Interrogating Random and Systematic Measurement Error in Morphometric Data
Interrogating Random and Systematic Measurement Error in Morphometric Data
复制标题
询问形态测量数据中的随机和系统测量误差
DOI：
10.1007/s11692-024-09627-6
复制
发表时间：
2024
影响因子：
2.5
通讯作者：
Adams, Dean C.
中科院分区：
文献类型：
--
作者：
Collyer, Michael L.;Adams, Dean C.
测量误差存在于所有定量研究中，确保适当的生物推断需要充分审查，理解测量误差的影响，并尽可能减少。对于形态测量数据，测量误差通常从描述性统计中进行评估，该描述性统计发现了一组数据的受试者或受试者内方差与总方差的比值，该组数据包括对相同研究受试者的重复测量。这些描述性统计通常不区分测量误差的随机和系统成分，即使后者的存在（即使比例很小）可能对下游生物学推断产生影响。此外，仅仅从形态上完全不同的受试者中取样可能会给人一种错误的印象，即测量误差（及其负面影响）并不重要。我们认为，缺乏一个正式的假设检验框架的测量误差形态数据。我们提出了一套新的分析方法和图形工具，更充分地询问测量误差，通过解开其随机和系统的组件，并评估任何组特定的系统性影响。通过对模拟和经验数据集的分析，我们证明了我们的程序正确地解析了测量误差的组成部分，并描述了它们在观测样本中渗透变化的程度。我们进一步证实，传统的方法与重复性统计是无法辨别这些模式，不适当地缓解潜在的问题。我们建议，在这里开发的方法成为当前的分析范式的一部分，在几何形态学研究。新方法在RRPP和geomorphR软件包中提供。
Measurement error is present in all quantitative studies, and ensuring proper biological inference requires that the effects of measurement error are fully scrutinized, understood, and to the extent possible, minimized. For morphometric data, measurement error is often evaluated from descriptive statistics that find ratios of subject or within-subject variance to total variance for a set of data comprising repeated measurements on the same research subjects. These descriptive statistics do not typically distinguish between random and systematic components of measurement error, even though the presence of the latter (even in small proportions) can have consequences for downstream biological inferences. Furthermore, merely sampling from subjects that are quite morphologically dissimilar can give the incorrect impression that measurement error (and its negative effects) are unimportant. We argue that a formal hypothesis-testing framework for measurement error in morphometric data is lacking. We propose a suite of new analytical methods and graphical tools that more fully interrogate measurement error, by disentangling its random and systematic components, and evaluating any group-specific systematic effects. Through the analysis of simulated and empirical data sets we demonstrate that our procedures properly parse components of measurement error, and characterize the extent to which they permeate variation in a sample of observations. We further confirm that traditional approaches with repeatability statistics are unable to discern these patterns, improperly assuaging potential concerns. We recommend that the approaches developed here become part of the current analytical paradigm in geometric morphometric studies. The new methods are made available in theRRPPandgeomorphR-packages.
登录
查看更多内容
DOI：
10.1111/evo.14595
发表时间：
2022-10
期刊：
Evolution; international journal of organic evolution
影响因子：
--
作者：
通讯作者：
--
DOI：
10.1111/evo.14512
发表时间：
2022-07
期刊：
Evolution; international journal of organic evolution
影响因子：
--
作者：
通讯作者：
--
影响因子：
3.7
作者：
Daboul A;Ivanovska T;Bülow R;Biffar R;Cardini A
通讯作者：
Cardini A
DOI：
--
发表时间：
1991
期刊：
影响因子：
--
作者：
D. Krantz;D. Luce;P. Suppes;A. Tversky
通讯作者：
A. Tversky
DOI：
--
发表时间：
1960
期刊：
影响因子：
--
作者：
E. A. Haggard
通讯作者：
E. A. Haggard