GLM and GLMM analysesAt the lake le

GLM and GLMM analyses
At the lake level we analysed the determinants of
paludification using generalised linear models (GLM),
which are extensions of standard linear models and
which can accommodate various non-normal error
distributions (Nelder & Wedderburn, 1972). Because
over-dispersion (residual deviance4residual degrees of
freedom) was observed in the data we used a quasiPoisson
error distribution in all the GLM models
(McCullagh & Nelder, 1989).
However, GLMs assume that the data are independent
and so, are not suitable for all types of spatial data.
At the site level, in order to avoid biased results created
by spatially correlated results among adjacent study
transects we used generalised linear mixed models with
penalised quasi-likelihood (GLMM PQL) (Venables &
Ripley, 2002) to explain variation in lake paludification.
Like GLMs, GLMMs can accommodate various

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ GLM และ GLMMระดับเล เรา analysed ดีเทอร์มิแนนต์ของใช้แบบจำลองเชิงเส้น generalised (GLM), paludificationซึ่งเป็นส่วนขยายของรุ่นมาตรฐานเชิงเส้น และซึ่งสามารถรองรับข้อผิดพลาดไม่ปกติต่าง ๆการกระจาย (Nelder & Wedderburn, 1972) เนื่องจากกระจายตัวมากเกิน (องศาเหลือ deviance4residual ของเสรีภาพ) ถูกตรวจสอบในข้อมูลเราใช้เป็น quasiPoissonแจกแจงข้อผิดพลาดในรุ่น GLM(แสดง & Nelder, 1989)อย่างไรก็ตาม GLMs สมมติว่า ข้อมูลที่เป็นอิสระและ ดังนั้นไม่เหมาะสำหรับทุกประเภทของข้อมูลปริภูมิในระดับไซต์ เพื่อหลีกเลี่ยงผลลัพธ์ biased สร้างโดยผลลัพธ์ spatially correlated ระหว่างศึกษาอยู่ติดกันtransects เราใช้ generalised เชิงเส้นแบบผสมรุ่นด้วยpenalised ความน่าเป็น quasi- (GLMM PQL) (Venables &ริบ 2002) เพื่ออธิบายความผันแปรในเล paludificationเช่น GLMs, GLMMs สามารถรองรับต่าง ๆ

ผลลัพธ์ (ไทย) 2:

GLM และวิเคราะห์ GLMM
ในระดับทะเลสาบเราวิเคราะห์ปัจจัยของ
paludification โดยใช้แบบจำลองเชิงเส้นทั่วไป (GLM)
ซึ่งเป็นส่วนขยายของรูปแบบเชิงเส้นและมาตรฐาน
ซึ่งสามารถรองรับข้อผิดพลาดที่ไม่ปกติต่าง ๆ
การกระจาย (Nelder & Wedderburn, 1972) เพราะ
กว่าการกระจายตัว (องศา deviance4residual ที่เหลือของ
เสรีภาพ) พบว่าในข้อมูลที่เราใช้ quasiPoisson
กระจายความผิดพลาดในทุกรุ่น GLM
(แมคคัล & Nelder, 1989).
อย่างไรก็ตาม GLMs สมมติว่าข้อมูลที่มีความเป็นอิสระ
และอื่น ๆ ที่ไม่เหมาะสม สำหรับทุกประเภทของข้อมูลเชิงพื้นที่.
ที่ระดับไซต์ในการสั่งซื้อเพื่อหลีกเลี่ยงผลลำเอียงสร้างขึ้น
โดยผลมีความสัมพันธ์เชิงพื้นที่ที่อยู่ติดกันในหมู่การศึกษา
แนวสำรวจที่เราใช้ในรูปแบบผสมทั่วไปเชิงเส้นที่มี
การลงโทษเสมือนโอกาส (GLMM PQL) (Venables และ
ริบลีย์, 2002) ที่จะ อธิบายการเปลี่ยนแปลงใน paludification ทะเลสาบ.
เช่นเดียวกับ GLMs, GLMMs สามารถรองรับต่างๆ

ผลลัพธ์ (ไทย) 3:

glm จํานวนครั้งและวิเคราะห์
ระดับทะเลสาบเราวิเคราะห์ปัจจัยของการใช้ตัวแบบเชิงเส้นทั่วไป paludification

( glm ) ซึ่งเป็นส่วนขยายของมาตรฐานและแบบจำลองเชิงเส้น ซึ่งสามารถรองรับต่างๆที่ไม่ใช่ปกติ

( nelder ข้อผิดพลาดการ&เวดเดอร์เบิร์น , 1972 ) เพราะ
มากกว่ากระจาย ( ที่เหลือ deviance4residual องศา
อิสระ ) พบว่าข้อมูลที่เราใช้ quasipoisson
ข้อผิดพลาดในการกระจายทุกรุ่น glm
( เมิ่กคัลเลิก& nelder , 1989 ) .
แต่ glms สมมติว่าข้อมูลเป็นอิสระ
นี่ไม่เหมาะสำหรับทุกประเภทของข้อมูลเชิงพื้นที่ .
ระดับเว็บไซต์ เพื่อหลีกเลี่ยงการสร้างอคติ
โดยเปลี่ยนความสัมพันธ์ผลของการศึกษา
transects เราติดกัน ใช้สรุปเชิงเส้นผสมกับนางแบบ
ลงโทษโอกาสกึ่ง ( จํานวนครั้ง pql ) ( &
เวนาเบล* 2545 ) เพื่ออธิบายการเปลี่ยนแปลงในทะเลสาบ paludification .
ชอบ glms glmms สามารถรองรับต่าง ๆ

,