2.3. Data analysisNon-metric multid

2.3. Data analysis
Non-metric multidimensional scaling (MDS) ordination, performed
on log10-transformed abundances and Bray–Curtis dissimilarity measures,
were used to detect variation in species composition with
sampling treatments (dry× rainy periods; gillnets×visual censuses).
The effects of sampling treatments were tested by similarity analysis
(ANOSIM) while Bray–Curtis dissimilarities between and within groups
of replicates in each sampling treatment were calculated using the
similarity percentage breakdown procedures (Clarke and Green, 1988;
Clarke, 1993). These analyses were performed with the statistical
package PRIMER 6.
Fish richness and abundance were used as descriptors of the changes
in fish assemblages with increased reef distance. Permutational
multivariate analyses of variance (PERMANOVA) were applied for
multivariate (the entire community) and univariate (fish richness and
abundance) comparisons of fish assemblage attributes among the four
experimental reef distances. PERMANOVA is a computer program for
testing the simultaneous response of one or more variables to one or
more factors in an ANOVA experimental design on the basis of any
distance measure, using permutation methods (Anderson, 2001). The
Bray–Curtis similarity distance was chosen as the basis of all
PERMANOVA analysis and data were permutated 4999 times per
analysis, for tests at an α-level of 0.01 (Manly, 1997). Where significant
differences were found, pair-wise post-hoc comparisons were performed
under 4999 permutations (see Anderson, 2005 for further
details). Data were log10-transformed for PERMANOVA analyses.
Generalized additive models (GAMs), as available in CANOCO®
(V4.5), were also fitted to appraise the response of fish richness and
abundance to reef distance. GAMs are an extension of generalized
linear models that, unlike more conventional regression methods, do
not assume a particular functional relationship between the response
variable and the predictor (distance in our case) (Lepš and Šmilauer,
2003). The model complexity of GAMs was chosen by the stepwise
selection procedure using the Akaike information criterion (AIC), also
available in CANOCO® (V4.5). AIC considers not only the goodness of
fit but also parsimony, penalizing very complex models (Burnham and
Anderson, 1998).

ผลลัพธ์ (ไทย) 1:

2.3. ข้อมูลวิเคราะห์ไม่ใช่วัดหลายมิติมาตราส่วนออกบวช (MDS) ดำเนินการร้านแปลง log10 และมาตรการ Bray – เคอร์ติ dissimilarityใช้การตรวจสอบการเปลี่ยนแปลงในองค์ประกอบสายพันธุ์ด้วยรักษาการสุ่มตัวอย่าง (แห้ง×ระยะเวลาฝนตก gillnets ×สำมะโนภาพ)ผลการรักษาสุ่มตัวอย่างทดสอบ โดยการวิเคราะห์ความคล้ายคลึงกัน(ANOSIM) ในขณะที่ dissimilarities Bray – เคอร์ติภาย ในกลุ่ม และระหว่างของจำลองในแต่ละตัวอย่างถูกคำนวณโดยใช้การคล้ายตอนแบ่งเปอร์เซ็นต์ (Clarke และสีเขียว 1988คลาร์ก 1993) ดำเนินการวิเคราะห์ ด้วยสถิติการแพคเกจ 6 ไพรเมอร์ปลาความร่ำรวยและความอุดมสมบูรณ์ถูกใช้เป็นตัวบอกการเปลี่ยนแปลงใน assemblages ปลาแนวปะการังเพิ่มขึ้นระยะห่าง Permutationalใช้สำหรับตัวแปรพหุการวิเคราะห์ความแปรปรวน (PERMANOVA)หลายตัวแปรข้อ (ชุมชน) และไร univariate (ปลาร่ำรวย และการเปรียบเทียบคุณลักษณะผสมผสานปลาระหว่างสี่มากมาย)ระยะทดลองปะการัง PERMANOVA เป็นโปรแกรมคอมพิวเตอร์สำหรับการทดสอบการตอบสนองพร้อมกันมากกว่า หนึ่งตัวแปรหนึ่ง หรือปัจจัยเพิ่มเติมในการออกแบบการทดลอง ANOVA ตามใด ๆวัดระยะทาง วิธีเรียงสับเปลี่ยน (Anderson, 2001) การBray ไอร์แลนด์ – เคอร์ติคล้ายทางเลือกเป็นพื้นฐานของทั้งหมดPERMANOVA การวิเคราะห์และข้อมูลได้ permutated 4999 ครั้งต่อวิเคราะห์ สำหรับการทดสอบที่ระดับαของ 0.01 (แมนลี่ 1997) สำคัญพบความแตกต่าง ดำเนินการเปรียบเทียบลงเครื่อง pair-wiseภายใต้วิธีเรียงสับเปลี่ยน 4999 (ดูแอนเดอร์สัน 2005 สำหรับเพิ่มเติมรายละเอียด) ข้อมูลถูกแปลง log10 วิเคราะห์ PERMANOVAทั่วไปรวมรุ่น (GAMs), ตามที่มีใน CANOCO ®(V4.5), ยังได้ติดตั้งต้องประเมินการตอบสนองของปลาความร่ำรวย และความอุดมสมบูรณ์จากแนวปะการัง GAMs จะทั่วไปแบบเชิงเส้นทำ แตกต่างจากวิธีทั่วไปในการถดถอยสมมติความสัมพันธ์ทำงานโดยเฉพาะอย่างยิ่งระหว่างการตอบสนองตัวแปรและ predictor (ระยะในกรณีของเรา) (Lepš และ Šmilauer2003) . รูปแบบความซับซ้อนของ GAMs ถูกเลือก โดยที่ยังคงขั้นตอนการเลือกใช้เกณฑ์ข้อมูล Akaike (AIC), ยังมี CANOCO ® (V4.5) AIC พิจารณาไม่เพียงความดีของพอดีแต่ยัง parsimony โทษรุ่นซับซ้อนมาก (ดาว และแอนเดอร์สัน 1998)

ผลลัพธ์ (ไทย) 2:

2.3 การวิเคราะห์ข้อมูล
ที่ไม่เป็นตัวชี้วัดการปรับหลายมิติ (MDS) อุปสมบทดำเนินการ
ในปริมาณ log10-เปลี่ยนและ Bray-เคอร์ติมาตรการความแตกต่างกัน,
ถูกนำมาใช้ในการตรวจสอบการเปลี่ยนแปลงในองค์ประกอบของสายพันธุ์ที่มี
การรักษาการสุ่มตัวอย่าง (×แห้งระยะเวลาที่ฝนตก; gillnets ×สำมะโนประชากรภาพ).
ผลกระทบ การสุ่มตัวอย่างของการรักษาได้รับการทดสอบโดยการวิเคราะห์ความคล้ายคลึงกัน
(ANOSIM) ในขณะที่ความแตกต่าง Bray-เคอร์ติภายในและระหว่างกลุ่ม
ของซ้ำในการรักษาแต่ละสุ่มตัวอย่างถูกคำนวณโดยใช้
วิธีการคล้ายคลึงกันร้อยละสลาย (คลาร์กและสีเขียว 1988;
คล๊าร์ค 1993) การวิเคราะห์เหล่านี้ได้รับการดำเนินการกับสถิติ
รองพื้นแพคเกจ 6.
ปลาความร่ำรวยและความอุดมสมบูรณ์ถูกนำมาใช้เป็นตัวบอกการเปลี่ยนแปลง
ใน assemblages ปลาที่มีระยะทางเพิ่มขึ้นแนวปะการัง Permutational
วิเคราะห์ความแปรปรวนหลายตัวแปร (PERMANOVA) ถูกนำมาใช้สำหรับ
หลายตัวแปร (ทั้งชุมชน) และ univariate (ความร่ำรวยปลาและ
ความอุดมสมบูรณ์) การเปรียบเทียบของการชุมนุมปลาแอตทริบิวต์ในหมู่สี่
ระยะทางแนวทดลอง PERMANOVA คือโปรแกรมคอมพิวเตอร์สำหรับ
การทดสอบการตอบสนองพร้อมกันของหนึ่งหรือมากกว่าหนึ่งตัวแปรหนึ่งหรือ
ปัจจัยอื่น ๆ ในการออกแบบการทดลอง ANOVA บนพื้นฐานของการใด ๆ
การวัดระยะทางโดยใช้วิธีการเปลี่ยนแปลง (เดอร์สัน, 2001)
ระยะทางคล้ายคลึงกัน Bray-เคอร์ติได้รับเลือกให้เป็นพื้นฐานของทุก
วิเคราะห์ PERMANOVA และข้อมูล permutated 4999 ครั้งต่อ
การวิเคราะห์สำหรับการทดสอบที่αระดับ 0.01 (Manly, 1997) อย่างมีนัยสำคัญที่
แตกต่างพบกับโพสต์-hoc คู่ที่ชาญฉลาดได้ดำเนินการ
ภายใต้ 4999 พีชคณิต (ดู Anderson, 2005 เพิ่มเติม
รายละเอียด) ข้อมูล log10-เปลี่ยนสำหรับ PERMANOVA วิเคราะห์.
รุ่นทั่วไปสารเติมแต่ง (Gams) ในฐานะที่มีอยู่ในCANOCO®
(V4.5) นอกจากนี้ยังติดตั้งในการประเมินการตอบสนองของความร่ำรวยปลาและ
อุดมสมบูรณ์ไปเป็นระยะทางแนวปะการัง Gams เป็นส่วนขยายจากทั่วไป
ตรงรุ่นที่แตกต่างจากวิธีการถดถอยธรรมดาไม่
ไม่ถือว่ามีความสัมพันธ์การทำงานโดยเฉพาะอย่างยิ่งระหว่างการตอบสนอง
และตัวแปรทำนาย (ระยะทางในกรณีของเรา) (Leps และŠmilauer,
2003) ความซับซ้อนของรูปแบบของ Gams ได้รับเลือกจากแบบขั้นตอน
ขั้นตอนการเลือกใช้ข้อมูลเกณฑ์ Akaike (AIC) ยัง
มีอยู่ในCANOCO® (V4.5) AIC พิจารณาไม่เพียง แต่คุณงามความดีของ
พอดี แต่ยังประหยัดทัณฑ์รุ่นที่ซับซ้อนมาก (อัมและ
Anderson, 1998)

ผลลัพธ์ (ไทย) 3:

2.3 การวิเคราะห์ข้อมูลไม่ ( multidimensional scaling ( MDS ) บวช , แสดงบน LN เปลี่ยน abundances และ Bray ) เคอร์ติสจะวัด ,ถูกใช้เพื่อตรวจสอบการเปลี่ยนแปลงในองค์ประกอบชนิดกับการรักษาคน ( บริการ×ฤดูฝนช่วงเวลา ; สถานีบ้าน×ภาพสำมะโนประชากร )ผลของการรักษาจำนวนการทดสอบโดยการวิเคราะห์ความเหมือน( anosim ) ขณะที่เบรย์ ( เคอร์ติส dissimilarities ระหว่างและภายในกลุ่มของแต่ละคน การรักษาซ้ำคำนวณโดยใช้ขั้นตอนการแบ่งเปอร์เซ็นต์ความเหมือน ( คลาร์กและสีเขียว , 1988 ;คลาร์ก , 1993 ) การใช้สถิติการวิเคราะห์เหล่านี้ชุดรองพื้น 6ความอุดมสมบูรณ์ของปลาและปริมาณที่ใช้บอกลักษณะของการเปลี่ยนแปลงปลาในทะเลของทะเลกับปะการังเพิ่มระยะทาง permutationalหลายตัวแปรการวิเคราะห์ความแปรปรวน ( permanova ) ที่ใช้สำหรับหลายตัวแปร ( ทั้งชุมชน ) และ 2 ( ปลาและความอุดมสมบูรณ์ความอุดมสมบูรณ์ ) เปรียบเทียบคุณลักษณะของประชาคมปลาทั้งสี่ระยะทางแนวทดลอง permanova เป็นโปรแกรมคอมพิวเตอร์การทดสอบการตอบสนองพร้อมกันของหนึ่งหรือมากกว่าหนึ่งตัวแปร หนึ่ง หรือมากกว่าปัจจัยในการวิเคราะห์ทดลองบนพื้นฐานใด ๆการวัดระยะทางโดยใช้วิธีเรียงสับเปลี่ยน ( Anderson , 2001 ) ที่เบรย์ - เคอร์ติส ความเหมือนระยะทางได้รับเลือกให้เป็นพื้นฐานของทั้งหมดpermanova การวิเคราะห์และข้อมูล permutated 4999 ครั้งการวิเคราะห์สำหรับการทดสอบที่ระดับ 0.01 ( แอลฟาแมน , 1997 ) ที่สำคัญความแตกต่างพบว่า ปัญญานี้คือการเปรียบเทียบคู่ โพสต์ในพีชคณิต ( ดู 4999 แอนเดอร์สัน 2548 ต่อไปรายละเอียด ) ข้อมูล วิเคราะห์ permanova เปลี่ยน LN .รุ่นทั่วไป ( gams ) เป็นสารที่มีอยู่ใน canoco ®( v4.5 ) ถูกติดตั้งเพื่อประเมินการตอบสนองของปลา และความอุดมสมบูรณ์ความอุดมสมบูรณ์ทรัพยากรระยะไกล Gams เป็นส่วนขยายของทั่วไปแบบจำลองเชิงเส้นนั้น แตกต่างจากวิธีการถดถอยมากกว่าปกติ ทำไม่สมมติ โดยเฉพาะความสัมพันธ์ระหว่างการตอบสนองการทำงานตัวแปรและตัวแปร ( ระยะทางในกรณีของเรา ) ( š Lep lithuania milauer และ ,2003 ) แบบจำลองความซับซ้อนของ gams ได้รับเลือกจาก ?กระบวนการคัดเลือกโดยใช้เกณฑ์เคราะห์ข้อมูล ( AIC ) นอกจากนี้ที่มีอยู่ใน canoco ® ( v4.5 ) AIC พิจารณาไม่เพียง แต่ความดีของพอดี แต่ยังมีความตระหนี่ โมเดลที่ซับซ้อนมาก , และการลงโทษ ( เบอร์แนมแอนเดอร์สัน , 1998 )