2.6. Statistical analysisIn order t

2.6. Statistical analysis
In order to avoid the temporal pseudo-replication that results
from the repeated monitoring of each tree (Crawley, 2007), we
used cumulative values (for earwig and aphid populations) or
the values obtained on a specific day (for flower survival and
fruit yield) as dependent variables to run the statistical tests.
To obtain the cumulative values we plotted the abundance of
earwigs or the density of aphids over time and measured the area
below each resultant curve using Sigmaplot 8.0 tools (SPSS Inc.
Chicago, IL, USA). To analyze the effect of treatments on each variable
studied, we used univariate permutational ANOVA’s. For
earwig abundance, aphid density and fruit yield, the raw data
was square-root transformed, while for flower survival we used
the arcsine transformation of the square root of each proportion.
Treatment and block were considered as fixed and random factors,
respectively. The Euclidean distance was used to calculate
the dissimilarity between samples and pair-wise tests (corrected
with the false discovery rate; Benjamini and Hochberg, 1995)
were conducted following significant differences between treatments.
The software used was PRIMER v6 and PERMANOVA+
(Anderson et al., 2008).
We performed additional analyses to relate earwig abundance
(independent variable) with the other variables studied (dependent
variables) in the control trees. Distance-based linear models
(DISTLM) were used to examine each relationship. When Euclidean
distances are used, and even though the P-values are obtained by
permutation, DISTLM can be considered equivalent to traditional
linear regressions (Anderson et al., 2008). For each studied relationship
(i.e. earwig abundance vs. aphid density, earwig abundance
vs. flower survival and earwig abundance vs. fruit yield;
for 2009 and 2010), the cumulative abundance of earwigs varied,
as it was calculated up to the particular day in question. For instance,
to study the relationship between earwigs and flower survival
before abscission occurred, the cumulative earwig abundance
was calculated up to the day considered prior to abscission.

ผลลัพธ์ (ไทย) 1:

2.6. สถิติวิเคราะห์เพื่อหลีกเลี่ยงการจำลองหลอกขมับที่เป็นผลลัพธ์จากการตรวจสอบซ้ำของต้นไม้แต่ละต้น (ครอวเลย์ 2007), เราใช้ค่าสะสม (สำหรับประชากรเร็นและ aphid) หรือค่าได้รับในวันระบุ (เพื่อความอยู่รอดของดอกไม้ และผลไม้ผลผลิต) เป็นตัวแปรขึ้นอยู่กับการเรียกใช้การทดสอบทางสถิติการขอรับค่าสะสมที่เราพล็อตความอุดมสมบูรณ์ของตะขาบหรือความหนาแน่นของเพลี้ยช่วงเวลา และวัดพื้นที่ด้านล่างโค้งแต่ละผลลัพธ์โดยใช้เครื่องมือ Sigmaplot 8.0 (SPSS incชิคาโก IL สหรัฐอเมริกา) การวิเคราะห์ผลของการรักษาในแต่ละตัวแปรศึกษา เราใช้ไร univariate permutational ANOVA สำหรับเร็น aphid ความหนาแน่นและผลไม้ผลผลิต ข้อมูลดิบ อุดมสมบูรณ์เป็นรากที่สองเปลี่ยน เพื่อความอยู่รอดของดอกไม้ ที่เราใช้การเปลี่ยนแปลง arcsine ของรากที่สองของแต่ละสัดส่วนรักษาและบล็อกถือว่าเป็นปัจจัยคงที่ และแบบสุ่มตามลาดับ ใช้ในการคำนวณระยะทางแบบยุคลิดความแตกต่างกันระหว่างตัวอย่างและการทดสอบ pair-wise (แก้ไขอัตราการค้นพบเท็จ Benjamini และ Hochberg, 1995)ได้ดำเนินการตามความแตกต่างสำคัญระหว่างการรักษาซอฟต์แวร์ที่ใช้เป็นไพรเมอร์ v6 และ PERMANOVA +(Anderson et al. 2008)เราทำการวิเคราะห์เพิ่มเติมเพื่อเชื่อมโยงความอุดมสมบูรณ์ของเร็น(ตัวแปรอิสระ) กับอื่น ๆ ตัวแปรที่ศึกษา (ขึ้นอยู่กับตัวแปร) ในการควบคุมต้นไม้ ระยะทางตามรูปแบบเชิงเส้น(DISTLM) were used to examine each relationship. When Euclideandistances are used, and even though the P-values are obtained bypermutation, DISTLM can be considered equivalent to traditionallinear regressions (Anderson et al., 2008). For each studied relationship(i.e. earwig abundance vs. aphid density, earwig abundancevs. flower survival and earwig abundance vs. fruit yield;for 2009 and 2010), the cumulative abundance of earwigs varied,as it was calculated up to the particular day in question. For instance,to study the relationship between earwigs and flower survivalbefore abscission occurred, the cumulative earwig abundancewas calculated up to the day considered prior to abscission.

ผลลัพธ์ (ไทย) 2:

2.6 การวิเคราะห์ทางสถิติ
เพื่อหลีกเลี่ยงความชั่วหลอกจำลองแบบที่เป็นผลมา
จากการตรวจสอบซ้ำของต้นไม้แต่ละต้น (คราว 2007) เรา
ใช้ค่าสะสม (สำหรับแมลงหางหนีบและเพลี้ยประชากร) หรือ
ค่าที่ได้ในวันที่เฉพาะเจาะจง (เพื่อความอยู่รอดและดอกไม้
ผลผลิตผลไม้) เป็นตัวแปรขึ้นอยู่กับการเรียกใช้การทดสอบทางสถิติ.
ที่จะได้รับค่าสะสมเราวางแผนความอุดมสมบูรณ์ของ
แมลงหางหนีบหรือความหนาแน่นของเพลี้ยเมื่อเวลาผ่านไปและวัดพื้นที่
ด้านล่างของแต่ละโค้งผลโดยใช้เครื่องมือ Sigmaplot 8.0 (SPSS อิงค์
ชิคาโก, IL, สหรัฐอเมริกา). การวิเคราะห์ผลกระทบของการรักษาในแต่ละตัวแปร
การศึกษาเราใช้ univariate permutational วิเคราะห์ความแปรปรวนของ สำหรับ
ความอุดมสมบูรณ์แมลงหางหนีบ, ความหนาแน่นของเพลี้ยและผลผลิตผลไม้ข้อมูลดิบ
เป็นรากที่เปลี่ยนในขณะที่สำหรับการอยู่รอดของดอกไม้ที่เราใช้ใน
การเปลี่ยนแปลง arcsine ของรากที่สองของแต่ละสัดส่วน.
การรักษาและป้องกันการได้รับการพิจารณาเป็นปัจจัยคงที่และแบบสุ่ม
ตามลำดับ ระยะทางแบบยุคลิดถูกนำมาใช้ในการคำนวณ
ความแตกต่างกันระหว่างกลุ่มตัวอย่างและการทดสอบคู่ปัญญา (การแก้ไข
ที่มีอัตราการค้นพบเท็จ Benjamini และ Hochberg, 1995)
. ได้ดำเนินการดังต่อไปนี้ความแตกต่างที่สำคัญระหว่างการรักษา
ซอฟแวร์ที่ใช้เป็นสีรองพื้น V6 และ PERMANOVA +
(เดอร์สัน, et al ., 2008).
เราดำเนินการวิเคราะห์เพิ่มเติมที่จะเกี่ยวข้องกับความอุดมสมบูรณ์แมลงหางหนีบ
(ตัวแปรอิสระ) กับตัวแปรอื่น ๆ การศึกษา (ขึ้นอยู่กับ
ตัวแปร) ในต้นไม้ควบคุม ระยะทางที่ใช้แบบจำลองเชิงเส้น
(DISTLM) ถูกนำมาใช้ในการตรวจสอบความสัมพันธ์แต่ละ เมื่อยุคลิด
ระยะทางที่ถูกนำมาใช้และแม้ว่า P-ค่าจะได้รับโดย
การเปลี่ยนแปลง, DISTLM ถือได้ว่าเทียบเท่ากับแบบดั้งเดิม
การถดถอยเชิงเส้น (Anderson et al., 2008) สำหรับแต่ละความสัมพันธ์ศึกษา
(เช่นแมลงหางหนีบความอุดมสมบูรณ์กับความหนาแน่นของเพลี้ยแมลงหางหนีบความอุดมสมบูรณ์
กับความอยู่รอดของดอกไม้และความอุดมสมบูรณ์แมลงหางหนีบเทียบกับผลผลิตผลไม้
สำหรับปี 2009 และ 2010), ความอุดมสมบูรณ์สะสมของแมลงหางหนีบแตกต่างกัน
ขณะที่มันถูกคำนวณจนถึงวันโดยเฉพาะอย่างยิ่งใน คำถาม. ยกตัวอย่างเช่น
การศึกษาความสัมพันธ์ระหว่างแมลงหางหนีบและความอยู่รอดดอกไม้
ก่อนที่จะตัดแขนขาเกิดความอุดมสมบูรณ์แมลงหางหนีบสะสม
ที่คำนวณถึงวันพิจารณาก่อนที่จะมีการตัดแขนขา