Wie vergleiche ich die Varianz einer Artenverteilung in einem Gebiet mit einem anderen?

Es ist möglich, dass diese Frage besser für den Stapelüberlauf geeignet ist, aber ich denke, die Ökologen auf dieser Website sind möglicherweise besser gerüstet, um sie zu beantworten.

Ich versuche, zwei geografisch isolierte Populationen derselben Art zu untersuchen. Bei der Untersuchung der Verteilungen sehe ich, dass beide bimodal sind (ihr Auftreten unterliegt einer gewissen Saisonalität), aber die Peaks in einer Population sind viel höher und viel schmaler (dh die Varianz der lokalen Peaks ist kleiner).

Welche Art von statistischem Test wäre geeignet, um festzustellen, ob diese Unterschiede signifikant sind?

Es gibt jetzt eine Möglichkeit, dass ich das jemals beantworten könnte, aber es scheint ein wenig kryptisch zu sein. Welcher Parameter wird in diesen Verteilungen gemessen?
Anzahl der in einer Falle gefangenen Personen auf der Y-Achse, Julianischer Tag auf der X-Achse.
Obwohl ich sicher bin, dass jemand auf dieser Website Ihnen helfen könnte, ist dies wirklich besser für Cross Validated geeignet, da die Tatsache, dass Sie sich biologische Daten ansehen, für die eigentliche Frage völlig irrelevant ist. Ich schlage vor, dass Sie Ihren Beitrag für die Aufmerksamkeit eines Moderators markieren und ihn bitten, ihn zu migrieren.
Ich denke, dass die Frage auch hier nützlich ist - diese Art von Problemen ist in der Ökologie üblich, und es gibt auch eine Reihe relativ ökologiespezifischer Software, um dies zu untersuchen. @Terdon
@fileunderwater Ich stimme zu, weshalb ich nicht für das Schließen gestimmt habe. Ich denke nur, dass das OP wahrscheinlicher eine Antwort auf der Statistikseite erhält. Es gibt mehr Benutzer und alle sind Statistiker. Hier haben wir sowohl weniger Benutzer als auch einen geringeren Prozentsatz an Statistikern.
@terdon Ich stimme zu, dass einige Aspekte dort wahrscheinlich besser beantwortet werden. Vielleicht wäre ein geteiltes Q, bei dem sich ein Teil auf die statistischen/Testaspekte konzentriert und einer auf den biologischen Prozess, der modelliert wird, eine gute Idee wäre.

Antworten (1)

Dies sind nur einige vorläufige Ideen...

Ich denke, Sie sollten die saisonalen Verteilungen separat betrachten, da die bimodale Verteilung das Ergebnis zweier ziemlich getrennter Prozesse ist. Die beiden Verteilungen könnten auch durch unterschiedliche Mechanismen gesteuert werden, so dass zB Winterverteilungen empfindlicher auf das Jahresklima reagieren könnten. Wenn Sie Bevölkerungsunterschiede und Gründe dafür untersuchen möchten, ist es meiner Meinung nach sinnvoller, die saisonalen Verteilungen separat zu untersuchen. Eine explorative Analyse könnte darin bestehen, Verteilungsperzentile (Nord/Süd- und Ost/West-Koordinaten) zu vergleichen, um Bereichsränder zu betrachten, oder eine feste Anzahl von Randbeobachtungen zu verwenden, um Grenzen festzulegen. Der gewichtete Mittelpunkt der Bevölkerungsverteilungen kann verwendet werden, um nach Unterschieden in der Gesamtposition zu suchen. Wenn Sie Gittervorkommen haben, könnte auch eine prozentuale Überschneidung zwischen Arten/Populationen nützlich sein.

Wenn Sie es noch nicht getan haben, schauen Sie sich auch Maxent an , eine weit verbreitete Software zur Modellierung von Artenverteilungen und Lebensräumen. Siehe Elith et al. (2011) für einen Überblick. Wenn Sie Veränderungen im Laufe der Zeit betrachten möchten (auch wenn dies nicht Ihr Hauptziel zu sein scheint), sollten Sie sich auch dynamische Belegungsmodelle ansehen, die Vorkommensaufzeichnungen verwenden, um die Artenverteilung zu modellieren und gleichzeitig die Nachweisbarkeit zu berücksichtigen, z . B. MacKenzie et al. (2009) .

Als einfacher Test für Varianzunterschiede (im Grunde ein Test auf Homoskedastizität) gibt es den Levines-Test , der verwendet wird, um Varianzen von Verteilungen zwischen Gruppen zu vergleichen. Der Bartlett-Test ist eine Alternative, aber der Levene-Test soll robuster gegenüber Nicht-Normalität sein. In R finden sich die Levene- und Bartlett-Tests in library(car). Diese sind jedoch nur für unimodale Verteilungen geeignet, sodass Sie sich die Jahreszeiten auch hier unabhängig ansehen sollten.