203. Topluluk ağırlıklı ortalamalar (CWM), çeşitlilik ve gradyan modelleri
Şablon kimliği: cwm_gradyan · Kategori: ekoloji · Dil: Python · Dosya: pro/sablonlar/ekoloji/cwm_gradyan.py (satır 1–715; üstbilgi 1–135) · Örnek veri: _ornek/cupressus_alt_kat.csv + özellik tablosu _ornek/cupressus_ozellik.csv · Paketler: numpy, pandas, scipy, matplotlib
203.1 Ne işe yarar
Bitki toplulukları gibi tür × örnek alan örtü matrisleri ile bir tür özellik tablosunu (boy, özgül yaprak alanı, tohum kütlesi, hayat formu) birleştirir; her örnek alan için topluluk ağırlıklı ortalamayı (CWM), tür sayısını ve Shannon çeşitliliğini hesaplar ve her birini bir gradyan değişkeni (örnekte servi örtüsü), bir alan etkeni ve isteğe bağlı ortak değişkenlerle doğrusal modelle çözümler. Soru: "gradyan boyunca (ve alanlar arasında) topluluğun işlevsel bileşimi ya da çeşitliliği değişiyor mu?" CWM–çevre ilişkisi için standart testlerin I. tip hatasını şişirdiği bilindiğinden, satır ve sütun permütasyonlarını birleştiren en büyük p (max) testi de verilir.
- a_{ij}: i türünün j örnek alanındaki örtüsü; t_{ik}: i türünün k özelliği; B_k: k özelliği bilinen türler kümesi.
- y_j: bir yanıt (CWM, tür sayısı ya da H'); x_j: gradyan; \gamma_g,\delta_g: alan ve alan × gradyan etkileşimi katsayıları (g ilk düzey dışındaki düzeyler); \mathbf z_j: ortak değişkenler; \varepsilon_j\sim N(0,\sigma^2).
Ne zaman kullanılır?
- Çok sayıda türün özelliğinden alan düzeyinde tek bir "işlevsel" değer türetip bunu bir gradyanla ilişkilendirmek istendiğinde.
- Çeşitliliği (tür sayısı, H') ve işlevsel bileşimi aynı modelleme çerçevesinde incelemek istendiğinde.
- CWM–çevre ilişkisinde tür ve özellik kaynaklı yapının şişirdiği p değerinden korunulmak istendiğinde (permütasyon).
Ne zaman kullanılmaz?
- Yalnız alan başına çeşitlilik ölçüleri isteniyorsa: Bölüm 202
cesitlilik_indeksleri(Hurlbert seyreltmesi, Chao1 dahil). - Tür bileşiminin tamamının çevreyle ilişkisi (çok değişkenli) isteniyorsa: Bölüm 205
kisitli_ordinasyon/ Bölüm 206kisitli_ordinasyon_pyya da bileşim farkı için Bölüm 207permanova_mantel. - Yanıt örnek alan düzeyinde değil, tür düzeyinde (örneğin her türün özelliğine göre yanıtı) ise: tür düzeyli karma modeller (Bölüm 019
glmer_ileri). - Yanıtın karşılaştırılacağı örnek alanlar tekrar ölçülmüşse (alan içi bağımlılık): şablon bağımsız gözlem varsayar; karma model gerekir (Bölüm 019).
- Özellik tablosu tür örtüsünün çoğunu kapsamıyorsa: kapsam uyarısı verilir ve varsayılan olarak CWM yine hesaplanır;
kapsam_dislamaseçeneği eşik altı örnek alanları o özelliğin modelinden çıkarır (203.8).
Temel programla ilişki. Temel programda CWM, özellik tablosu ya da permütasyon testi yoktur. Doğrusal model kısmı temel programın ANCOVA analizine (gui/panels/analyses/ancova.py) benzer: aynı model ailesi (bir etken + sürekli kovaryanslar + etkileşim), Levene ve Shapiro–Wilk denetimi ve Tukey–Kramer çoklu karşılaştırması (181, 661–665) vardır. Farklar: (i) temel program kareler toplamını Tip III varsayılanıyla verir ve eğim homojenliğini ayrı F testiyle sınar (524–525), şablon ise etkileşimi başlangıç modeline koyup geriye doğru sadeleştirir ve her terimi son modelden çıkararak sınar; (ii) temel programın Levene'i ortalama merkezlidir (578; center="mean"), şablonunki medyan merkezlidir (Brown ve Forsythe, 1974); (iii) CWM ve permütasyon testleri yalnız şablondadır.
203.2 Şablonun girdileri
Form, üstbilgideki 18 [[param]] bloğundan kurulur (cwm_gradyan.py:10–134). Türlerin anlamı ve ortak denetim Bölüm 1.2'dedir. turler, gradyan, ortak ve tcc_sutunlari sayısal rollerdir: Veri sekmesinde türü "kategorik" olan bir sütun bu alanlara atanırsa değerleri sayı olarak aktarılır (Bölüm 1.3); şablon ayrıca pd.to_numeric uygular (223–224).
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Tür (örtü/bolluk) sütunları · turler |
sütunlar (sayısal) · değişkenler | — | en az 2 | Örtü matrisi A (10–16, 209–227). |
Özellik tablosundaki adı taşıyan bütün sütunları tür say · tur_listesi_tum |
onay · değişkenler | kapalı | — | Adı özellik tablosunun ilk sütununda geçen bütün sayısal sütunlar turler'e eklenir (17–23, 213–218). |
Tür özellik tablosu · ozellik_dosyasi |
metin · değişkenler | — (zorunlu) | CSV/XLSX yolu | İlk sütun tür adı, ötekiler özellik (24–29, 157–206). |
Kullanılacak özellikler · ozellikler |
metin · değişkenler | boş (isteğe bağlı) | virgülle ayrılmış sütun adları | Boşsa bütün sayısal sütunlar (30–35, 193–202). |
Gradyan değişkeni · gradyan |
sayısal sütun · değişkenler | — | sayısal sütun | x_j (36–40, 209, 313). |
Alan / grup etkeni · grup |
kategorik sütun · değişkenler | boş (isteğe bağlı) | herhangi bir sütun (metne çevrilir) | g (41–46, 306–312). |
Ortak değişkenler · ortak |
sütunlar (sayısal) · değişkenler | boş | sayısal sütunlar | \mathbf z_j (47–53, 211). |
Toplam tepe örtüsü ağaç sütunları · tcc_sutunlari |
sütunlar (sayısal) · değişkenler | boş | örtüler 0–100 | TCC ortak değişkeni (54–61, 240–245). |
Tür sayısı ve H' de yanıt olsun · cesitlilik |
onay · model | açık | — | İki yanıt daha (62–67, 282–287). |
Gradyan × alan etkileşimi · etkilesim |
onay · model | açık | — | Başlangıç modeline x\times g (68–73, 396). |
Model sadeleştirme · sadelestirme |
seçim · model | etkilesim_ortak |
etkilesim_ortak, tam, yok |
Çıkarılabilir terim kümesi (74–81, 385–393). |
Yanıt dönüşümü · donusum |
seçim · model | yok |
yok, log, otomatik |
Doğal logaritma (82–88, 415–423). |
Anlamlılık düzeyi \alpha · alfa |
ondalık · seçenekler | 0,05 | 0,001–0,5 | Sadeleştirme, otomatik log, harf grupları (89–96). |
CWM permütasyon testi · permutasyon |
seçim · seçenekler | max |
max, satir, sutun, yok |
484–549 (97–104). |
Permütasyon sayısı · B |
tamsayı · seçenekler | 999 | 99–99 999 | B (105–112, 524). |
Özellik kapsamı uyarı eşiği · kapsam_esigi |
ondalık · seçenekler | 80 | 0–100 | Uyarı eşiği (% örtü; 113–121, 267). |
Kapsamı eşiğin altındaki örnek alanları o özelliğin modelinden çıkar · kapsam_dislama |
onay · seçenekler | kapalı | — | Açıkken eşik altı örnek alanın o özelliğe ait CWM'si eksik sayılır (122–129, 272–279). |
Kutu + serpme grafik panelleri · grafik |
onay · seçenekler | açık | — | Şekiller (130–134, 650–715). |
Şablonun kendi denetimleri (mq.hata, mq.metin uyarıları):
| Koşul | İleti (özet) | Satır |
|---|---|---|
| Veri açık değil | "Önce Veri sekmesinde bir veri açın." | 147 |
| Özellik dosyası yolu boş / dosya yok / okunamıyor | "Tür özellik tablosunun dosya yolunu yazın." / "Özellik tablosu bulunamadı: …" / "…okunamadı: …" | 159, 172, 180 |
| Tabloda 2'den az satır ya da sütun | "…en az iki satır ve iki sütun…" | 182 |
| Yinelenen tür adı | "Özellik tablosunda yinelenen tür adı: …" | 190 |
| İstenen özellik sütunu yok / sayısal sütun yok / tamamen boş özellik | "…olmayan sütun…", "…sayısal özellik sütunu yok.", "Sayısal değeri olmayan özellik: …" | 197, 202, 206 |
| 2'den az tür sütunu | "En az 2 tür sütunu seçin." | 220 |
| Negatif örtü | "Tür örtü/bolluk değerleri negatif olamaz." | 230 |
| TCC için örtü 0–100 dışında | "Toplam tepe örtüsü için örtüler 0-100 (%) arasında olmalı." | 243 |
| Gradyan ya da ortak değişken sabit | "Gradyan değişkeni sabit." / "Ortak değişken sabit: …" | 315, 318 |
| Uyarı (çalışır): boş örnek alan / eksik açıklayıcı / özellik tablosunda olmayan tür / kapsam eşiği altında / tek düzeyli grup | metin satırı | 233, 237, 252, 270, 273–279, 311, 320–324, 628–636 |
Özellik tablosunda tür adları " ".join(s.split()).casefold() ile normalleştirilir (152–153, 186): baştaki/sondaki boşluk, art arda boşluk ve büyük–küçük harf önemsizdir. Eksik açıklayıcı (gradyan, grup, ortak) olan satırlar atılır (226); tür örtüsünün eksik hücreleri 0 sayılır (227). Hiç türü olmayan örnek alan çıkarılır (231–235). ozellikler virgülle ayrılır; adında virgül olan sütun seçilemez (193).
Tohum. Şablonda rastgelelik yalnız permütasyonlarda ve şekildeki serpme titremesindedir. Üreteç np.random.default_rng(mq.seed ...) ile kurulur (148); arayüzde her çalıştırmaya bir tohum atandığından kodun 2026 yedeği kullanılmaz. Aynı veri, ayar ve tohumla p değerleri yinelenir; farklı tohumla permütasyon p değerleri Monte Carlo hatası kadar değişir (203.7). Tohumun Kod panelindeki yeri Bölüm 1.3'te anlatılmıştır.
Örnek ayar (ornek_param, satır 9): turler = beş tür sütunu, tur_listesi_tum açık (ek 186 tür), ozellik_dosyasi = cupressus_ozellik.csv, ozellikler = boy_m, SLA, tohum_kutlesi_mg, gradyan = servi_ortusu, grup = alan, B = 199; öteki alanlar varsayılandır.
203.3 Örnek veri
cupressus_alt_kat.csv, İtalya'da üç alanda (Fontegreca, S_Agnese, Salisano) uzun süredir bulunan servi (Cupressus sempervirens) plantasyonlarının alt katında alınmış 74 örnek alanın tür örtüleridir (Pelella ve ark., 2026; teknik nota göre veri Zenodo'da CC BY 4.0 ile yayımlanmıştır). Satırlar örnek alandır; ilk sütunlar parsel, alan, servi_ortusu (%), servi_sinifi, rakim, kuzeylik, egim, ort_boy, ort_govde_alani, ardından 191 tür sütunu (örtü, %) gelir. Eksik açıklayıcı yoktur; tür örtülerinde eksik hücreler 0 sayılır.
cupressus_ozellik.csv 197 türün özellik tablosudur: tur (ilk sütun), boy_m, tohum_kutlesi_mg, SLA, hayat formu 0/1 sütunları (fanerofit, kamefit, hemikriptofit, terofit), bozulma_siddeti, bozulma_sikligi, toprak_bozulmasi, isik. Boş hücre "özellik bilinmiyor"dur.
| Değişken | Rol | Tür (veri sekmesinin algıladığı) | Özet |
|---|---|---|---|
servi_ortusu |
gradyan | sayısal | ort. 33,52; SS 17,78; 0–75 % |
alan |
grup | kategorik/metin | Fontegreca 23, S_Agnese 31, Salisano 20 örnek alan |
| 191 tür sütunu | örtü (%) | sayısal | örnekte 5 seçili + 186 tur_listesi_tum ile |
boy_m, SLA, tohum_kutlesi_mg |
özellik (tabloda) | sayısal | bilinen tür sayısı sırasıyla 167, 127, 156 (191 sütun içinde) |
rakim, egim, kuzeylik, … |
örnek ayarda kullanılmaz | sayısal | otomatik_ortak çalıştırmasında rakim, egim ortak değişken |
Düzey sırası. grup düzeylerinin sırası duzey_sirala ile belirlenir (291–305): sütun kategori türündeyse Veri sekmesindeki sıra (Bölüm 1.3), değilse bütün adlar sayıya çevrilebiliyorsa sayısal, değilse harf sırası; ilk düzey referanstır ve sonuç metni sırayı ve başvuru düzeyini yazar (320–324; 203.8, bulgular B1). Örnekte üç ad (Fontegreca, S_Agnese, Salisano) Veri sekmesi sırasındadır ve referans Fontegreca'dır; adlar Z10, A2, M3 olarak değiştirildiğinde sıra Veri sekmesinde nasıl tanımlıysa öyle, ham metin gelirse harf sırasıdır (A2, M3, Z10); 2, 3, 10 gibi adlar sayısal sıralanır (2 başvuru).
Bu bölümde kullanılan çalıştırmalar (q7_cwm_…; tohum 1; hepsi MQ_KOK_YOLU=1 ile): ornek (örnek ayar); ornek_s2 (tohum 2); yok (sadelestirme = yok, permutasyon = yok); tam_log (sadelestirme = tam, donusum = log); otomatik_ortak (donusum = otomatik, ortak = rakim, egim, permutasyon = satir); tcc (iki yapay ağaç örtü sütunu); alan_s10 (alan adları değiştirilmiş); hata çalıştırması h_ozellik_yok.
203.4 Yöntem: formüller ve hesap adımları
Hesap sırası: özellik tablosu okunur ve tür adları normalleştirilir (156–206); tür sütunları ve açıklayıcılar seçilir, örtü matrisi kurulur (208–238); isteğe bağlı TCC (240–245); CWM ve kapsam (247–271); yanıtlar (281–289); her yanıt için model kurma, geriye doğru sadeleştirme, terim testleri, varsayım testleri, Tukey ve harf grupları (291–518); permütasyon testleri (520–588); çıktı ve grafikler (590–715).
203.4.1 CWM ve kapsam
- W_{jk}: j örnek alanında k özelliği bilinen türlerin toplam örtüsü; özelliği bilinmeyen türler hem paydan hem paydadan çıkar (257–262).
- Kapsam, toplam örtünün ne kadarının bilinen özellikli türlerden geldiğidir;
kapsam_esigi'nin (varsayılan %80) altındaki alan sayısı özellik başına uyarı olarak yazılır (265–271). Eşik, Májeková ve ark. (2016) önerisidir. - 0/1 kodlu özellikte (hayat formu) CWM, o sınıfın bilinen örtü içindeki payıdır.
Özelliği bilinen hiçbir türü olmayan örnek alanda (W=0) CWM NaN'dır; o örnek alan yalnız o yanıtın modelinden çıkar (401–414).
203.4.2 Tür sayısı, Shannon ve toplam tepe örtüsü
- c_{mj}: m. ağaç türünün (tabakanın) örtüsü, %; TCC, tabakaların birbirinden bağımsız ve rastgele örtüştüğü varsayımıyla toplam tepe örtüsüdür (Jennings ve ark., 1999; Fischer, 2015).
TCCadıyla ortak değişken olarak eklenir (240–245). - S_j ve H'_j
cesitlilikaçıkken CWM'lerle birlikte yanıt olur; H' doğal logaritmalıdır (282–287).
203.4.3 Doğrusal model ve AIC
Her yanıt için başlangıç modeli yanıt ~ gradyan + grup + ortak + gradyan:grup biçiminde en küçük karelerle kurulur (337–345). Alan etkeni tedavi (referans hücre) kodlamasıdır: ilk düzey referans, öteki düzeyler için gösterge sütunları; etkileşim sütunları x\cdot\mathbb 1_g'dir (327–334).
- k: tasarım matrisinin kertesi; +1 hata varyansı içindir. Bu, R'ın
AIC(lm(...))tanımıdır (344). - F testi iç içe iki model için F=\dfrac{(\mathrm{RSS}_0-\mathrm{RSS}_1)/(k_1-k_0)}{\mathrm{RSS}_1/(n-k_1)} (377–382).
Son modelde katsayı standart hataları \hat\sigma^2(\mathbf X^{\top}\mathbf X)^{+}'dan, t ve iki yönlü p ise t_{n-k} dağılımından bulunur (445–453). R^2=1-\mathrm{RSS}/\mathrm{RSS}_0, düzeltilmiş R^2=1-(1-R^2)(n-1)/(n-k) ve tüm modelin F testi aynı satırdadır (460–466).
203.4.4 Geriye doğru sadeleştirme ve terim testleri
sadelestirme kipine göre çıkarılabilir terim kümesi:
| Kip | Çıkarılabilir terimler | Hiyerarşi |
|---|---|---|
etkilesim_ortak |
etkileşim, ortak değişkenler | gradyan ve alan modelde kalır |
tam |
yukarıdakiler + gradyan + alan | etkileşim varken yalnız etkileşim çıkarılabilir |
yok |
hiçbiri | başlangıç modeli son modeldir |
Her adımda çıkarılabilir her terim için, o terim çıkarılmış küçük model ile mevcut model arasındaki kısmi F testinin p değeri bulunur; en büyük p>\alpha ise o terim çıkarılır ve AIC yazılır (428–443). Etkileşim modelde iken yalnız etkileşim aday olur; etkileşimde yer alan ana etki çıkarılmaz (385–393). Son modelde her terim, son modelden çıkarılarak (Tip II benzeri marjinal F) sınanır; etkileşim modelde kaldıysa gradyan ve alanın ana etki p değerleri ayrıca yazılmaz (454–459). Sadeleştirme tablosu "başlangıç" satırıyla başlar.
Neden en büyük p?
Geriye doğru eleme, hiyerarşik olarak bir kerede bir terim çıkarır ve her adımda en az bilgi veren terimi seçer; çok terimli çıkarma yerine tek tek çıkarma sıra bağımlılığını sınırlar. \alpha=0{,}05 varsayılandır; eleme kuralı AIC değil F testidir (AIC yalnız raporlanır).
AIC dönüşüm ve sadeleştirme arasında karşılaştırılabilir değildir
Son modeller tablosunda log dönüşümlü bir yanıtın AIC'si (ör. tür sayısı için 88{,}36) dönüşümsüz yanıtlarla (497{,}18) yan yana görünür; yanıt ölçeği değiştiğinden AIC'ler yalnız aynı yanıtın modelleri arasında karşılaştırılabilir (Jacobian terimi yazılmaz; bulgular B5).
203.4.5 Yanıt dönüşümü
donusum = log: bütün değerleri >0 olan yanıtlar doğal logaritmayla dönüştürülür; sıfır ya da negatif değer varsa o yanıt dönüştürülmez ve uyarı yazılır (421–422). otomatik: değerler >0 ve başlangıç modelinin artıklarının Shapiro–Wilk p<\alpha ise log alınır (418–419); karar yanıt başınadır (aynı çalıştırmada bazı yanıtlar dönüştürülür, bazıları dönüştürülmez).
203.4.6 Artık varsayımları
Son modelin artıklarına Shapiro–Wilk (Shapiro ve Wilk, 1965) normallik testi (n\ge3) ve alan etkeni varsa medyan merkezli Levene (Brown–Forsythe) varyans homojenliği testi uygulanır (472–479). Test sonucuna göre dönüşüm ya da model otomatik değiştirilmez (otomatik kipi yalnız başlangıç modelindeki Shapiro–Wilk'e bağlıdır).
203.4.7 Tukey karşılaştırmaları ve harf grupları
Alan etkeni son modelde ise alan en küçük kare (LS) ortalamaları her sayısal terim ortalamada tutularak \hat\mu_g=\mathbf L_g^{\top}\hat{\boldsymbol\beta} olarak bulunur (481–497); her ikili için
- \hat{\mathbf V}=\hat\sigma^2(\mathbf X^{\top}\mathbf X)^{+}; \mathbf L_g: g düzeyi için katsayı vektörü (sayısal terimler ortalamada).
- Q_{G,\nu}: G ortalama ve \nu serbestlik derecesiyle Studentize aralık dağılımı (
scipy.stats.studentized_range.sf; 504). Tukey–Kramer düzeltmesi dengesiz örnek boyutları içindir.
Anlamlı olmayan farklar Piepho (2004) ekle-emme algoritmasıyla harf gruplarına çevrilir; algoritma multcompView::multcompLetters ile aynı sıralamayı üretir (348–374, 508). Etkileşim modelde kaldıysa LS ortalamaları gradyanın ortalamasında hesaplanır ve etkileşim katsayıları \mathbf L_g'ye girer (490–491).
203.4.8 CWM permütasyon testleri
permutasyon açıkken her CWM \times her açıklayıcı (gradyan, ortak değişkenler, grup) çifti için istatistik: sayısal açıklayıcıda Pearson r (iki yönlü), etkende tek yönlü ANOVA F (527–539).
| Test | Permütasyon | Ne sınar |
|---|---|---|
Satır (satir) |
Örnek alan değerleri (açıklayıcı) B kez karıştırılır (561–573) | Özelliklerin çevreyle ilişkisi (topluluk bileşiminin çevreye tepkisi) |
Sütun (sutun) |
Özelliği bilinen türlerin özellik değerleri türler arasında karıştırılır ve CWM her permütasyonda yeniden hesaplanır (574–585) | Özelliğin tür bileşimiyle ilişkisi; türler arası ortak özellik değerlerinden doğan I. tip hata şişmesini giderir |
Max (max) |
p_{\max}=\max(p_{\text{satır}},p_{\text{sütun}}) (586–587) | Her ikisi birden anlamlıysa anlamlı |
- s: istatistik (r ya da F); sayısal açıklayıcıda |s| kullanılır (iki yönlü), etkende s\ge s_{\mathrm{obs}} (556, 551).
- En küçük olası p 1/(B+1)'dir; B=199 için 0{,}005.
- Tabloda ayrıca parametrik p (
p_parametrik) bulunur: r için t testi, F için F_{k-1,\,n-k}.
Bu testler yalnız tek açıklayıcılıdır (CWM \sim bir açıklayıcı); doğrusal modeldeki kısmi (diğer terimler sabitken) p değerleriyle aynı şey değildir (bulgular B3).
203.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 1–135 | Üstbilgi: 18 parametre. | Yan dosyalar kitap dışıdır (Bölüm 1.1). |
| 136–154 | İçe aktarmalar, _m, veri denetimi, üreteç, \alpha, ad normalleştirme. |
Üreteç mq.seed ile; tohum 1.3'te. |
| 156–206 | Özellik tablosunu bul/oku, ilk sütunu tür anahtarı yap, yinelenenleri ve istenen sütunları denetle, özellik matrisi T. | pro.kod.sablon yoksa yerleşik _ornek klasörüne bakma (162–170). |
| 208–238 | Tür sütunları (tur_listesi_tum dahil), eksik açıklayıcı satırların atılması, örtü matrisi, negatif/boş denetimi. |
Eksik tür hücresi 0. |
| 240–271 | TCC, T'ye eşleme, CWM ve kapsam, uyarılar. | Eşleşmeyen tür "özelliği bilinmiyor" sayılır (249–253). |
| 281–325 | Yanıtlar sözlüğü; grup düzeyleri (duzey_sirala: Veri sekmesi sırası, değilse sayısal ya da harf sırası) ve başvuru düzeyi notu; gradyan ve ortak sabitlik denetimi. |
grup tek düzeyliyse modele alınmaz (310–312). |
| 327–382 | sutunlar_, uydur, harf_gruplari, f_test. |
Tedavi kodlaması; AIC R tanımıyla. |
| 385–398 | Çıkarılabilir kümeler, başlangıç modeli, kip, dönüşüm. | Hiyerarşi kuralı 385–393. |
| 400–518 | Her yanıt için: dönüşüm, uydurma, sadeleştirme döngüsü, katsayı tablosu, terim testleri, R^2, varsayım testleri, Tukey ve harfler, şekil verisi. | NaN CWM'li örnek alanlar yalnız o yanıttan çıkar. |
| 520–588 | Permütasyon testleri: açıklayıcı döngüsü, satır ve sütun. | İç içe B döngüsü; süre B ile doğrusal artar. |
| 590–647 | Konsol satırları ve sekiz tablo (son modeller, katsayılar, sadeleştirme adımları, varsayımlar, Tukey, harfler, permütasyon, örnek alan başına CWM). | Tablo adları iki dillidir; sütunlar en sözlüğüyle çevrilir (612–625). |
| 650–715 | Şekiller: her satır bir yanıt; solda alanlara göre kutu + harf, sağda gradyana göre serpme; p_{\mathrm{gradyan}}<\alpha ise %95 GA bantlı çizgi. | Her şekil en çok 3 yanıt içerir; 5 yanıt iki şekil verir. Çizgi, gradyana karşı pooled basit doğrusal regresyondur, modelin alan etkisini içermez (bulgular B6). |
Süre: örnek ayar B=199 ile 10 s; B ile doğrusal artar.
203.6 Elle hesap: örnek veride bağımsız yeniden hesap
Bağımsız hesaplar dogrulama/cwm_gradyan/elle_hesap.py (yalnız numpy ve scipy.stats; normal denklemler, kendi F testi, kendi permütasyon döngüsü; şablon kodu kullanılmaz) ve r_dogrulama.R (lm, anova, drop1, AIC, shapiro.test, car::leveneTest, emmeans + Tukey, cor.test, aov, multcompView) ile yapılmıştır; harf_denetimi.py ayrıca Piepho algoritmasını 20 rastgele p matrisinde G=4\ldots7 düzey için multcompLetters ile karşılaştırır.
Adım 1 — CWM (1. örnek alan). Toplam örtü 6{,}5; boy_m bilinen türlerin örtüsü W=6{,}4 (kapsam 98{,}46\,\%), \sum a\,t=4{,}861771, CWM =4{,}861771/6{,}4=0{,}759652. SLA: W=4{,}8, \sum a\,t=75{,}355275, CWM =15{,}699016 (kapsam 73{,}85\,\%). tohum_kutlesi_mg: W=5{,}9, CWM =7{,}439367. Şablonun "CWM ve çeşitlilik" tablosunun ilk satırı aynıdır.
Adım 2 — Başlangıç modeli, tür sayısı. n=74, tasarım [1,\ x,\ \mathbb 1_{S\_Agnese},\ \mathbb 1_{Salisano},\ x\,\mathbb 1_{S\_Agnese},\ x\,\mathbb 1_{Salisano}] (k=6): AIC =497{,}00515. Etkileşim çıkarıldığında (k=4, n-k=70) AIC =497{,}18223; F_{2,\,68}=1{,}97440, p=0{,}14672 (>0{,}05; çıkarılır).
Adım 3 — Son model. Katsayılar: kesişim 26{,}55899 (SH 1{,}95183), gradyan -0{,}14404 (SH 0{,}04484; t=-3{,}2121; p=0{,}00199), alan[S_Agnese] -5{,}62072, alan[Salisano] -7{,}34375. R^2=0{,}28236, düzeltilmiş 0{,}25160; F_{3,\,70}=9{,}18065, p=0{,}00003. Alanın ana etkisi p=0{,}00124.
Adım 4 — Varsayımlar. Shapiro–Wilk W=0{,}93314, p=0{,}00072 (artıklar normal değil); Levene (medyan) F=0{,}69055, p=0{,}50464.
Adım 5 — Tukey. \hat\mu_{\mathrm{Font}}-\hat\mu_{\mathrm{S\_Agn}}=5{,}62072 (SH 1{,}86750; t=3{,}00976): p=0{,}01004; Fontegreca–Salisano 7{,}34375 (SH 2{,}04558): p=0{,}00174; S_Agnese–Salisano 1{,}72303 (SH 1{,}94022): p=0{,}64959. Harfler a, b, b.
Adım 6 — Permütasyon. Aynı tohum ve aynı üreteç akışıyla (B=199; özellik, açıklayıcı, satır, sütun sırası) bağımsız döngü şablonun 12 permütasyon p değerini (p_{\text{satır}}, p_{\text{sütun}}, p_{\max} için her biri 6) bire bir verir. Örneğin boy_m ~ alan: F=24{,}2266, parametrik p=9{,}5\cdot10^{-9}, satır p=0{,}005, sütun p=0{,}145 → p_{\max}=0{,}145.
Adım 7 — TCC. tcc çalıştırmasında iki ağaç örtüsü c_1=40, c_2=7 için 100[1-(0{,}60)(0{,}93)]=44{,}2; şablonun TCC sütunu tüm 74 satırda formülden en çok 7\cdot10^{-15} farklıdır.
203.6.1 Doğrulama: MerQuR+, Python ve R
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| tur_sayisi: R² | 0,28236005 | 0,28236005 | 0,28236005 | 3,7e−14 | 1e−6 | ✓ |
| tur_sayisi: düzeltilmiş R² | 0,25160405 | 0,25160405 | 0,25160405 | 8,5e−15 | 1e−6 | ✓ |
| tur_sayisi: model F | 9,18064993 | 9,18064993 | 9,18064993 | 5,1e−14 | 1e−6 | ✓ |
| tur_sayisi: model p | 3,356083·10−5 | 3,356083·10−5 | 3,356083·10−5 | 4,1e−18 | 1e−6 | ✓ |
| tur_sayisi: AIC (son model) | 497,18222933 | 497,18222933 | 497,18222933 | 8,0e−16 | 1e−6 | ✓ |
| tur_sayisi: gradyan p | 0,0019921 | 0,0019921 | 0,0019921 | 5,0e−16 | 1e−6 | ✓ |
| tur_sayisi: alan p | 0,00123829 | 0,00123829 | 0,00123829 | 3,0e−16 | 1e−6 | ✓ |
| tur_sayisi: başlangıç AIC (etkileşimli) | 497,00514834 | 497,00514834 | 497,00514834 | 3,4e−16 | 1e−6 | ✓ |
| tur_sayisi: etkileşim F | 1,97439966 | 1,97439966 | 1,97439966 | 8,1e−14 | 1e−6 | ✓ |
| tur_sayisi: etkileşim p | 0,14672439 | 0,14672439 | 0,14672439 | 3,8e−14 | 1e−6 | ✓ |
| tur_sayisi: Shapiro–Wilk W | 0,93314421 | 0,93314421 | 0,93314421 | 3,4e−11 | 1e−6 | ✓ |
| tur_sayisi: Shapiro–Wilk p | 7,244963·10−4 | 7,244963·10−4 | 7,244963·10−4 | 2,8e−12 | 1e−6 | ✓ |
| tur_sayisi: Levene F | 0,69054773 | 0,69054773 | 0,69054773 | 8,9e−16 | 1e−6 | ✓ |
| tur_sayisi: Levene p | 0,50463631 | 0,50463631 | 0,50463631 | 4,3e−14 | 1e−6 | ✓ |
| tur_sayisi: Tukey p (Fontegreca - S_Agnese) | 0,01003971 | 0,01003971 | 0,01003971 | 7,2e−11 | 1e−6 | ✓ |
| tur_sayisi: Tukey p (Fontegreca - Salisano) | 0,00174468 | 0,00174468 | 0,00174468 | 6,4e−11 | 1e−6 | ✓ |
| tur_sayisi: Tukey p (S_Agnese - Salisano) | 0,6495944 | 0,6495944 | 0,6495944 | 1,7e−11 | 1e−6 | ✓ |
| tur_sayisi: katsayı (Intercept) | 26,55898525 | 26,55898525 | 26,55898525 | 1,2e−14 | 1e−6 | ✓ |
| tur_sayisi: SH (Intercept) | 1,95182915 | 1,95182915 | 1,95182915 | 1,7e−13 | 1e−6 | ✓ |
| tur_sayisi: katsayı servi_ortusu | −0,14403979 | −0,14403979 | −0,14403979 | 4,2e−14 | 1e−6 | ✓ |
| tur_sayisi: SH servi_ortusu | 0,04484294 | 0,04484294 | 0,04484294 | 2,3e−15 | 1e−6 | ✓ |
| tur_sayisi: katsayı alan[S_Agnese] | −5,62072215 | −5,62072215 | −5,62072215 | 3,2e−14 | 1e−6 | ✓ |
| tur_sayisi: SH alan[S_Agnese] | 1,86749767 | 1,86749767 | 1,86749767 | 2,3e−13 | 1e−6 | ✓ |
| tur_sayisi: katsayı alan[Salisano] | −7,34375177 | −7,34375177 | −7,34375177 | 1,6e−14 | 1e−6 | ✓ |
| tur_sayisi: SH alan[Salisano] | 2,04557608 | 2,04557608 | 2,04557608 | 1,0e−13 | 1e−6 | ✓ |
| shannon_H: R² | 0,17247244 | 0,17247244 | 0,17247244 | 4,8e−14 | 1e−6 | ✓ |
| shannon_H: düzeltilmiş R² | 0,13700698 | 0,13700698 | 0,13700698 | 4,4e−14 | 1e−6 | ✓ |
| shannon_H: model F | 4,86310933 | 4,86310933 | 4,86310933 | 1,6e−14 | 1e−6 | ✓ |
| shannon_H: model p | 0,00394784 | 0,00394784 | 0,00394784 | 2,0e−16 | 1e−6 | ✓ |
| shannon_H: AIC (son model) | 121,57181486 | 121,57181486 | 121,57181486 | 2,6e−15 | 1e−6 | ✓ |
| shannon_H: gradyan p | 0,12571093 | 0,12571093 | 0,12571093 | 4,3e−14 | 1e−6 | ✓ |
| shannon_H: alan p | 0,00379121 | 0,00379121 | 0,00379121 | 4,0e−16 | 1e−6 | ✓ |
| shannon_H: başlangıç AIC (etkileşimli) | 122,16292632 | 122,16292632 | 122,16292632 | 4,0e−15 | 1e−6 | ✓ |
| shannon_H: etkileşim F | 1,60288187 | 1,60288187 | 1,60288187 | 2,2e−13 | 1e−6 | ✓ |
| shannon_H: etkileşim p | 0,20882763 | 0,20882763 | 0,20882763 | 2,3e−14 | 1e−6 | ✓ |
| shannon_H: Shapiro–Wilk W | 0,98263899 | 0,98263899 | 0,98263899 | 5,5e−11 | 1e−6 | ✓ |
| shannon_H: Shapiro–Wilk p | 0,40385497 | 0,40385497 | 0,40385497 | 2,7e−9 | 1e−6 | ✓ |
| shannon_H: Levene F | 1,15787065 | 1,15787065 | 1,15787065 | 2,2e−13 | 1e−6 | ✓ |
| shannon_H: Levene p | 0,32001454 | 0,32001454 | 0,32001454 | 2,1e−14 | 1e−6 | ✓ |
| shannon_H: Tukey p (Fontegreca - S_Agnese) | 0,25302104 | 0,25302104 | 0,25302104 | 4,7e−11 | 1e−6 | ✓ |
| shannon_H: Tukey p (Fontegreca - Salisano) | 0,0025435 | 0,0025435 | 0,0025435 | 6,6e−11 | 1e−6 | ✓ |
| shannon_H: Tukey p (S_Agnese - Salisano) | 0,09301052 | 0,09301052 | 0,09301052 | 6,6e−11 | 1e−6 | ✓ |
| shannon_H: katsayı (Intercept) | 1,94275215 | 1,94275215 | 1,94275215 | 6,0e−14 | 1e−6 | ✓ |
| shannon_H: SH (Intercept) | 0,15425607 | 0,15425607 | 0,15425607 | 1,6e−14 | 1e−6 | ✓ |
| shannon_H: katsayı servi_ortusu | −0,00549233 | −0,00549233 | −0,00549233 | 4,0e−16 | 1e−6 | ✓ |
| shannon_H: SH servi_ortusu | 0,00354401 | 0,00354401 | 0,00354401 | 9,0e−17 | 1e−6 | ✓ |
| shannon_H: katsayı alan[S_Agnese] | −0,23593645 | −0,23593645 | −0,23593645 | 5,8e−15 | 1e−6 | ✓ |
| shannon_H: SH alan[S_Agnese] | 0,14759123 | 0,14759123 | 0,14759123 | 3,9e−14 | 1e−6 | ✓ |
| shannon_H: katsayı alan[Salisano] | −0,56107606 | −0,56107606 | −0,56107606 | 4,3e−14 | 1e−6 | ✓ |
| shannon_H: SH alan[Salisano] | 0,16166504 | 0,16166504 | 0,16166504 | 2,3e−14 | 1e−6 | ✓ |
| CWM_boy_m: R² | 0,40564097 | 0,40564097 | 0,40564097 | 2,1e−14 | 1e−6 | ✓ |
| CWM_boy_m: düzeltilmiş R² | 0,38016844 | 0,38016844 | 0,38016844 | 1,6e−14 | 1e−6 | ✓ |
| CWM_boy_m: model F | 15,92464389 | 15,92464389 | 15,92464389 | 1,2e−15 | 1e−6 | ✓ |
| CWM_boy_m: model p | 5,413356·10−8 | 5,413356·10−8 | 5,413356·10−8 | 4,3e−21 | 1e−6 | ✓ |
| CWM_boy_m: AIC (son model) | 313,24611581 | 313,24611581 | 313,24611581 | 7,3e−16 | 1e−6 | ✓ |
| CWM_boy_m: gradyan p | 0,96553696 | 0,96553696 | 0,96553696 | 1,7e−13 | 1e−6 | ✓ |
| CWM_boy_m: alan p | 1,983118·10−8 | 1,983118·10−8 | 1,983118·10−8 | 3,1e−21 | 1e−6 | ✓ |
| CWM_boy_m: başlangıç AIC (etkileşimli) | 314,33602058 | 314,33602058 | 314,33602058 | 9,0e−16 | 1e−6 | ✓ |
| CWM_boy_m: etkileşim F | 1,36370939 | 1,36370939 | 1,36370939 | 3,7e−13 | 1e−6 | ✓ |
| CWM_boy_m: etkileşim p | 0,2626138 | 0,2626138 | 0,2626138 | 4,1e−14 | 1e−6 | ✓ |
| CWM_boy_m: Shapiro–Wilk W | 0,93065448 | 0,93065448 | 0,93065448 | 2,7e−11 | 1e−6 | ✓ |
| CWM_boy_m: Shapiro–Wilk p | 5,483399·10−4 | 5,483399·10−4 | 5,483399·10−4 | 1,6e−12 | 1e−6 | ✓ |
| CWM_boy_m: Levene F | 7,66264635 | 7,66264635 | 7,66264635 | 2,7e−14 | 1e−6 | ✓ |
| CWM_boy_m: Levene p | 9,699967·10−4 | 9,699967·10−4 | 9,699967·10−4 | 1,0e−16 | 1e−6 | ✓ |
| CWM_boy_m: Tukey p (Fontegreca - S_Agnese) | 1,019011·10−8 | 1,019011·10−8 | 1,012900·10−8 | 6,1e−11 | 1e−6 | ✓ |
| CWM_boy_m: Tukey p (Fontegreca - Salisano) | 0,01536845 | 0,01536845 | 0,01536845 | 7,3e−11 | 1e−6 | ✓ |
| CWM_boy_m: Tukey p (S_Agnese - Salisano) | 0,002354 | 0,002354 | 0,002354 | 6,6e−11 | 1e−6 | ✓ |
| CWM_boy_m: katsayı (Intercept) | 0,99918586 | 0,99918586 | 0,99918586 | 4,0e−14 | 1e−6 | ✓ |
| CWM_boy_m: SH (Intercept) | 0,56324272 | 0,56324272 | 0,56324272 | 4,5e−14 | 1e−6 | ✓ |
| CWM_boy_m: katsayı servi_ortusu | 5,611130·10−4 | 5,611130·10−4 | 5,611130·10−4 | 1,0e−16 | 1e−6 | ✓ |
| CWM_boy_m: SH servi_ortusu | 0,0129404 | 0,0129404 | 0,0129404 | 2,0e−15 | 1e−6 | ✓ |
| CWM_boy_m: katsayı alan[S_Agnese] | 3,64319551 | 3,64319551 | 3,64319551 | 1,2e−14 | 1e−6 | ✓ |
| CWM_boy_m: SH alan[S_Agnese] | 0,53890704 | 0,53890704 | 0,53890704 | 3,2e−14 | 1e−6 | ✓ |
| CWM_boy_m: katsayı alan[Salisano] | 1,68617154 | 1,68617154 | 1,68617154 | 2,1e−13 | 1e−6 | ✓ |
| CWM_boy_m: SH alan[Salisano] | 0,59029544 | 0,59029544 | 0,59029544 | 5,6e−14 | 1e−6 | ✓ |
| CWM_SLA: R² | 0,402794 | 0,402794 | 0,402794 | 4,9e−14 | 1e−6 | ✓ |
| CWM_SLA: düzeltilmiş R² | 0,37719946 | 0,37719946 | 0,37719946 | 3,3e−14 | 1e−6 | ✓ |
| CWM_SLA: model F | 15,73749564 | 15,73749564 | 15,73749564 | 1,1e−14 | 1e−6 | ✓ |
| CWM_SLA: model p | 6,377811·10−8 | 6,377811·10−8 | 6,377811·10−8 | 5,4e−21 | 1e−6 | ✓ |
| CWM_SLA: AIC (son model) | 414,60833471 | 414,60833471 | 414,60833471 | 9,6e−16 | 1e−6 | ✓ |
| CWM_SLA: gradyan p | 0,2320359 | 0,2320359 | 0,2320359 | 4,0e−15 | 1e−6 | ✓ |
| CWM_SLA: alan p | 7,373878·10−8 | 7,373878·10−8 | 7,373878·10−8 | 2,2e−21 | 1e−6 | ✓ |
| CWM_SLA: başlangıç AIC (etkileşimli) | 418,5454913 | 418,5454913 | 418,5454913 | 1,2e−15 | 1e−6 | ✓ |
| CWM_SLA: etkileşim F | 0,02888626 | 0,02888626 | 0,02888626 | 7,9e−15 | 1e−6 | ✓ |
| CWM_SLA: etkileşim p | 0,97153887 | 0,97153887 | 0,97153887 | 3,6e−14 | 1e−6 | ✓ |
| CWM_SLA: Shapiro–Wilk W | 0,93075248 | 0,93075248 | 0,93075248 | 4,1e−11 | 1e−6 | ✓ |
| CWM_SLA: Shapiro–Wilk p | 5,543417·10−4 | 5,543417·10−4 | 5,543417·10−4 | 2,5e−12 | 1e−6 | ✓ |
| CWM_SLA: Levene F | 8,37302521 | 8,37302521 | 8,37302521 | 1,7e−14 | 1e−6 | ✓ |
| CWM_SLA: Levene p | 5,433659·10−4 | 5,433659·10−4 | 5,433659·10−4 | 1,0e−16 | 1e−6 | ✓ |
| CWM_SLA: Tukey p (Fontegreca - S_Agnese) | 3,462133·10−8 | 3,462133·10−8 | 3,456020·10−8 | 6,1e−11 | 1e−6 | ✓ |
| CWM_SLA: Tukey p (Fontegreca - Salisano) | 0,00177904 | 0,00177904 | 0,00177904 | 6,4e−11 | 1e−6 | ✓ |
| CWM_SLA: Tukey p (S_Agnese - Salisano) | 0,04430402 | 0,04430402 | 0,04430402 | 7,2e−11 | 1e−6 | ✓ |
| CWM_SLA: katsayı (Intercept) | 18,64193734 | 18,64193734 | 18,64193734 | 2,5e−14 | 1e−6 | ✓ |
| CWM_SLA: SH (Intercept) | 1,11721082 | 1,11721082 | 1,11721082 | 1,8e−13 | 1e−6 | ✓ |
| CWM_SLA: katsayı servi_ortusu | −0,0309447 | −0,0309447 | −0,0309447 | 4,9e−15 | 1e−6 | ✓ |
| CWM_SLA: SH servi_ortusu | 0,02566773 | 0,02566773 | 0,02566773 | 8,0e−16 | 1e−6 | ✓ |
| CWM_SLA: katsayı alan[S_Agnese] | −6,91170928 | −6,91170928 | −6,91170928 | 5,9e−14 | 1e−6 | ✓ |
| CWM_SLA: SH alan[S_Agnese] | 1,06894018 | 1,06894018 | 1,06894018 | 3,2e−13 | 1e−6 | ✓ |
| CWM_SLA: katsayı alan[Salisano] | −4,19634053 | −4,19634053 | −4,19634053 | 4,9e−14 | 1e−6 | ✓ |
| CWM_SLA: SH alan[Salisano] | 1,17087078 | 1,17087078 | 1,17087078 | 1,4e−13 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: R² | 0,03202961 | 0,03202961 | 0,03202961 | 2,8e−15 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: düzeltilmiş R² | −0,00945484 | −0,00945484 | −0,00945484 | 2,3e−16 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: model F | 0,7720872 | 0,7720872 | 0,7720872 | 5,1e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: model p | 0,51349841 | 0,51349841 | 0,51349841 | 2,7e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: AIC (son model) | 712,56070799 | 712,56070799 | 712,56070799 | 6,4e−16 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: gradyan p | 0,59340671 | 0,59340671 | 0,59340671 | 5,7e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: alan p | 0,3944728 | 0,3944728 | 0,3944728 | 2,7e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: başlangıç AIC (etkileşimli) | 713,0712965 | 713,0712965 | 713,0712965 | 0 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: etkileşim F | 1,64164416 | 1,64164416 | 1,64164416 | 5,9e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: etkileşim p | 0,2012428 | 0,2012428 | 0,2012428 | 3,2e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Shapiro–Wilk W | 0,83821656 | 0,83821656 | 0,83821656 | 4,1e−11 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Shapiro–Wilk p | 1,589293·10−7 | 1,589293·10−7 | 1,589293·10−7 | 4,6e−16 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Levene F | 3,08605676 | 3,08605676 | 3,08605676 | 1,4e−13 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Levene p | 0,05185939 | 0,05185939 | 0,05185939 | 2,3e−15 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Tukey p (Fontegreca - S_Agnese) | 0,529697 | 0,529697 | 0,529697 | 2,4e−11 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Tukey p (Fontegreca - Salisano) | 0,41051441 | 0,41051441 | 0,41051441 | 3,3e−11 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: Tukey p (S_Agnese - Salisano) | 0,94801165 | 0,94801165 | 0,94801165 | 2,1e−12 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: katsayı (Intercept) | 39,62734204 | 39,62734204 | 39,62734204 | 2,9e−15 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: SH (Intercept) | 8,36475422 | 8,36475422 | 8,36475422 | 5,1e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: katsayı servi_ortusu | −0,103078 | −0,103078 | −0,103078 | 2,7e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: SH servi_ortusu | 0,19217878 | 0,19217878 | 0,19217878 | 1,0e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: katsayı alan[S_Agnese] | −8,64199416 | −8,64199416 | −8,64199416 | 1,2e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: SH alan[S_Agnese] | 8,00334343 | 8,00334343 | 8,00334343 | 4,1e−14 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: katsayı alan[Salisano] | −11,23075361 | −11,23075361 | −11,23075361 | 6,6e−15 | 1e−6 | ✓ |
| CWM_tohum_kutlesi_mg: SH alan[Salisano] | 8,76651581 | 8,76651581 | 8,76651581 | 1,2e−14 | 1e−6 | ✓ |
| boy_m ~ gradyan: istatistik (r) | 0,11592004 | 0,11592004 | 0,11592004 | 3,7e−14 | 1e−6 | ✓ |
| boy_m ~ gradyan: parametrik p | 0,32534873 | 0,32534873 | 0,32534873 | 3,7e−14 | 1e−6 | ✓ |
| boy_m ~ gradyan: satır permütasyon p | 0,3 | 0,3 | — | 0 | 1e−12 | ✓ |
| boy_m ~ gradyan: sütun permütasyon p | 0,48 | 0,48 | — | 0 | 1e−12 | ✓ |
| boy_m ~ gradyan: max p | 0,48 | 0,48 | — | 0 | 1e−12 | ✓ |
| boy_m ~ alan: istatistik (F) | 24,22660395 | 24,22660395 | 24,22660395 | 1,7e−14 | 1e−6 | ✓ |
| boy_m ~ alan: parametrik p | 9,531228·10−9 | 9,531228·10−9 | 9,531228·10−9 | 7,7e−22 | 1e−6 | ✓ |
| boy_m ~ alan: satır permütasyon p | 0,005 | 0,005 | — | 0 | 1e−12 | ✓ |
| boy_m ~ alan: sütun permütasyon p | 0,145 | 0,145 | — | 0 | 1e−12 | ✓ |
| boy_m ~ alan: max p | 0,145 | 0,145 | — | 0 | 1e−12 | ✓ |
| SLA ~ gradyan: istatistik (r) | −0,21264497 | −0,21264497 | −0,21264497 | 4,3e−14 | 1e−6 | ✓ |
| SLA ~ gradyan: parametrik p | 0,06891708 | 0,06891708 | 0,06891708 | 8,0e−16 | 1e−6 | ✓ |
| SLA ~ gradyan: satır permütasyon p | 0,05 | 0,05 | — | 0 | 1e−12 | ✓ |
| SLA ~ gradyan: sütun permütasyon p | 0,24 | 0,24 | — | 0 | 1e−12 | ✓ |
| SLA ~ gradyan: max p | 0,24 | 0,24 | — | 0 | 1e−12 | ✓ |
| SLA ~ alan: istatistik (F) | 22,7343293 | 22,7343293 | 22,7343293 | 1,3e−14 | 1e−6 | ✓ |
| SLA ~ alan: parametrik p | 2,340180·10−8 | 2,340180·10−8 | 2,340180·10−8 | 2,2e−21 | 1e−6 | ✓ |
| SLA ~ alan: satır permütasyon p | 0,005 | 0,005 | — | 0 | 1e−12 | ✓ |
| SLA ~ alan: sütun permütasyon p | 0,04 | 0,04 | — | 0 | 1e−12 | ✓ |
| SLA ~ alan: max p | 0,04 | 0,04 | — | 0 | 1e−12 | ✓ |
| tohum_kutlesi_mg ~ gradyan: istatistik (r) | −0,07719241 | −0,07719241 | −0,07719241 | 6,9e−16 | 1e−6 | ✓ |
| tohum_kutlesi_mg ~ gradyan: parametrik p | 0,51330144 | 0,51330144 | 0,51330144 | 7,1e−15 | 1e−6 | ✓ |
| tohum_kutlesi_mg ~ gradyan: satır permütasyon p | 0,56 | 0,56 | — | 0 | 1e−12 | ✓ |
| tohum_kutlesi_mg ~ gradyan: sütun permütasyon p | 0,66 | 0,66 | — | 0 | 1e−12 | ✓ |
| tohum_kutlesi_mg ~ gradyan: max p | 0,66 | 0,66 | — | 0 | 1e−12 | ✓ |
| tohum_kutlesi_mg ~ alan: istatistik (F) | 1,02456603 | 1,02456603 | 1,02456603 | 1,1e−13 | 1e−6 | ✓ |
| tohum_kutlesi_mg ~ alan: parametrik p | 0,36419732 | 0,36419732 | 0,36419732 | 4,1e−14 | 1e−6 | ✓ |
| tohum_kutlesi_mg ~ alan: satır permütasyon p | 0,425 | 0,425 | — | 0 | 1e−12 | ✓ |
| tohum_kutlesi_mg ~ alan: sütun permütasyon p | 0,865 | 0,865 | — | 0 | 1e−12 | ✓ |
| tohum_kutlesi_mg ~ alan: max p | 0,865 | 0,865 | — | 0 | 1e−12 | ✓ |
| alan 1: CWM boy_m | 0,75965169 | 0,75965169 | — | 0 | 1e−6 | ✓ |
| alan 1: kapsam % boy_m | 98,46153846 | 98,46153846 | — | 0 | 1e−6 | ✓ |
| alan 1: CWM SLA | 15,69901562 | 15,69901563 | — | 1,1e−16 | 1e−6 | ✓ |
| alan 1: kapsam % SLA | 73,84615385 | 73,84615385 | — | 0 | 1e−6 | ✓ |
| alan 1: CWM tohum_kutlesi_mg | 7,43936737 | 7,43936737 | — | 0 | 1e−6 | ✓ |
| alan 1: kapsam % tohum_kutlesi_mg | 90,76923077 | 90,76923077 | — | 1,6e−16 | 1e−6 | ✓ |
Ölçütü karşılayan: 161/161. Bağımsız Python: normal denklemler, kendi F testi, scipy.stats.studentized_range, permütasyon döngüsü şablondan ayrı yazıldı ve aynı tohumla (1) aynı üreteç akışını izledi. Bağımsız R: lm, anova, drop1, AIC, shapiro.test, car::leveneTest, emmeans (Tukey), cor.test, aov. Permütasyon p'leri yalnız Python ile karşılaştırılır (R'de karşılığı yok); tüm eşleşmeler tohuma bağlıdır.
203.7 Çıktıyı okuma
Örnek ayarın konsol satırları ve tabloları (q7_cwm_ornek; tablolar kısaltılmıştır):
Uyarı: özellik kapsamı %80'in altında olan örnek alan sayısı: boy_m 1, SLA 34, tohum_kutlesi_mg 11
Not: eşik altı örnek alanlar yine de modele girdi (varsayılan); dışlamak için 'özellik kapsamı eşiğin altındaki örnek alanları çıkar' seçeneğini açın. Kapsam sütunları CWM tablosundadır.
alan: düzey sırası Veri sekmesindeki sıra (Fontegreca, S_Agnese, Salisano); başvuru (ilk) düzey: Fontegreca.
Topluluk ağırlıklı ortalamalar ve gradyan modelleri: 74 örnek alan, 191 tür, 3 özellik; gradyan: servi_ortusu; alan: alan (3 düzey)
CWM = Σ(örtü × özellik) / Σ örtü, yalnız özelliği bilinen türler üzerinden. Shannon H′ doğal logaritmayla.
tur_sayisi: servi_ortusu + alan; R² = 0,2824, düzeltilmiş R² = 0,2516; gradyan p = 0,0020, alan p = 0,0012
shannon_H: servi_ortusu + alan; R² = 0,1725, düzeltilmiş R² = 0,1370; gradyan p = 0,1257, alan p = 0,0038
CWM_boy_m: servi_ortusu + alan; R² = 0,4056, düzeltilmiş R² = 0,3802; gradyan p = 0,9655, alan p < 0,0001
CWM_SLA: servi_ortusu + alan; R² = 0,4028, düzeltilmiş R² = 0,3772; gradyan p = 0,2320, alan p < 0,0001
CWM_tohum_kutlesi_mg: servi_ortusu + alan; R² = 0,0320, düzeltilmiş R² = -0,0095; gradyan p = 0,5934, alan p = 0,3945
Uyarı: artık varsayımı bozuk (Shapiro-Wilk ya da Levene p < 0,050): tur_sayisi, CWM_boy_m, CWM_SLA, CWM_tohum_kutlesi_mg. Ayrıntı 'Artık varsayımları' tablosundadır; 'Yanıt dönüşümü = otomatik' deneyin.
Not: permütasyon testleri her açıklayıcı için ayrı (tek açıklayıcılı marjinal) testtir; çoklu test düzeltmesi uygulanmamıştır. Grafiklerdeki çizgi alan etkisini içermeyen basit regresyondur.
Sadeleştirme adımları (ilk üç yanıt)
yanit adim islem terim F p AIC
tur_sayisi 0 başlangıç NaN NaN 497.00515
tur_sayisi 1 çıkarıldı servi_ortusu:alan 1.97440 0.14672 497.18223
shannon_H 0 başlangıç NaN NaN 122.16293
shannon_H 1 çıkarıldı servi_ortusu:alan 1.60288 0.20883 121.57181
Artık varsayımları
yanit shapiro_W shapiro_p levene_F levene_p
tur_sayisi 0.93314 0.00072 0.69055 0.50464
shannon_H 0.98264 0.40385 1.15787 0.32001
CWM_boy_m 0.93065 0.00055 7.66265 0.00097
CWM_SLA 0.93075 0.00055 8.37303 0.00054
CWM_tohum_kutlesi_mg 0.83822 0.00000 3.08606 0.05186
CWM permütasyon testleri
ozellik aciklayici istatistik deger p_parametrik p_satir p_sutun p_max
boy_m servi_ortusu r 0.11592 0.32535 0.300 0.480 0.480
boy_m alan F 24.22660 0.00000 0.005 0.145 0.145
SLA servi_ortusu r -0.21264 0.06892 0.050 0.240 0.240
SLA alan F 22.73433 0.00000 0.005 0.040 0.040
tohum_kutlesi_mg servi_ortusu r -0.07719 0.51330 0.560 0.660 0.660
tohum_kutlesi_mg alan F 1.02457 0.36420 0.425 0.865 0.865
Şekil 203.1. Şablonun çizdiği ilk panel grubu (`ornek`): (A, C, E) alanlara göre kutu ve serpme, harfler Tukey gruplarıdır; (B, D, F) gradyana göre serpme, anlamlıysa pooled doğrusal çizgi ve %95 bandı; "n.s." gradyan p\ge\alpha.

Şekil 203.2. İkinci panel grubu: `CWM_SLA` ve `CWM_tohum_kutlesi_mg` (her şekil en çok üç yanıt).

| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Son modeller | Her yanıt için son model, R^2, F, p, AIC ve terim p'leri. | Etkileşim modelde kaldıysa gradyan ve alan ana etkisi yazılmaz. |
| Katsayılar | Tedavi kodlamalı katsayı, SH, t, p. | Alan katsayıları referans düzeye (alfabetik ilk) göredir. |
| Sadeleştirme adımları | Başlangıç ve çıkarılan terim, F, p, AIC. | AIC yalnız aynı yanıtın adımları arasında karşılaştırılır. |
| Artık varsayımları | Shapiro–Wilk ve Levene. | p<\alpha varsayım ihlalidir; dönüşüm elle seçilir. |
| Tukey / harf grupları | Alan LS ortalama farkları, düzeltmeli p, harfler. | Aynı harfi paylaşan alanlar ayırt edilemez. |
| Permütasyon | r ya da F, parametrik, satır, sütun, max p. | Max p, en katı sonucu verir; parametrik anlamlı ama sütun testi anlamsızsa ilişki türlerin ortak özelliklerinden olabilir. |
| CWM ve çeşitlilik | Örnek alan başına CWM'ler, S, H' ve kapsam %. | Kapsam eşiğin altındaysa CWM güvenilmez. |
Tohumun etkisi. ornek_s2 (tohum 2): satır p'leri boy_m ~ gradyan 0{,}350, SLA ~ gradyan 0{,}075, tohum_kutlesi_mg ~ gradyan 0{,}555 olur (tohum 1'de 0{,}300; 0{,}050; 0{,}560); sütun p'leri 0{,}48, 0{,}22, 0{,}61 (0{,}48; 0{,}24; 0{,}66). Modelin (t, F) p'leri tohumdan bağımsızdır.
Rapor cümlesi (örnek ayar): "İtalya'daki üç servi plantasyonunda 74 örnek alanda (191 tür) tür sayısı gradyan boyunca azaldı (servi örtüsündeki her yüzde birlik artış için -0{,}144 tür; p=0{,}002) ve alanlar arasında farklıydı (p=0{,}001; Fontegreca > S_Agnese = Salisano, Tukey). Boy ve SLA için CWM'ler alanlara göre farklılaştı; gradyan etkisi yoktu (boy p=0{,}966; SLA p=0{,}232). Alan etkisi sütun permütasyonuyla boy için anlamsız (p_{\max}=0{,}145), SLA için anlamlı kaldı (p_{\max}=0{,}040; B=199, tohum 1)." SLA için 34 örnek alanda özellik kapsamı %80'in altındadır; bu çıktı birlikte bildirilmelidir.
203.8 Sık hatalar ve tuzaklar
- Referans düzeye bakmadan katsayı okumak. Katsayı işaretleri ve Tukey tablosunun sırası ilk (başvuru) düzeye göredir; şablon düzey sırasını (Veri sekmesi sırası, yoksa sayısal ya da harf sırası) ve başvuru düzeyini sonuç metnine yazar (291–305, 320–324; bulgular B1). Başka bir başvuru düzeyi istiyorsanız Veri sekmesinde düzey sırasını değiştirin.
- Kapsam uyarısına rağmen CWM'nin yorumlanması. SLA için 74 örnek alanın 34'ünde bilinen özellikli türler toplam örtünün %80'inden azını oluşturur; varsayılanda şablon yine de CWM'yi hesaplar ve modeller; uyarının ardından bunu belirten bir not yazar.
kapsam_dislamaaçılırsa bu örnek alanlar o özelliğin modelinden, permütasyon testinden ve grafiğinden çıkar (272–279; bulgular B4). - Varsayım ihlallerinin görmezden gelinmesi. Örnekte beş yanıtın dördünde Shapiro–Wilk p<0{,}001 ve ikisinde Levene p<0{,}001 iken varsayılan dönüşüm
yoktur; şablon konsola bir uyarı satırı yazar (628–631) vedonusum = otomatikönerir; sonuçlar bu haliyle yorumlanıyorsa t, F ve Tukey p'leri yaklaşıktır. - Satır permütasyonuna tek başına güvenmek. Parametrik ve satır p'leri CWM'nin türler arası ortak özellik değerlerinden doğan yapıyı içermez; sütun testi ya da max testi bunu denetler (
boy_m~ alan: parametrik p=10^{-8}, sütun p=0{,}145). - Permütasyon sayısının küçüklüğü. B=199 iken en küçük p 0{,}005'tir ve Monte Carlo hatası (p=0{,}3 için SH \approx0{,}03) büyüktür; yayın için B\ge999 kullanın. Sonuç tohuma bağlıdır (203.7).
- Çoklu test düzeltmesinin olmaması. Beş yanıt × altı permütasyon testi tek bir ailede değerlendirilmez; Tukey düzeltmesi yalnız bir yanıtın alan karşılaştırmalarını kapsar; konsol bu bilgiyi bir not satırıyla yazar (635–636; bulgular B3).
- AIC'nin dönüşümler arasında karşılaştırılması. Log dönüşümlü ve dönüşümsüz yanıtların AIC'leri tek tabloda durur ama karşılaştırılamaz; log dönüşümlü ve dönüşümsüz yanıt birlikte varsa konsol bunu not eder (632–634; 203.4.4; bulgular B5).
tamkipinde modelin kesişime inmesi.sadelestirme = tam,donusum = logçalıştırmasındaCWM_tohum_kutlesi_mgmodeli yalnız kesişime iner (1; R^2=0) ve F boş kalır; bu bir hata değil, hiçbir terimin anlamlı olmadığının göstergesidir.- Özellik dosyası adı. Yalnız dosya adı verilirse önce çalışma klasörüne, sonra yerleşik
_ornekklasörüne bakılır (162–170); yol boşluk ya da tırnak içeriyorsa tırnaklar kırpılır (157). - Pooled çizgi. Sağ panellerdeki çizgi alanları ayırmadan tüm örnek alanlara doğrusal regresyondur; modelin alan etkisi çizgide yoktur (konsoldaki not bunu belirtir, 635–636; bulgular B6).
- Gözlemlerin bağımsızlığı. Aynı parselden tekrarlanan örnek alanlar için şablon bağımsız gözlem varsayar.
203.9 Uzman soruları
S1. CWM–çevre ilişkisinin standart testi neden I. tip hatayı şişirir ve max testi bunu nasıl giderir?
CWM, örnek alan değerinde türlerin ortak özellik değerlerini yeniden kullanır: iki örnek alan aynı türleri paylaşıyorsa CWM'leri bağımsız değildir. Standart (parametrik ya da satır permütasyonu) test yalnız örnek alan değerlerini karıştırır ve bu yapıyı korur; sonuç iyimser p verir. Sütun permütasyonu özellik değerlerini türler arasında karıştırır ve CWM'yi yeniden hesaplar; böylece özellik–tür ilişkisini boşa çıkarır. Max testi her iki permütasyondan büyük p'yi alır (Zelený, 2018; ter Braak ve ark., 2018). Örnekte boy_m ~ alan parametrik p\approx10^{-8} iken sütun p=0{,}145'tir.
S2. `etkilesim_ortak` kipinde gradyan neden hiçbir zaman çıkarılmaz?
Gradyan ana soru olduğundan kip hiyerarşiyi korur: yalnız etkileşim ve ortak değişkenler aday olur (388–392). tam kipi gradyan ve alanı da aday yapar; bu durumda etkileşim varken yalnız etkileşim çıkarılabilir ve modeller kesişime kadar sadeleşebilir (tam_log).
S3. Sadeleştirmede neden AIC değil F testi kullanılır?
Şablon, her adımda kısmi F testinin p değerine göre çıkarır ve AIC'yi yalnız raporlar (428–443). AIC ve F testi çoğu zaman aynı terimi önerir ama eşit değildir: örnekte tur_sayisi etkileşimi çıkarıldığında AIC 497{,}005\to497{,}182 (arttı) ve yine de F testi çıkarır (p=0{,}147). Çıkarma kararı \alpha'ya bağlıdır.
S4. Tukey için LS ortalamaları neden gradyanın ortalamasında hesaplanır?
Alan LS ortalaması, sayısal terimler sabit bir değerde (ortalama) iken modelin kestirimidir. Gradyan alanlar arasında dengeli dağılmamışsa ham alan ortalamaları ile LS ortalamaları farklıdır (örnekte S_Agnese'nin gradyan ortalaması 37{,}4, Fontegreca'nınki 30{,}4). Etkileşim varsa LS ortalaması seçilen gradyan değerine bağlıdır ve şablon ortalamayı kullanır (490–491).
S5. Levene neden medyan merkezli?
Medyan merkezli Levene (Brown–Forsythe) normallikten sapmaya dayanıklıdır (Brown ve Forsythe, 1974). Temel programın ANCOVA'sında ortalama merkezli Levene vardır (578); iki program aynı veride farklı p verebilir. Şablonun Levene'i artıklar üzerindedir.
S6. Kapsam eşiğinin %80 olması neden?
CWM, bilinen özellikli türlerin payı düşükse bilinmeyen türler yüzünden sapmalı olabilir; Májeková ve ark. (2016) en az %80'lik bir örtü kapsamı önerir. Örnekte SLA için 34, tohum kütlesi için 11 ve boy için 1 örnek alan eşiğin altındadır. Şablon yalnız uyarır; eşik altı örnek alanları dışlamaz.
S7. Satır permütasyonu ile sütun permütasyonu hangi hipotezleri sınar?
Satır permütasyonu, "özellikler örnek alanları çevreye göre ayırmıyor" hipotezini (topluluk bileşimi çevreyle ilişkisiz) sınar; sütun permütasyonu, "özellik değerleri türlerle ilişkisiz" hipotezini sınar. İlki yalnız topluluk–çevre ilişkisi, ikincisi özellik–tür ilişkisi gerçekse anlamlı çıkar; her ikisi birden gerçekse max testi anlamlıdır (ter Braak ve ark., 2018).
S8. p_{\max} her zaman parametrik p'den büyük müdür?
Garanti değildir; ama p_{\max} iki permütasyon p'sinin büyüğü olduğundan en katı sonuçtur. Örnekteki altı çiftin altısında da p_{\max} parametrik p'den büyüktür: boy_m ~ gradyan 0{,}480 ve 0{,}325; SLA ~ alan 0{,}040 ve 9\cdot10^{-9}; tohum_kutlesi_mg ~ alan 0{,}865 ve 0{,}364. Fark ne kadar büyükse standart testin iyimserliği o kadar büyüktür.
S9. Aynı model başka bir paketle nasıl yeniden kurulur?
lm(y ~ x * g), drop1(..., test = "F"), AIC, shapiro.test(resid(.)), car::leveneTest(resid(.), g, center = median) ve emmeans::emmeans(., "g") + pairs(adjust = "tukey") bu bölümdeki sayıları 10^{-6} içinde verir (203.6.1). Harf grupları için multcompView::multcompLetters.
203.10 Kaynaklar
- Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716–723. https://doi.org/10.1109/TAC.1974.1100705
- Brown, M. B., & Forsythe, A. B. (1974). Robust tests for the equality of variances. Journal of the American Statistical Association, 69(346), 364–367. https://doi.org/10.1080/01621459.1974.10482955
- Fischer, H. S. (2015). On the combination of species cover values from different vegetation layers. Applied Vegetation Science, 18(1), 169–170. https://doi.org/10.1111/avsc.12130
- Garnier, E., Cortez, J., Billès, G., Navas, M.-L., Roumet, C., Debussche, M., et al. (2004). Plant functional markers capture ecosystem properties during secondary succession. Ecology, 85(9), 2630–2637. https://doi.org/10.1890/03-0799
- Jennings, S. B., Brown, N. D., & Sheil, D. (1999). Assessing forest canopies and understorey illumination: Canopy closure, canopy cover and other measures. Forestry, 72(1), 59–74. https://doi.org/10.1093/forestry/72.1.59
- Lavorel, S., Grigulis, K., McIntyre, S., Williams, N. S. G., Garden, D., Dorrough, J., et al. (2008). Assessing functional diversity in the field – methodology matters! Functional Ecology, 22(1), 134–147. https://doi.org/10.1111/j.1365-2435.2007.01339.x
- Májeková, M., Paal, T., Plowman, N. S., Bryndová, M., Kasari, L., Norberg, A., et al. (2016). Evaluating functional diversity: Missing trait data and the importance of species abundance structure and data transformation. PLOS ONE, 11(2), e0149270. https://doi.org/10.1371/journal.pone.0149270
- Pelella, E., Bricca, A., Cannucci, S., Fanfarillo, E., Fedeli, R., de Simone, L., et al. (2026). No biotic homogenization in the understory of Cupressus sempervirens long-established plantations. Biodiversity and Conservation, 35(13), 315. https://doi.org/10.1007/s10531-026-03500-y
- Peres-Neto, P. R., Dray, S., & ter Braak, C. J. F. (2017). Linking trait variation to the environment: Critical issues with community-weighted mean correlation resolved by the fourth-corner approach. Ecography, 40(7), 806–816. https://doi.org/10.1111/ecog.02302
- Piepho, H.-P. (2004). An algorithm for a letter-based representation of all-pairwise comparisons. Journal of Computational and Graphical Statistics, 13(2), 456–466. https://doi.org/10.1198/1061860043515
- Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27(3), 379–423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
- Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3–4), 591–611. https://doi.org/10.1093/biomet/52.3-4.591
- ter Braak, C. J. F., Peres-Neto, P. R., & Dray, S. (2018). Simple parametric tests for trait–environment association. Journal of Vegetation Science, 29(5), 801–811. https://doi.org/10.1111/jvs.12666
- Zelený, D. (2018). Which results of the standard test for community-weighted mean approach are too optimistic? Journal of Vegetation Science, 29(6), 953–966. https://doi.org/10.1111/jvs.12688
- Yazılım kaydı: Python 3.13.1 (harici yorumlayıcı); numpy 2.4.6, pandas 2.3.3, scipy 1.16.3, matplotlib 3.10.9 (çalıştırmanın yazılım kaydından); bağımsız R: emmeans, car, multcompView, R 4.5.3.