فایل ورد کامل تفسیر رگرسیون تکاملی: تعامل بین خطاهای مشاهده ای و زیستی در مطالعات تطبیقی فیلوژنتیکی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تفسیر رگرسیون تکاملی: تعامل بین خطاهای مشاهده ای و زیستی در مطالعات تطبیقی فیلوژنتیکی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۰ صفحه

رگرسیون های متغیرهای بیولوژیک در تمام گونه ها به ندرت ندرت کامل می باشند. معمولاً، از رابطه مدل برآورد شده انحراف های مانده ای وجود دارد و این انحراف ها معمولاً الگوی همبستگی های فیلوژنتیکی را نشان می دهد که دارای علل بیولوژیک می باشند. به بحث در مورد منشاء و تاثیرات بیولوژیک بطور فلوژنتیکی مرتبط با مطالعات رگرسیون می پردازیم. به طور خاص، با انحراف خطای مشاهده ای یا خطاهای اندازه گیری به بحث در مورد اثر متقابل انحرافات بیولوژیکی می پردازیم، این امر در مطالعات تطبیقی و بر اساس میانگین گونه های برآورد شده اهمیت دارد. نشان می دهیم که چگونه در رگرسیون های تکاملی برآورد شده از منابع مختلف، از جمله اینرسی فیلوژنتیک یا خطای مشاهده ای یا بیولوژیکی در متغیرهای پیشگو می توان دچار سوگیری شد. نشان می دهیم که چگونه می توان این سوگیری ها را در حضور ارتباط فیلوژنتیک تخمین زد و اصلاح نمود. در حال حاضر بواسطه داده های مرتبط برای ترکیب خطای اندازه گیری در مدل های خطی یک فرمول کلی ارائه می نماییم. همچنین نشان می دهیم که چگونه مدل های رگرسیون جایگزین، نظیر رگرسیون محور اصلی و کاهش محور اصلی، که اغلب در زمان پیش بینی خطا در متغیرها به اتسفاده از آنها توصیه شده، در زمان وجود تنوع بیولوژیکی در هر بخشی از مدل، بشدت سوگی می نمایند. استدلال می کنیم که این روش ها هرگز نباید برای تخمین شیب رگرسیون تکاملی یا آلومتری مورد استفاده قرار گیرند. [انطباق؛ آلومتری؛ رگرسیون محور اصلی؛ خطای اندازه گیری؛ روش تطبیقی فیلوژنتیک؛ اینرسی فیلوژنتیک؛ رگرسیون کاهش محور اصلی؛ معادلات ساختاری].

عنوان انگلیسی:

Interpreting the Evolutionary Regression: The Interplay Between Observational and Biological Errors in Phylogenetic Comparative Studies

~~en~~ writers :

THOMAS F. HANSEN AND KRZYSZTOF BARTOSZEK

Regressions of biological variables across species are rarely perfect. Usually, there are residual deviations from
the estimated model relationship, and such deviations commonly show a pattern of phylogenetic correlations indicating
that they have biological causes. We discuss the origins and effects of phylogenetically correlated biological variation in
regression studies. In particular, we discuss the interplay of biological deviations with deviations due to observational
or measurement errors, which are also important in comparative studies based on estimated species means. We show
how bias in estimated evolutionary regressions can arise from several sources, including phylogenetic inertia and either
observational or biological error in the predictor variables. We show how all these biases can be estimated and corrected
for in the presence of phylogenetic correlations. We present general formulas for incorporating measurement error in linear
models with correlated data. We also show how alternative regression models, such as major axis and reduced major axis
regression, which are often recommended when there is error in predictor variables, are strongly biased when there is
biological variation in any part of the model. We argue that such methods should never be used to estimate evolutionary or
allometric regression slopes. [Adaptation; allometry; major-axis regression; measurement error; phylogenetic comparative
method; phylogenetic inertia; reduced major-axis regression; structural equation.]

$$en!!