (i.e., where r = cor( x,y ) and r m = cor(d x , d y ), if d x = Diff ( x ) and d y = Diff ( y ), r = r m ). We also show that the simple difference can provide solutions to issues with partial Mantel tests and distance‐based MANOVA. Because our results resolve many of the issues with Mantel tests, we hope that these findings will restore the popularity of the Mantel test.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».