2.2. Statistical analysisGeneralize

2.2. Statistical analysis
Generalized linear regression models (GLMs) (R Core Team,
2013) were used to examine temporal trends in fishery gear interaction
strandings. Residual diagnostics, AIC (Akaike, 1974), and
goodness-of-fit tests were used to select the appropriate functional
fit to the data for each species. Because observation effort was unknown,
the proportion of strandings with fishery gear interactions
to total strandings was compared through time as a proxy for
interaction rate. These comparisons were made across species,
sexes, and life stages using beta regressions for proportional data
in R (R Core Team, 2013); comparisons were also made for the
Atlantic and Gulf coasts. To examine spatial trends in strandings,
we performed kernel density analyses (cell size = 30, 11 natural
breaks: Jenks classification; ArcMap 10.1) for HL and TPG interactions
for each animal group. For manatees and dolphins, G-test
analyses (PopTools 3.2: Build 5) were completed to determine if
stranded animals with gear had similar life stage/sex ratios as
compared to animals that stranded without evidence of gear
interactions (non-interaction animals only). Animals in which a
human-interaction could not be determined were excluded from
the analyses. For these analyses, animals were also broken down
by life stage (e.g., calf, juvenile, adult). To explore the seasonal
dynamics of interaction observations, we applied GLM time-series
modeling methods implemented in SAS v9.3. Generalized and
high/low treatments season were evaluated for each species group.

ผลลัพธ์ (ไทย) 1:

2.2 สถิติวิเคราะห์
แบบจำลองถดถอยเชิงเส้น (GLMs) การตั้งค่าทั่วไป (R Core ทีม,
2013) ใช้ในการตรวจสอบแนวโน้มขมับประมงเกียร์โต้
strandings เหลือวินิจฉัย AIC (Akaike, 1974), และ
ทดสอบความดีพอใช้ต้องการที่เหมาะสมทำงาน
พอดีกับข้อมูลสำหรับแต่ละชนิด เพราะความพยายามสังเกตรู้จัก,
สัดส่วนของ strandings กับประมงเกียร์โต้
การรวม strandings ถูกเปรียบเทียบโดยใช้เวลาเป็นพร็อกซีสำหรับ
อัตราการโต้ตอบ ทำการเปรียบเทียบเหล่านี้ข้ามสายพันธุ์,
เพศ และใช้เบต้า regressions ข้อมูลสัดส่วนระยะชีวิต
ใน R (R Core ทีม 2013); ยังได้ทำเปรียบเทียบ
มหาสมุทรแอตแลนติกและอ่าวก็ย่อม การตรวจสอบแนวโน้มพื้นที่ใน strandings,
เราทำการวิเคราะห์ความหนาแน่นของเคอร์เนล (เซลล์ขนาด = 30 ธรรมชาติ 11
แบ่ง: Jenks จัดประเภท ArcMap 10.1) สำหรับโต้ตอบ HL และ TPG
สำหรับแต่ละกลุ่มสัตว์ Manatees และปลาโลมา ทดสอบ G
วิเคราะห์ (PopTools 3.2:5 สร้าง) ได้เสร็จสิ้นการตรวจ
สัตว์ตกค้างกับเกียร์มีชีวิตคล้ายเพศขั้นอัตราส่วนเป็น
เมื่อเทียบกับสัตว์ที่ควั่น โดยไม่มีหลักฐานของเกียร์
โต้ตอบ (เฉพาะสัตว์ไม่โต้ตอบ) สัตว์ที่เป็น
มนุษย์โต้ตอบไม่สามารถระบุได้ถูกแยกออกจาก
วิเคราะห์ได้ การวิเคราะห์เหล่านี้ สัตว์ก็ยังแบ่ง
ตามระยะของชีวิต (เช่น ลูก เด็ก ผู้ใหญ่) ได้รับการออกแบบตามฤดูกาล
dynamics สังเกตโต้ตอบ เราใช้ GLM เวลาชุด
ใน SAS v9.3 วิธีการสร้างโมเดล ตั้งค่าทั่วไป และ
ฤดูกาลที่สูง/ต่ำรักษาถูกประเมินสำหรับแต่ละกลุ่มสปีชีส์

ผลลัพธ์ (ไทย) 2:

2.2 การวิเคราะห์ทางสถิติ
กินใจแบบถดถอยเชิงเส้น (GLMs) (R ทีมหลัก,
2013) ถูกนำมาใช้ในการตรวจสอบแนวโน้มชั่วขณะในเกียร์ประมงปฏิสัมพันธ์
strandings การวินิจฉัยที่เหลือ AIC (Akaike, 1974) และ
การทดสอบความดีของพอดีถูกนำมาใช้เพื่อเลือกการทำงานที่เหมาะสม
สอดคล้องกับข้อมูลสำหรับแต่ละสายพันธุ์ เพราะความพยายามที่สังเกตก็ไม่ทราบ
สัดส่วนของ strandings มีปฏิสัมพันธ์เกียร์ประมง
เพื่อ strandings ทั้งหมดได้รับการเทียบเวลาที่ผ่านพร็อกซี่สำหรับ
อัตราการปฏิสัมพันธ์ เปรียบเทียบเหล่านี้ได้ทำข้ามสายพันธุ์
เพศและขั้นตอนการใช้ชีวิตถดถอยรุ่นเบต้าสำหรับข้อมูลสัดส่วน
ในการวิจัย (R ทีมหลัก, 2013); เปรียบเทียบได้ทำยัง
มหาสมุทรแอตแลนติกและอ่าวชายฝั่ง เพื่อตรวจสอบแนวโน้มในอวกาศ strandings,
เราดำเนินการวิเคราะห์ความหนาแน่นของเมล็ด (เซลล์ขนาด = 30, 11 ธรรมชาติ
แบ่ง: การจำแนกเจงส์; ArcMap 10.1) สำหรับรุ่น HL และทีพีจีปฏิสัมพันธ์
สำหรับแต่ละกลุ่มสัตว์ สำหรับ manatees และปลาโลมา G-ทดสอบ
วิเคราะห์ (PopTools 3.2: สร้าง 5) เสร็จสมบูรณ์เพื่อตรวจสอบว่า
สัตว์ที่ติดอยู่กับเกียร์มีอัตราส่วนเวทีชีวิต / เพศเช่นเดียวกับ
เมื่อเทียบกับสัตว์ที่ติดอยู่โดยไม่มีหลักฐานของเกียร์
ปฏิสัมพันธ์ (สัตว์ปฏิสัมพันธ์ที่ไม่เท่านั้น) . สัตว์ที่
ปฏิสัมพันธ์ของมนุษย์ไม่สามารถกำหนดได้รับการยกเว้นจาก
การวิเคราะห์ สำหรับการวิเคราะห์เหล่านี้สัตว์ที่ถูกทำลายลง
โดยเวทีชีวิต (เช่นลูกวัวเด็กและเยาวชนผู้ใหญ่) การสำรวจตามฤดูกาล
การเปลี่ยนแปลงของการสังเกตปฏิสัมพันธ์ที่เรานำมาใช้ GLM อนุกรมเวลา
วิธีการดำเนินการในการสร้างแบบจำลอง SAS v9.3 ทั่วไปและ
สูง / ต่ำฤดูการรักษาได้รับการประเมินสำหรับแต่ละกลุ่มสปีชีส์

ผลลัพธ์ (ไทย) 3:

2.2 .
สถิติตัวแบบการถดถอยเชิงเส้น ( glms ) ( R Core ทีม
2013 ) ถูกใช้เพื่อตรวจสอบแนวโน้มชั่วคราวในประมงเกียร์ปฏิสัมพันธ์
strandings . ที่เหลือการวินิจฉัย , AIC ( 1974 เคราะห์ ) และความดีของพอดี
ทดสอบถูกใช้เพื่อเลือกที่เหมาะสมการทำงาน
กับข้อมูลแต่ละชนิด เพราะพยายามสังเกตก็ไม่ทราบ
สัดส่วนของ strandings กับประมงเกียร์ปฏิสัมพันธ์
เพื่อ strandings รวมเทียบเวลาผ่านเป็นพร็อกซี่สำหรับ
อัตราการปฏิสัมพันธ์ นี่ๆ ทั่วชนิด
เพศและชีวิตขั้นตอนการใช้สังกะสีเบต้าสำหรับข้อมูลสัดส่วน
R ( ทีมหลัก R 56 ) ; การเปรียบเทียบก็ทำให้
อ่าวและมหาสมุทรแอตแลนติกชายฝั่ง เพื่อศึกษาแนวโน้มเชิงพื้นที่ใน strandings
,เราทำการวิเคราะห์ความหนาแน่นของเมล็ด ( เซลล์ขนาด = 30 , 11 ธรรมชาติ
แบ่งหมวดหมู่ : เจงก์ส ; arcmap 10.1 ) และปฏิสัมพันธ์ยา ,
สัตว์แต่ละกลุ่ม สำหรับพะยูนและโลมา วิเคราะห์ g-test
( poptools 3.2 : สร้าง 5 ) เสร็จสมบูรณ์เพื่อตรวจสอบว่าสัตว์มีอัตราส่วนเกียร์
ติดเวที / เพศชีวิตคล้าย
เมื่อเทียบกับสัตว์ที่ติดอยู่โดยไม่มีหลักฐานของเกียร์
ปฏิสัมพันธ์ ( ไม่ปฏิสัมพันธ์สัตว์เท่านั้น ) สัตว์ที่
ปฏิสัมพันธ์ของมนุษย์ไม่สามารถกำหนดได้รับการยกเว้นจาก
การวิเคราะห์ . สำหรับการวิเคราะห์เหล่านี้ สัตว์ยังแบ่งย่อย
โดยเวทีชีวิต ( เช่น น่อง , เด็กและเยาวชน , ผู้ใหญ่ ) เพื่อศึกษาการเปลี่ยนแปลงตามฤดูกาล
สังเกตปฏิสัมพันธ์ , เราใช้วิธีการแบบอนุกรมเวลา glm
ใช้ SAS v9.3 . ตัว
สูง / ต่ำฤดูกาลปลูกทดสอบแต่ละชนิดกลุ่ม