1. Kruskal–Wallis秩和检验推荐作为总体差异检验Kruskal–Wallis testK-W检验是多个独立样本间比较的非参数方法。相当于多组数据之间是否存在整体显著差异K-W检验回答多种环境介质的Richness是否整体存在差异如果结果P 0.05说明至少有一种环境介质不同。但是❌ 不告诉你哪两组不同。所以通常需要事后检验post hoc例如Dunn test最推荐Mann–Whitney U两两比较 Bonferroni校正2. Wilcoxon秩和检验Mann–Whitney U检验原理Wilcoxon rank-sum test 实际上就是两个独立样本之间比较它回答两个环境介质是否存在显著差异只能比较两组之间的差异对于两组以上的数据不建议使用不作为主要分析方法3. ANOVA方差分析它主要比较不同组之间的均值mean是否存在显著差异。例如四组Richness的平均值是否不同需要满足1正态性normality每组数据应该近似来自正态分布。2方差齐性homogeneity of variance不同组的离散程度应该相似。否则ANOVA结果可能不可靠。正态性分布是什么意思如何判断简单理解正态分布就是数据呈“钟形曲线”。例如数量 * *** ******* *********** *************** ----------------- 低 平均 高特点大部分数据集中在平均值附近越偏离平均值的数据越少左右比较对称。例如人的身高150 160 170 180 190 cm ↑ 大多数人通常接近正态分布。然而例如eDNA检测物种序列丰度出现大量低值和少数高值形成偏态分布non-normal distribution。eDNA、物种丰度、多样性指数经常出现这种情况。“使用Shapiro-Wilk检验确认非正态性”是什么意思Shapiro-Wilk就是一个正态性检验方法。它的原假设H0:数据服从正态分布备择假设H1:数据不服从正态分布结果看P值1.P 0.05说明没有足够证据拒绝正态分布。2.P 0.05说明显著偏离正态分布。应该避免ANOVA改用Kruskal-Wallis。非参数检验是什么意思不需要假设数据一定服从某种特定的概率分布尤其是不要求正态分布的统计检验。1.参数检验t检验、ANOVA正态分布1.非参数检验Wilcoxon秩和检验、Kruskal–Wallis检验等对数据分布的要求相对少不要求数据必须服从正态分布。α多样性数据↓Shapiro–Wilk↓判断是否符合正态分布↓┌───────────────┐↓ ↓符合正态 不符合正态↓ ↓ANOVA Kruskal-Wallis↓ ↓Tukey DunnBeta多样性α多样性回答一个样品内部有多少分类单元群落是否均匀而 β 多样性回答不同样品之间的群落组成有多不一样β 多样性通常需要经历丰度表 → 距离矩阵 → 排序/可视化 → 统计检验第一步选择β多样性距离/相异性方法1. Bray–Curtis最推荐它同时考虑分类单元是否存在分类单元丰度大小2.Jaccard不太推荐Jaccard主要关注有没有这个分类单元而不考虑丰度如果特别关注物种出现/缺失presence/absence就选择Jaccard第二步排序分析用什么1.PCoA主坐标分析用来展示群落结构整体差异。它的输入不是原始丰度表而是Bray–Curtis距离矩阵逻辑LCA丰度表↓Bray-Curtis↓距离矩阵↓PCoA↓二维/三维坐标2.NMDS非度量多维尺度分析NMDS更加关注样品之间距离的排序关系Stress解释0.05非常好0.05–0.10很好0.10–0.20可以接受0.20解释较弱第三步最关键——怎么检验四种介质是否真的显著不同→ PERMANOVA 置换多元方差分析Bray-Curtis↓PERMANOVA例如得到R² 0.62 P 0.001可以解释为环境介质能够解释约62%的群落组成变异且组间差异显著。PERMANOVA和ANOSIM有什么区别PERMANOVA主要看组间群落差异是否显著以及分组因素能够解释多少群落变异。主要报告P值显著性R²解释度F值不太重要代表组间差异相对于组内差异有多大如果组间很大组内很小那么F通常比较大例如R² 0.62P 0.001所以它的信息量比较丰富。ANOSIM相似性分析主要关注组间距离是否显著大于组内距离。主要报告RP例如R 0.616P 0.008但是PERMANOVA不能两两比较因此需要 Pairwise PERMANOVA例如BonferroniFDR流程Bray-Curtis↓PCoANMDS↓PERMANOVA总体↓Pairwise PERMANOVA两两↓ANOSIM补充验证研究问题推荐方法你的研究群落组成差异Bray-Curtis⭐⭐⭐⭐⭐只看出现/缺失Jaccard⭐⭐⭐群落排序PCoA⭐⭐⭐⭐⭐非线性排序NMDS⭐⭐⭐⭐⭐总体组间差异PERMANOVA⭐⭐⭐⭐⭐两两组间差异Pairwise PERMANOVA⭐⭐⭐⭐⭐组间距离差异验证ANOSIM⭐⭐⭐⭐检查组内离散度PERMDISP⭐⭐⭐⭐⭐ α多样性和beta多样性显著性比较的统计方法
1. Kruskal–Wallis秩和检验推荐作为总体差异检验Kruskal–Wallis testK-W检验是多个独立样本间比较的非参数方法。相当于多组数据之间是否存在整体显著差异K-W检验回答多种环境介质的Richness是否整体存在差异如果结果P 0.05说明至少有一种环境介质不同。但是❌ 不告诉你哪两组不同。所以通常需要事后检验post hoc例如Dunn test最推荐Mann–Whitney U两两比较 Bonferroni校正2. Wilcoxon秩和检验Mann–Whitney U检验原理Wilcoxon rank-sum test 实际上就是两个独立样本之间比较它回答两个环境介质是否存在显著差异只能比较两组之间的差异对于两组以上的数据不建议使用不作为主要分析方法3. ANOVA方差分析它主要比较不同组之间的均值mean是否存在显著差异。例如四组Richness的平均值是否不同需要满足1正态性normality每组数据应该近似来自正态分布。2方差齐性homogeneity of variance不同组的离散程度应该相似。否则ANOVA结果可能不可靠。正态性分布是什么意思如何判断简单理解正态分布就是数据呈“钟形曲线”。例如数量 * *** ******* *********** *************** ----------------- 低 平均 高特点大部分数据集中在平均值附近越偏离平均值的数据越少左右比较对称。例如人的身高150 160 170 180 190 cm ↑ 大多数人通常接近正态分布。然而例如eDNA检测物种序列丰度出现大量低值和少数高值形成偏态分布non-normal distribution。eDNA、物种丰度、多样性指数经常出现这种情况。“使用Shapiro-Wilk检验确认非正态性”是什么意思Shapiro-Wilk就是一个正态性检验方法。它的原假设H0:数据服从正态分布备择假设H1:数据不服从正态分布结果看P值1.P 0.05说明没有足够证据拒绝正态分布。2.P 0.05说明显著偏离正态分布。应该避免ANOVA改用Kruskal-Wallis。非参数检验是什么意思不需要假设数据一定服从某种特定的概率分布尤其是不要求正态分布的统计检验。1.参数检验t检验、ANOVA正态分布1.非参数检验Wilcoxon秩和检验、Kruskal–Wallis检验等对数据分布的要求相对少不要求数据必须服从正态分布。α多样性数据↓Shapiro–Wilk↓判断是否符合正态分布↓┌───────────────┐↓ ↓符合正态 不符合正态↓ ↓ANOVA Kruskal-Wallis↓ ↓Tukey DunnBeta多样性α多样性回答一个样品内部有多少分类单元群落是否均匀而 β 多样性回答不同样品之间的群落组成有多不一样β 多样性通常需要经历丰度表 → 距离矩阵 → 排序/可视化 → 统计检验第一步选择β多样性距离/相异性方法1. Bray–Curtis最推荐它同时考虑分类单元是否存在分类单元丰度大小2.Jaccard不太推荐Jaccard主要关注有没有这个分类单元而不考虑丰度如果特别关注物种出现/缺失presence/absence就选择Jaccard第二步排序分析用什么1.PCoA主坐标分析用来展示群落结构整体差异。它的输入不是原始丰度表而是Bray–Curtis距离矩阵逻辑LCA丰度表↓Bray-Curtis↓距离矩阵↓PCoA↓二维/三维坐标2.NMDS非度量多维尺度分析NMDS更加关注样品之间距离的排序关系Stress解释0.05非常好0.05–0.10很好0.10–0.20可以接受0.20解释较弱第三步最关键——怎么检验四种介质是否真的显著不同→ PERMANOVA 置换多元方差分析Bray-Curtis↓PERMANOVA例如得到R² 0.62 P 0.001可以解释为环境介质能够解释约62%的群落组成变异且组间差异显著。PERMANOVA和ANOSIM有什么区别PERMANOVA主要看组间群落差异是否显著以及分组因素能够解释多少群落变异。主要报告P值显著性R²解释度F值不太重要代表组间差异相对于组内差异有多大如果组间很大组内很小那么F通常比较大例如R² 0.62P 0.001所以它的信息量比较丰富。ANOSIM相似性分析主要关注组间距离是否显著大于组内距离。主要报告RP例如R 0.616P 0.008但是PERMANOVA不能两两比较因此需要 Pairwise PERMANOVA例如BonferroniFDR流程Bray-Curtis↓PCoANMDS↓PERMANOVA总体↓Pairwise PERMANOVA两两↓ANOSIM补充验证研究问题推荐方法你的研究群落组成差异Bray-Curtis⭐⭐⭐⭐⭐只看出现/缺失Jaccard⭐⭐⭐群落排序PCoA⭐⭐⭐⭐⭐非线性排序NMDS⭐⭐⭐⭐⭐总体组间差异PERMANOVA⭐⭐⭐⭐⭐两两组间差异Pairwise PERMANOVA⭐⭐⭐⭐⭐组间距离差异验证ANOSIM⭐⭐⭐⭐检查组内离散度PERMDISP⭐⭐⭐⭐⭐ RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
