Methods of reporting SOC stocks and

Methods of reporting SOC stocks and statistical power
This experiment attempted to determine if there was a change in
SOC to a depth of 150 cm. In principle it is important to establish if
there is change at such depths as 30% of the organic carbon in the
150 cm profile was found at depths N60 cm. However as found in
meta-analyses, for example by Shi et al. (2013), we were unable to determine
a statistically significant change in SOC stock below 40 cm Changes in SOC stock can be described on the basis of soil increments
or the cumulative stock to a specified depth. An alternative
method to report changes, suggested by Kravchenko and Robertson
(2011), is to determine the change in the cumulative SOC stock
only from those depth increments showing significant differences.
In this experiment, as the only significant difference was observed
at 0–10 cm, the cumulative change over 0–150 cm (according to
the Kravchenko and Robertson method) equates to the change at
0–10 cm, i.e. the SOC of the pasture was 13.4Mg ha−1 higher than
the woodland and 6.4 Mg ha−1 higher than below the silvopastoral
trees. Soil carbon studies are always going to run the risk of low experimental
power, as the magnitude of the variation between sampling
points and depths is high relative to the magnitude of
changes in the SOC stock. In particular because the mean changes
in soil carbon decline with depth and the level of variation increases,
it is particularly difficult to detect differences at depth. In this experiment
we collected 480 samples per treatment, 120 each in the
woodland and silvopasture trees, and 240 in the pasture. However the power analysis indicates that for the SOC stock within depth increments
below 10 cm and at cumulative depths below 0–40 cm,
there wasmore than a 20% chance of falsely concluding no difference
between treatments (Fig. 8).
Most soil carbon studies do not sample as intensively aswe have and
therefore almost certainly (and mostly unknowingly) run into lowpower
problems. Our findings highlight the importance of conducting
appropriate post-hoc power analyses when reporting a negative result.
Note however that using the so called ‘observed power’ in many proprietary
statistical packages is not informative (Hoenig and Heisey, 2001;
Thomas, 1997). In Fig. 8 we present a ‘reverse power analysis’
(Thomas, 1997) – using the acceptable level of power (1 − β = 0.8)
and the observed variance fromeach depth layer to calculate the detectable
effect size for a given sample size. These curves can be considered
as a guide for future studies when comparing afforestation of pasture
on clay soils in a temperate environment, though it would always be
preferable to complete a site specific ad-hoc power analysis informed
by a pilot study prior to any serious sampling endeavour.
Based on this analysis, to detect a rate of SOC change of 1 Mg ha−1
a−1 (which was the rate observed) to 150 cm, if one were to follow
the suggestion of Kravchenko and Robertson (2011) and consider
each depth layer individually (and thus satisfying the β=0.2 constraint
for each depth layer) would require 1448 paired sampling plots (2896
individual samples). Considered cumulatively, the same analysis
would require 78 paired plots (12 individual samples each: 936 individual
samples, Table 6) to maintain β=0.2.
The Kravchenko and Robertson (2011) method for calculating SOC
stocks offers an improvement on themore traditional cumulativemethod
insofar as it reduces the likelihood ofmasking of treatment effects at
individual depth increments by other layers. But far from increasing
power and reducing the sampling requirement, the high ratio of standard
deviation to the mean (CV, Table 6) at individual depth increments
requires more sampling (n = 2896 individual samples) to maintain an
acceptable type II error rate across the whole depth profile (Fig. 8).
This does not mean that researchers should not use the method, but
must be prepared to sample much more intensively to avoid lower
power problems at the field scale.
Another option which may help to alleviate low power issues
somewhat is to bulk samples collected across the whole field site,
or a portion of it. Thiswill reduce variability between samples,whilst
having less effect on the mean. However this process will lose information
about within-field variability and del Campillo et al. (1996)
report that bulking can cause systematic bias in organic matter
measurements.

ผลลัพธ์ (ไทย) 1:

วิธีการรายงานหุ้น SOC และสถิติพลังงานทดลองนี้พยายามตรวจสอบถ้ามีการเปลี่ยนแปลงในSOC ได้ลึกถึง 150 ซม. หลักการ มันเป็นสิ่งสำคัญที่จะสร้างหากมีการเปลี่ยนแปลงที่ระดับความลึกดังกล่าวเป็น 30% ของปริมาณคาร์บอนอินทรีย์ในการพบโปรไฟล์ซม. 150 ซม.ลึก N60 อย่างไรก็ตามพบในการวิเคราะห์เมตา ตัวอย่างเช่นโดย Shi et al. (2013), ไม่มีกำหนดสามารถอธิบายการเปลี่ยนแปลงอย่างมีนัยสำคัญทางสถิติในสต็อก SOC ล่าง 40 ซม.การเปลี่ยนแปลงในสต็อก SOC ถกทีดินหรือสะสมหุ้นได้ลึกระบุ ทางเลือกวิธีการรายงานการเปลี่ยนแปลง แนะนำ โดย Kravchenko และโรเบิร์ตสัน(2011), เป็นการ ตรวจสอบการเปลี่ยนแปลงของหุ้นสะสมของ SOCจากนั้นเพิ่มความลึกที่แสดงความแตกต่างกันเท่านั้นในการทดลองนี้ เป็นความแตกต่างที่สำคัญเท่านั้นเป็นที่สังเกตที่ 0 – 10 ซม การเปลี่ยนแปลงสะสมกว่า 0 – 150 ซม. (ตามไปวิธี Kravchenko และโรเบิร์ตสัน) เท่ากับการเปลี่ยนแปลงที่0 – 10 cm เช่น SOC ของทุ่งหญ้าถูก ha−1 13.4 มิลลิกรัมสูงกว่าป่าไม้และ 6.4 มิลลิกรัม ha−1 สูงกว่าด้านล่างของ silvopastoralต้นไม้ การศึกษาดินคาร์บอนมักจะเสี่ยงต่อการทดลองต่ำพลังงาน เป็นขนาดของการเปลี่ยนแปลงระหว่างการสุ่มตัวอย่างจุดและลึกจะสูงเมื่อเทียบกับขนาดของการเปลี่ยนแปลงในสต็อก SOC โดยเฉพาะอย่างยิ่ง เพราะหมายถึงการเปลี่ยนแปลงในการลดลงของคาร์บอนดินมีความลึกและระดับการเปลี่ยนแปลงเพิ่มขึ้นได้ยากโดยเฉพาะอย่างยิ่งการตรวจสอบความแตกต่างที่ระดับความลึก ในการทดลองนี้เราเก็บรวบรวมตัวอย่าง 480 ต่อการรักษา 120 แต่ละในการต้นไม้ป่าไม้และ silvopasture และ 240 ในทุ่งหญ้า อย่างไรก็ตาม การวิเคราะห์พลังงานระบุว่า สำหรับหุ้น SOC ภายในเพิ่มความลึกต่ำ กว่า 10 ซม. และลึกสะสมด้านล่าง 0 – 40 ซม.wasmore มีมากกว่ามีโอกาส 20% อย่างผิด ๆ เพราะไม่แตกต่างกันระหว่างการรักษา (รูป 8)ศึกษาคาร์บอนของดินส่วนใหญ่ทำตัวอย่างเข้ม aswe มี และดังนั้น ที่เกือบจะแน่นอน (และส่วนใหญ่ไม่รู้) ทำงานเป็น lowpowerปัญหา ผลการวิจัยของเราเน้นความสำคัญของการดำเนินการวิเคราะห์พลังงานโพสต์แบบเฉพาะกิจที่เหมาะสมเมื่อรายงานผลลบอย่างไรก็ตามเรียกว่า 'สังเกตไฟ' ที่ใช้ในหลายเป็นกรรมสิทธิ์แพคเกจทางสถิติไม่ใช่ข้อมูล (Hoenig และ Heisey, 2001Thomas, 1997) ใน 8 รูป ที่เรานำเสนอ 'วิเคราะห์ไฟ'(Thomas, 1997) – ใช้ระดับพลังงาน (1 −β = 0.8)และชั้นความลึก fromeach สังเกตผลต่างการคำนวณการตรวจผลขนาดสำหรับขนาดตัวอย่างที่กำหนดให้ เส้นโค้งเหล่านี้ถือได้ว่าเป็นคู่มือสำหรับการศึกษาในอนาคตเมื่อเปรียบเทียบ afforestation ของทุ่งหญ้าในดินดินในสภาพแวดล้อมที่หนาว แม้ว่ามันจะเสมอเป็นดีกว่าการทำพลังงานวิเคราะห์กิจเฉพาะไซต์ทราบโดยการศึกษานำร่องก่อนที่จะพยายามใด ๆ อย่างจริงจังอิงตามบทวิเคราะห์นี้ การตรวจหาอัตราการเปลี่ยนแปลง SOC ha−1 1 มิลลิกรัมa−1 (ซึ่งเป็นอัตราที่สังเกต) ที่ 150 ซม. หากทำตามคำแนะนำของ Kravchenko และโรเบิร์ตสัน (2011) และพิจารณาความลึกแต่ละชั้นมีเอกลักษณ์ (และจึง น่าพอใจβ = 0.2 จำกัดสำหรับแต่ละชั้นความลึก) จำเป็นต้องจับคู่สุ่มแปลง 1448 (2896แต่ละตัวอย่าง) พิจารณาจำนวน การวิเคราะห์เดียวกันจำเป็นต้องแปลงคู่ที่ 78 (12 แต่ละตัวอย่างแต่ละ: 936 ละตัวอย่าง ตารางที่ 6) รักษาβ = 0.2Kravchenko และโรเบิร์ตสัน (2011) วิธีการคำนวณ SOCหุ้นมีการปรับปรุงบน themore cumulativemethod ดั้งเดิมตราบเท่าที่จะช่วยลด ofmasking โอกาสของผลการรักษาที่เพิ่มความลึกของแต่ละบุคคล โดยชั้นอื่น ๆ แต่จากการเพิ่มพลังงานและลดความสุ่มตัวอย่างต้องการ อัตราส่วนมาตรฐานความเบี่ยงเบนของการเฉลี่ย (CV ตารางที่ 6) ที่ความลึกแต่ละทีต้องสุ่มตัวอย่างเพิ่มเติม (n =ตัวอย่างแต่ละ 2896) เพื่อรักษาตัวอัตราข้อผิดพลาด II ชนิดที่ยอมรับในโพรไฟล์ความลึกทั้งหมด (8 รูป)นี้ไม่ได้หมายความ ว่า นักวิจัยไม่ควรใช้วิธีการ แต่ต้องเตรียมตัวอย่างมากขึ้นอย่างหลีกเลี่ยงต่ำปัญหาพลังงานส่วนฟิลด์อีกทางเลือกหนึ่งซึ่งอาจช่วยลดปัญหาพลังงานต่ำค่อนข้างจะเป็นกลุ่มตัวอย่างที่เก็บรวบรวมผ่านเว็บไซต์ทั้งหมดฟิลด์หรือส่วนของมัน ซึ่งลดความแปรปรวนระหว่างตัวอย่าง ในขณะที่มีผลกระทบน้อยบนหมายถึงการ อย่างไรก็ตาม กระบวนการนี้จะสูญเสียข้อมูลเกี่ยวกับความแปรปรวนภายในฟิลด์และ del Campillo et al. (1996)รายงานว่า การเปรียบเทียบอาจทำให้เกิดอคติเป็นระบบอินทรีย์วิธีการวัด

ผลลัพธ์ (ไทย) 2:

วิธีการรายงานหุ้น SOC และอำนาจทางสถิติ
การทดลองนี้พยายามที่จะตรวจสอบว่ามีการเปลี่ยนแปลงใน
SOC ที่ความลึก 150 เซนติเมตร ในหลักการมันเป็นสิ่งสำคัญที่จะสร้างถ้า
มีการเปลี่ยนแปลงที่ระดับความลึกเช่น 30% ของสารอินทรีย์คาร์บอนใน
รายละเอียด 150 เซนติเมตรถูกพบที่ระดับความลึก N60 ซม. แต่ที่พบใน
อภิวิเคราะห์เช่นโดยชิเอตอัล (2013) เราไม่สามารถที่จะตรวจสอบ
การเปลี่ยนแปลงอย่างมีนัยสำคัญทางสถิติใน SOC หุ้นดังต่อไปนี้การเปลี่ยนแปลง 40 ซม. ใน SOC หุ้นสามารถอธิบายบนพื้นฐานของการเพิ่มขึ้นของดิน
หรือหุ้นที่สะสมถึงระดับความลึกที่ระบุ ทางเลือก
วิธีการที่จะรายงานการเปลี่ยนแปลงการแนะนำโดย Kravchenko และโรเบิร์ต
(2011) คือการตรวจสอบการเปลี่ยนแปลงในหุ้น SOC ที่สะสม
เฉพาะจากผู้ที่เพิ่มขึ้นทีละลึกแสดงความแตกต่างอย่างมีนัยสำคัญ.
ในการทดลองนี้เป็นเพียงความแตกต่างอย่างมีนัยสำคัญเป็นข้อสังเกต
ที่ 0-10 ซม. การเปลี่ยนแปลงที่สะสมในช่วง 0-150 ซม. (ตาม
Kravchenko และโรเบิร์ต Method) เท่ากับการเปลี่ยนแปลงที่
0-10 ซม. เช่น SOC แห่งทุ่งหญ้าที่ถูก 13.4Mg ฮ่า-1 สูงกว่า
ป่าและ 6.4 Mg ha- 1 สูงกว่าด้านล่าง silvopastoral
ต้นไม้ การศึกษาดินคาร์บอนเสมอไปใช้ความเสี่ยงของการทดลองต่ำ
พลังงานเช่นขนาดของการเปลี่ยนแปลงระหว่างการสุ่มตัวอย่าง
คะแนนและระดับความลึกที่เป็นญาติสูงให้กับขนาดของ
การเปลี่ยนแปลงในสต็อก SOC โดยเฉพาะอย่างยิ่งเพราะการเปลี่ยนแปลงของค่าเฉลี่ย
ในการลดลงคาร์บอนในดินที่มีความลึกและระดับของการเปลี่ยนแปลงเพิ่มขึ้น
มันเป็นเรื่องยากโดยเฉพาะอย่างยิ่งในการตรวจสอบความแตกต่างที่ระดับความลึก ในการทดลองนี้
เรารวบรวม 480 ตัวอย่างต่อการรักษา 120 ในแต่ละ
ป่าและ silvopasture ต้นไม้และ 240 ในทุ่งหญ้า อย่างไรก็ตามการวิเคราะห์อำนาจที่บ่งชี้ว่าสำหรับหุ้น SOC ภายในเพิ่มขึ้นทีละระดับความลึก
ต่ำกว่า 10 ซม. และที่ระดับความลึกด้านล่างสะสม 0-40 เซนติเมตร
มี wasmore กว่าโอกาส 20% ของตู่สรุปความแตกต่าง
ระหว่างการรักษา (รูปที่. 8).
การศึกษาส่วนใหญ่คาร์บอนในดิน ไม่ได้ลิ้มลองเป็นอย่างหนาแน่น aswe มีและ
ดังนั้นจึงเกือบจะแน่นอน (และส่วนใหญ่ไม่รู้) วิ่งเข้ามาใน lowpower
ปัญหา ค้นพบของเราเน้นความสำคัญของการทำ
-hoc โพสต์พลังงานที่เหมาะสมเมื่อรายงานการวิเคราะห์ผลลบ.
แต่ทราบว่าการใช้ที่เรียกว่า 'ข้อสังเกตพลังงาน' ในหลาย ๆ ที่เป็นกรรมสิทธิ์ของ
แพคเกจไม่ได้เป็นสถิติข้อมูล (Hoenig และ Heisey 2001
โทมัส, 1997) ในรูป 8 เรานำเสนอการวิเคราะห์พลังงานกลับ '
(Thomas, 1997) - การใช้ในระดับที่ยอมรับของอำนาจ (1 - β = 0.8)
และชั้นลึกแปรปรวน fromeach สังเกตในการคำนวณการตรวจพบ
ขนาดผลขนาดตัวอย่างที่กำหนด เส้นโค้งเหล่านี้สามารถได้รับการพิจารณา
เป็นคู่มือสำหรับการศึกษาในอนาคตเมื่อเปรียบเทียบการปลูกป่าแห่งทุ่งหญ้า
บนดินเหนียวในสภาพแวดล้อมที่พอสมควร แต่ก็มักจะเป็น
ที่นิยมในการดำเนินการวิเคราะห์เฉพาะกิจเฉพาะเว็บไซต์อำนาจแจ้ง
โดยการศึกษานำร่องก่อนที่จะมีการสุ่มตัวอย่างร้ายแรงใด ๆ ความพยายาม.
จากการวิเคราะห์นี้ในการตรวจสอบอัตราการเปลี่ยนแปลง SOC ของ 1 MG ฮ่า-1
A-1 (ซึ่งเป็นอัตราที่สังเกต) ถึง 150 เซนติเมตรถ้าคนใดคนหนึ่งที่จะปฏิบัติตาม
คำแนะนำของ Kravchenko และโรเบิร์ต (2011) และพิจารณา
แต่ละชั้นความลึกเป็นรายบุคคล (และความพึงพอใจของβ = 0.2 ข้อ จำกัด
สำหรับแต่ละชั้นความลึก) จะต้องจับคู่ 1,448 แปลงสุ่มตัวอย่าง (2,896
ตัวอย่างของแต่ละบุคคล) ถือว่าสะสมการวิเคราะห์เดียวกัน
จะต้องมี 78 แปลงจับคู่ (12 ตัวอย่างแต่ละบุคคล: 936 บุคคล
ตัวอย่างตารางที่ 6) เพื่อรักษาβ = 0.2.
Kravchenko และโรเบิร์ต (2011) วิธีการคำนวณ SOC
หุ้นมีการปรับปรุงใน cumulativemethod ดั้งเดิม themore
ตราบเท่า ที่จะช่วยลดโอกาส ofmasking ของผลการรักษาที่
เพิ่มขึ้นทีละลึกของแต่ละบุคคลโดยชั้นอื่น ๆ แต่ยังห่างไกลจากการเพิ่ม
การใช้พลังงานและลดความต้องการการสุ่มตัวอย่างอัตราส่วนสูงของมาตรฐาน
การเบี่ยงเบนไปเฉลี่ย (CV, ตารางที่ 6) ที่เพิ่มขึ้นทีละลึกของแต่ละบุคคล
ต้องมีการสุ่มตัวอย่างเพิ่มเติม (n = 2,896 ตัวอย่างของแต่ละบุคคล) เพื่อรักษา
อัตราความผิดพลาดที่ยอมรับชนิด II ข้าม รายละเอียดเชิงลึกทั้ง (รูปที่. 8).
นี้ไม่ได้หมายความว่านักวิจัยไม่ควรใช้วิธีการ แต่
ต้องเตรียมที่จะลิ้มลองมากขึ้นอย่างหนาแน่นเพื่อหลีกเลี่ยงการลดลง
ปัญหาพลังงานในระดับเขต.
ตัวเลือกซึ่งอาจช่วยบรรเทาปัญหาพลังงานต่ำอีก
ค่อนข้างเป็นตัวอย่างที่เก็บรวบรวมจำนวนมากทั่วทั้งไซต์ข้อมูลทั้งหมด
หรือบางส่วนของมัน Thiswill ลดความแปรปรวนระหว่างกลุ่มตัวอย่างในขณะที่
มีผลกระทบน้อยกว่าค่าเฉลี่ย แต่กระบวนการนี้จะสูญเสียข้อมูล
เกี่ยวกับที่อยู่ในเขตความแปรปรวนและ Del Campillo et al, (1996)
รายงานว่าสามารถทำให้เกิดการเปรียบเทียบระบบอคติในเรื่องอินทรีย์
วัด

ผลลัพธ์ (ไทย) 3:

วิธีประกาศ หุ้นสและอำนาจทางสถิติการทดลองนี้ได้พยายามที่จะตรวจสอบว่ามีการเปลี่ยนแปลงในรายวิชาที่ความลึก 150 เซนติเมตร ในหลักการ มันเป็นสิ่งสำคัญที่จะสร้างถ้ามีการเปลี่ยนแปลงที่ลึกเช่น 30 เปอร์เซ็นต์ของคาร์บอนอินทรีย์ในรายละเอียด พบที่ระดับความลึก 150 เซนติเมตร n60 cm อย่างไรก็ตาม เท่าที่พบในโดยวิธีการวิเคราะห์เมต้า เช่น ซือ et al . ( 2013 ) เราไม่สามารถที่จะกำหนดการเปลี่ยนแปลงอย่างมีนัยสำคัญทางสถิติ ในรายวิชา สหุ้นต่ำกว่า 40 เซนติเมตร การเปลี่ยนแปลง ในรายวิชา สหุ้นสามารถอธิบายบนพื้นฐานของทีดินหรือสะสมหุ้นกับความลึกที่ระบุ ทางเลือกวิธีการรายงานการเปลี่ยนแปลงที่เสนอโดย kravchenko และ โรเบิร์ตสัน( 2011 ) เพื่อตรวจสอบการเปลี่ยนแปลงในหุ้นสสะสมจากความลึกที่เพิ่มขึ้นแสดงความแตกต่างเท่านั้นในการทดลองนี้เป็นเพียงความแตกต่างพบว่าที่ 0 – 10 เซนติเมตร รวมเปลี่ยนที่ 0 - 150 ซม. ( ตามและวิธีที่ kravchenko โรเบิร์ตสัน ) เป็นการเปลี่ยนแปลงที่0 – 10 เซนติเมตร เช่น สแห่งทุ่งหญ้าก็ 13.4mg ฮา− 1 สูงกว่าป่าและ 6.4 mg ฮา− 1 สูงกว่าด้านล่าง silvopastoralต้นไม้ การศึกษาคาร์บอนในดินก็จะเสี่ยงต่ำ ทดลองพลังงาน เป็นขนาดของการสุ่มระหว่างคะแนนและระดับความลึกสูงเมื่อเทียบกับขนาดของการเปลี่ยนแปลงในสังคมหุ้น โดยเฉพาะ เพราะหมายถึงการเปลี่ยนแปลงคาร์บอนในดินลดลงตามความลึกและระดับของการเพิ่มขึ้นของมันเป็นเรื่องยากที่จะตรวจสอบความแตกต่างในระดับลึก ในการทดลองนี้เรารวบรวม 480 ตัวอย่างต่อ 120 ในการรักษาป่าไม้และ silvopasture ต้นไม้ , 240 ในทุ่งหญ้า อย่างไรก็ตามการวิเคราะห์พลังงาน ระบุว่า สำหรับหุ้นภายในความลึกน้อย ส10 เซนติเมตร และที่ระดับความลึกด้านล่าง ( ด้านล่าง 0 – 40 ซม.มี wasmore กว่า 20 % ที่จะแอบอ้างปัจฉิม ไม่แตกต่างกันระหว่างการรักษา ( รูปที่ 8 )การศึกษาปริมาณคาร์บอนในดินมากที่สุด ไม่ได้เป็นอย่าง aswe มีตัวอย่างและดังนั้นเกือบแน่นอน ( และส่วนใหญ่ไม่รู้ ) วิ่งเข้าไปใน lowpowerปัญหา เน้นความสำคัญของการค้นพบการวิเคราะห์หาพลังงานที่เหมาะสม เมื่อรายงานผลเป็นลบทราบ แต่ที่ใช้เรียกว่า ' พบอำนาจของหลายที่เป็นกรรมสิทธิ์แพคเกจทางสถิติ ( และไม่ใช่ข้อมูล hoenig Heisey , 2001 ;โทมัส , 1997 ) ในรูปที่ 8 เรานำเสนอการวิเคราะห์พลังงาน ' ย้อนกลับ '( Thomas , 1997 ) –การใช้ระดับของพลังงาน ( 1 −บีตา = 0.8 )และพบความแปรปรวนของความลึกชั้นคำนวณได้ขนาดผลให้ขนาดตัวอย่าง เส้นโค้งเหล่านี้ สามารถ พิจารณาเป็นคู่มือสำหรับการศึกษาในอนาคตเมื่อเปรียบเทียบการปลูกสร้างสวนป่าของทุ่งหญ้าในดินเหนียวในสภาพแวดล้อมที่หนาว แม้ว่าจะเสมอกว่าจะเสร็จสมบูรณ์เว็บไซต์ที่เฉพาะเจาะจงของพลังการวิเคราะห์ข้อมูลโดยการศึกษานำร่องก่อนใด ๆที่ร้ายแรงและความพยายามจากการวิเคราะห์นี้เพื่อตรวจสอบอัตราสเปลี่ยน 1 มก. ฮา− 1เป็น− 1 ( ซึ่งเป็นคะแนนที่สังเกต ) 150 เซนติเมตร หาก มี การ ติดตามและข้อเสนอแนะของ kravchenko โรเบิร์ตสัน ( 2011 ) และพิจารณาแต่ละชั้นแต่ละความลึก ( และดังนั้นจึง ภิรมย์บีตา = 0.2 จำกัดสำหรับแต่ละความลึกชั้น ) จะต้องแปลงตัวอย่าง ( 2896 999 คู่ตัวอย่างแต่ละคน ) ถือว่าสามารถขยาย , วิเคราะห์กันจะต้องแปลง 78 คู่ ( 12 : 936 บุคคลแต่ละบุคคลตัวอย่างตัวอย่างตาราง 6 ) เพื่อรักษาบีตา = 0.2และที่ kravchenko โรเบิร์ตสัน ( 2011 ) วิธีการคำนวณ สหุ้นเสนอการปรับปรุงประ cumulativemethod แบบดั้งเดิมตราบเท่าที่มันช่วยลดโอกาส ofmasking ผลรักษาเพิ่มความลึกของแต่ละบุคคลโดยชั้นอื่น ๆ แต่ห่างไกลจากเพิ่มพลังงานและลดความต้องการสุ่มตัวอย่าง , อัตราส่วนสูงของมาตรฐานเบี่ยงเบนไปเฉลี่ย ( CV , ตารางที่ 6 ) ที่เพิ่มขึ้นแต่ละความลึกมีอีกตัวอย่าง ( n = 2896 ตัวอย่างบุคคล ) เพื่อรักษายอมรับชนิดที่ ๒คะแนนผ่านโปรไฟล์ความลึกทั้งหมด ( รูปที่ 8 )นี้ไม่ได้หมายความ ว่า นักวิจัยไม่ควรใช้วิธีนี้ แต่ต้องเตรียมตัวให้มากขึ้นอย่างต่อเนื่องเพื่อหลีกเลี่ยงการลดลงอย่างมากปัญหาพลังงานที่ระดับฟิลด์ .อีกทางเลือกหนึ่งที่ช่วยบรรเทาปัญหาพลังงานต่ำค่อนข้างที่จะเป็นกลุ่มจำนวนข้ามทั้งด้านเว็บไซต์หรือส่วนของ thiswill ลดความผันแปรระหว่างตัวอย่าง ขณะที่จะมีผลน้อยกว่าค่าเฉลี่ย อย่างไรก็ตาม กระบวนการนี้จะสูญเสียข้อมูลเกี่ยวกับภายในสนามแปรปรวนและ เดล campillo et al . ( 2539 )รายงานที่เปรียบเทียบสามารถก่อให้เกิดอคติในระบบอินทรีย์การวัด