Consilience of methods for phylogenetic analysis of variance.
Consilience of methods for phylogenetic analysis of variance.
复制标题
系统发育方差分析方法的一致性。
DOI：
10.1111/evo.14512
复制
发表时间：
2022-07
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
基于模拟和基于排列的推理方法在系统发育比较方法中很常见，特别是当进化数据变得更加复杂，参数方法对其分析更加有限时。这两种方法都模拟了来自空模型的许多随机结果，以凭经验生成统计数据的抽样分布。虽然基于模拟和基于排列的方法在目的上似乎是相称的，但基于这些方法产生的随机F统计量分布的方差分析（ANOVA）的结果在实践中可能会有很大的不同。差异可能来自零模型过程，该过程在许多模拟或数据的随机排列中产生变化，或者线性模型系数和统计量的不同估计方法。不幸的是，由于零模型过程和系数估计在系统发育ANOVA方法中有内在联系，因此尚未充分考虑方法学差异的确切原因。在这里，我们证明了系统发育模拟的零模型过程和置换过程中的随机残差确实是相称的，并且对于参数ANOVA是可能的情况，两者也产生与参数ANOVA一致的结果。我们还提供了结果，警告不要使用普通最小二乘估计沿着系统发育模拟;一个典型的系统发育方差分析实现。
Simulation‐based and permutation‐based inferential methods are commonplace in phylogenetic comparative methods, especially as evolutionary data have become more complex and parametric methods more limited for their analysis. Both approaches simulate many random outcomes from a null model to empirically generate sampling distributions of statistics. Although simulation‐based and permutation‐based methods seem commensurate in purpose, results from analysis of variance (ANOVA) based on the distributions of random F‐statistics produced by these methods can be quite different in practice. Differences could be from either the null‐model process that generates variation across many simulations or random permutations of the data, or different estimation methods for linear model coefficients and statistics. Unfortunately, because the null‐model process and coefficient estimation are intrinsically linked in phylogenetic ANOVA methods, the precise reason for methodological differences has not been fully considered. Here we show that the null‐model processes of phylogenetic simulation and randomizing residuals in a permutation procedure are indeed commensurate, and that both also produce results consistent with parametric ANOVA, for cases where parametric ANOVA is possible. We also provide results that caution against using ordinary least‐squares estimation along with phylogenetic simulation; a typical phylogenetic ANOVA implementation.
登录
查看更多内容
影响因子：
1.2
作者：
Commenges, D
通讯作者：
Commenges, D
影响因子：
6.6
作者：
Baken, Erica K.;Collyer, Michael L.;Adams, Dean C.
通讯作者：
Adams, Dean C.
影响因子：
1.1
作者：
Anderson, MJ;Robinson, J
通讯作者：
Robinson, J
影响因子：
3.3
作者：
Adams, Dean C.;Collyer, Michael L.
通讯作者：
Collyer, Michael L.
影响因子：
6.6
作者：
Collyer, Michael L.;Adams, Dean C.
通讯作者：
Adams, Dean C.