Four principles for improved statistical ecology
Increasing attention has been drawn to the misuse of statistical methods over recent years, with particular concern about the prevalence of practices such as poor experimental design, cherry picking and inadequate reporting. These failures are largely unintentional and no more common in ecology than...
Gespeichert in:
Veröffentlicht in: | Methods in ecology and evolution 2024-02, Vol.15 (2), p.266-281 |
---|---|
Hauptverfasser: | , , , , , , , , , , , , , , , , , , |
Format: | Artikel |
Sprache: | eng |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
container_end_page | 281 |
---|---|
container_issue | 2 |
container_start_page | 266 |
container_title | Methods in ecology and evolution |
container_volume | 15 |
creator | Popovic, Gordana Mason, Tanya Jane Drobniak, Szymon Marian Marques, Tiago André Potts, Joanne Joo, Rocío Altwegg, Res Burns, Carolyn Claire Isabelle McCarthy, Michael Andrew Johnston, Alison Nakagawa, Shinichi McMillan, Louise Devarajan, Kadambari Taggart, Patrick Leo Wunderlich, Alison Mair, Magdalena M. Martínez‐Lanfranco, Juan Andrés Lagisz, Malgorzata Pottier, Patrice |
description | Increasing attention has been drawn to the misuse of statistical methods over recent years, with particular concern about the prevalence of practices such as poor experimental design, cherry picking and inadequate reporting. These failures are largely unintentional and no more common in ecology than in other scientific disciplines, with many of them easily remedied given the right guidance.
Originating from a discussion at the 2020 International Statistical Ecology Conference, we show how ecologists can build their research following four guiding principles for impactful statistical research practices: (1) define a focussed research question, then plan sampling and analysis to answer it; (2) develop a model that accounts for the distribution and dependence of your data; (3) emphasise effect sizes to replace statistical significance with ecological relevance; and (4) report your methods and findings in sufficient detail so that your research is valid and reproducible.
These principles provide a framework for experimental design and reporting that guards against unsound practices. Starting with a well‐defined research question allows researchers to create an efficient study to answer it, and guards against poor research practices that lead to poor estimation of the direction, magnitude, and uncertainty of ecological relationships, and to poor replicability. Correct and appropriate statistical models give sound conclusions. Good reporting practices and a focus on ecological relevance make results impactful and replicable.
Illustrated with two examples—an experiment to study the impact of disturbance on upland wetlands, and an observational study on blue tit colouring—this paper explains the rationale for the selection and use of effective statistical practices and provides practical guidance for ecologists seeking to improve their use of statistical methods.
La atención acerca del uso incorrecto de métodos estadísticos en ecología y áreas relacionadas ha aumentado mucho en los últimos años, con especial énfasis en la incidencia elevada de malas prácticas en el diseño de los estudios, así como también en el reporte inadecuado de los hallazgos, incluyendo resultados parciales o sesgados. Estos fallos son en gran parte involuntarios y, en general, podrían prevenirse con la instrucción adecuada.
Con orígen en un taller de trabajo en el marco de la Conferencia Internacional de Ecología Estadística en 2020, proponemos una serie de cuatro principios orientadores par |
doi_str_mv | 10.1111/2041-210X.14270 |
format | Article |
fullrecord | <record><control><sourceid>crossref</sourceid><recordid>TN_cdi_crossref_primary_10_1111_2041_210X_14270</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>10_1111_2041_210X_14270</sourcerecordid><originalsourceid>FETCH-crossref_primary_10_1111_2041_210X_142703</originalsourceid><addsrcrecordid>eNqVTssKwjAQXETBoj17zQ-0btKCehaLH-DBWwgxlUhqym4V-ve2IuLVucwwMA-AlcRcDlgrLGWmJJ5zWaoNTiD5OtMfPYeU-YYDiu0OVZkAVvFBoiV_t74NjkUdSfimpfh0F8Gd6Tx33pognI0hXvslzGoT2KUfXsC6Opz2x8xSZCZX66GsMdRriXr8psd1Pa7r97fi_8QLN_NAAQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>Four principles for improved statistical ecology</title><source>DOAJ Directory of Open Access Journals</source><source>Wiley Online Library Journals Frontfile Complete</source><source>Wiley Online Library Open Access</source><creator>Popovic, Gordana ; Mason, Tanya Jane ; Drobniak, Szymon Marian ; Marques, Tiago André ; Potts, Joanne ; Joo, Rocío ; Altwegg, Res ; Burns, Carolyn Claire Isabelle ; McCarthy, Michael Andrew ; Johnston, Alison ; Nakagawa, Shinichi ; McMillan, Louise ; Devarajan, Kadambari ; Taggart, Patrick Leo ; Wunderlich, Alison ; Mair, Magdalena M. ; Martínez‐Lanfranco, Juan Andrés ; Lagisz, Malgorzata ; Pottier, Patrice</creator><creatorcontrib>Popovic, Gordana ; Mason, Tanya Jane ; Drobniak, Szymon Marian ; Marques, Tiago André ; Potts, Joanne ; Joo, Rocío ; Altwegg, Res ; Burns, Carolyn Claire Isabelle ; McCarthy, Michael Andrew ; Johnston, Alison ; Nakagawa, Shinichi ; McMillan, Louise ; Devarajan, Kadambari ; Taggart, Patrick Leo ; Wunderlich, Alison ; Mair, Magdalena M. ; Martínez‐Lanfranco, Juan Andrés ; Lagisz, Malgorzata ; Pottier, Patrice</creatorcontrib><description>Increasing attention has been drawn to the misuse of statistical methods over recent years, with particular concern about the prevalence of practices such as poor experimental design, cherry picking and inadequate reporting. These failures are largely unintentional and no more common in ecology than in other scientific disciplines, with many of them easily remedied given the right guidance.
Originating from a discussion at the 2020 International Statistical Ecology Conference, we show how ecologists can build their research following four guiding principles for impactful statistical research practices: (1) define a focussed research question, then plan sampling and analysis to answer it; (2) develop a model that accounts for the distribution and dependence of your data; (3) emphasise effect sizes to replace statistical significance with ecological relevance; and (4) report your methods and findings in sufficient detail so that your research is valid and reproducible.
These principles provide a framework for experimental design and reporting that guards against unsound practices. Starting with a well‐defined research question allows researchers to create an efficient study to answer it, and guards against poor research practices that lead to poor estimation of the direction, magnitude, and uncertainty of ecological relationships, and to poor replicability. Correct and appropriate statistical models give sound conclusions. Good reporting practices and a focus on ecological relevance make results impactful and replicable.
Illustrated with two examples—an experiment to study the impact of disturbance on upland wetlands, and an observational study on blue tit colouring—this paper explains the rationale for the selection and use of effective statistical practices and provides practical guidance for ecologists seeking to improve their use of statistical methods.
La atención acerca del uso incorrecto de métodos estadísticos en ecología y áreas relacionadas ha aumentado mucho en los últimos años, con especial énfasis en la incidencia elevada de malas prácticas en el diseño de los estudios, así como también en el reporte inadecuado de los hallazgos, incluyendo resultados parciales o sesgados. Estos fallos son en gran parte involuntarios y, en general, podrían prevenirse con la instrucción adecuada.
Con orígen en un taller de trabajo en el marco de la Conferencia Internacional de Ecología Estadística en 2020, proponemos una serie de cuatro principios orientadores para el desarrollo de investigaciones con base en buenas prácticas estadísticas. Estas pautas son: (1) Definir una pregunta de investigación bien enfocada, para luego planificar el muestreo y el análisis de datos para darle respuesta; (2) Concebir un modelo estadístico que contemple la distribución y las estructuras de dependencia en los datos; (3) Enfatizar la interpretación de los resultados en base a la magnitud de los efectos, y reemplazar la significancia estadística tradicional con la relevancia en términos ecológicos; y (4) Reportar los métodos y los hallazgos con suficiente detalle para que éstos puedan ser reproducibles y la investigación pueda validarse.
Comenzar con una pregunta bien definida permite diseñar un estudio eficiente para su respuesta, en tanto que la ejecución de análisis estadísticos apropiados es fundamental para extraer información sólida y confiable. Por otro lado, la interpretación en base a la relevancia ecológica confiere mayor impacto y utilidad a los hallazgos, y el reporte adecuado de todos los procedimientos genera transparencia y permite replicación del estudio. La implementación de estas prácticas permite evitar fallas comunes que, en consecuencia, llevan a evaluaciones pobres de la magnitud, dirección, e incertidumbre asociada a los efectos ecológicos que se pretenden elucidar. En suma, estos principios proporcionan un marco para el diseño y conducción de estudios en base a buenas prácticas.
Ilustrado con dos ejemplos—un experimento que evalúa el impacto de perturbaciones en humedales de tierras altas, y un estudio observacional acerca de la coloración del Herrerillo Común—este artículo argumenta cómo la incorporación los cuatro principios llevará a la ejecución de prácticas de investigación efectivas, y representa una guía práctica para mejorar el uso y aplicación de métodos estadísticos en Ecología y áreas afines.
Nos últimos anos assistimos a uma cada vez maior chamada de atenção para a utilização inadequada de métodos estatísticos, em particular no que diz respeito a práticas comuns como delineamentos experimentais deficientes, escolha seletiva de resultados ou a inadequada apresentação de resultados. Estas falhas são geralmente não intencionais, e muitas podem ser evitadas com formação adequada.
No seguimento de uma sessão de Discussão na Conferencia Internacional de Ecologia Estatística de 2020, sugerimos que os ecólogos podem estruturar a sua investigação suportados por 4 princípios básicos para desenvolverem práticas de investigação estatística impactantes: (1) Definir uma questão de investigação objetiva, e planear a amostragem e a análise para lhe poder responder; (2) Desenvolver um modelo que incorpora a distribuição e as estruturas de dependência dos dados recolhidos; (3) Focar em tamanhos de efeitos para substituir o foco, da significância estatística, para a relevância ecológica; (4) Reportar os métodos e os resultados com detalhe suficiente para que a investigação seja válida e possível de reproduzir.
Estes princípios fornecem um paradigma para delineamento experimental e formas de comunicação que nos protegem contra práticas duvidosas. Partir de uma questão bem definida ajuda os investigadores a delinear um estudo que a possa responder, e protege contra más práticas comuns que levam a uma estimação inadequada da direção, magnitude das, e incerteza associada às, relações ecológicas de interesse, e consequentes resultados difíceis ou impossíveis de replicar. Modelos estatísticos adequados geram conclusões sólidas. Boas práticas no reportar dos resultados e o foco na relevância ecológica geram resultados impactantes e replicáveis.
Suportado por dois exemplos reais—uma experiência para avaliar o impacto de perturbações em zonas húmidas de terras altas, e um estudo observacional sobre coloração em chapim azul—este artigo apresenta uma estratégia para a seleção e utilização de metodologias estatísticas eficientes e providencia conselhos práticos para ecólogos que pretendam melhorar a sua utilização de análises estatísticas.
In den letzten Jahren wurde zunehmend auf den Missbrauch statistischer Methoden aufmerksam gemacht. Solch Missbrauch beinhaltet Praktiken wie schlechtes Versuchsdesign, Rosinenpickerei und unzureichende Berichterstattung. Diese Fehler sind größtenteils unbeabsichtigt und kommen in der Ökologie nicht häufiger vor als in anderen wissenschaftlichen Disziplinen. Viele von diesen Fehlern können mit der richtigen Anleitung einfach behoben werden.
Ausgehend von einer Diskussion an der International Statistical Ecology Conference 2020 zeigen wir, wie Ökologen ihre Forschung nach vier Leitprinzipien für wirksame statistische Forschungspraktiken aufbauen können: (1) Definiere eine fokussierte Forschungsfrage und plane dann die Stichprobenziehung und Datenanalyse zu ihrer Beantwortung; (2) Entwickle ein Modell, das die Verteilung und Abhängigkeiten der Daten berücksichtigt; (3) Betone die Effektgrößen, um statistische Signifikanz durch ökologische Relevanz zu ersetzen; und (4) Gib die Methoden und Ergebnisse ausreichend detailliert an, damit die Forschungsergebnisse gültig und reproduzierbar sind.
Diese Prinzipien bilden einen Rahmen für die Gestaltung und Berichterstattung von Studien, der gegen unlautere Praktiken Schutz bietet. Eine klar definierten Forschungsfrage ermöglicht es Forschern eine effiziente Studie zur Beantwortung dieser Frage zu erstellen, und schützt vor schlechten Forschungspraktiken. Schlechte Forschungspraktiken führen zu einer schlechten Schätzung der Richtung, des Ausmaßes und der Unsicherheit ökologischer Verhältnisse, und zu schlechter Reproduzierbarkeit. Richtige und geeignete statistische Modelle hingegen liefern fundierte Schlussfolgerungen. Gute Berichterstattungspraktiken und Konzentration auf ökologische Relevanz sorgen für wirkungsvolle Ergebnisse, die reproduzierbar sind.
Wir illustrieren das Rahmenwerk mit zwei Beispielen: einem Experiment zur Untersuchung der Auswirkungen von Störungen auf Feuchtgebiete und eine Beobachtungsstudie zur Blaumeisenfärbung. Dieser Artikel erklärt die Gründe für die Auswahl und Verwendung effektiver statistischer Verfahren und liefert eine praktische Anleitung für Ökologen, die ihre Verwendung statistischer Methoden verbessern möchten.
W ostatnich latach coraz więcej uwagi przywiązuje się do błędnego wykorzystania metod statystycznych, ze szczególnym naciskiem na stosowanie tak wątpliwych technik, jak niewłaściwe planowanie eksperymentów, selektywne raportowanie wyników czy brak transparentności w publikowaniu wyników analiz. Problemy te nie wynikają z reguły z intencjonalnych działań, a ich występowanie w badaniach ekologicznych nie różni się zbytnio od innych dziedzin. Wiele z nich można łatwo wyeliminować stosując się do pewnych podstawowych zasad.
Na podstawie dyskusji zapoczątkowanej w 2020 podczas Międzynarodowej Konferencji Ekologii Statystycznej (ISEC) formułujemy zestaw czterech rekomendacji, które mogą pomóc ekologom raportować wyniki analiz statystycznych w bardziej transparentny i poprawny sposób. Proponowane cztery zasady to: (1) Najpierw zaprojektuj dobrze zdefiniowane pytanie badawcze, dopiero potem zaplanuj strategię próbkowania i analizy zebranych danych; (2) Stwórz model statystyczny biorący pod uwagę rozkład twoich danych i obecne w nich zależności; (3) Połóż silniejszy nacisk na wielkości efektów, a nie istotność statystyczną—pozwoli to lepiej uwypuklić ekologiczne znaczenie badań; (4) Raportuj swoje wyniki w sposób pozwa</description><identifier>ISSN: 2041-210X</identifier><identifier>EISSN: 2041-210X</identifier><identifier>DOI: 10.1111/2041-210X.14270</identifier><language>eng</language><ispartof>Methods in ecology and evolution, 2024-02, Vol.15 (2), p.266-281</ispartof><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed><cites>FETCH-crossref_primary_10_1111_2041_210X_142703</cites><orcidid>0000-0001-8101-6247 ; 0000-0003-1039-7980 ; 0000-0002-3993-6127 ; 0000-0003-0319-4210 ; 0000-0002-9222-5404 ; 0000-0003-2752-5539 ; 0000-0001-8221-013X ; 0000-0002-4797-5644 ; 0000-0002-1692-1168 ; 0000-0002-2581-1972 ; 0000-0002-7765-5182 ; 0000-0002-0536-8563 ; 0000-0002-1376-1058 ; 0000-0003-0074-6067 ; 0000-0001-9523-0463 ; 0000-0002-4083-6561 ; 0000-0001-9222-8536 ; 0000-0003-2106-6597</orcidid></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,776,780,860,27903,27904</link.rule.ids></links><search><creatorcontrib>Popovic, Gordana</creatorcontrib><creatorcontrib>Mason, Tanya Jane</creatorcontrib><creatorcontrib>Drobniak, Szymon Marian</creatorcontrib><creatorcontrib>Marques, Tiago André</creatorcontrib><creatorcontrib>Potts, Joanne</creatorcontrib><creatorcontrib>Joo, Rocío</creatorcontrib><creatorcontrib>Altwegg, Res</creatorcontrib><creatorcontrib>Burns, Carolyn Claire Isabelle</creatorcontrib><creatorcontrib>McCarthy, Michael Andrew</creatorcontrib><creatorcontrib>Johnston, Alison</creatorcontrib><creatorcontrib>Nakagawa, Shinichi</creatorcontrib><creatorcontrib>McMillan, Louise</creatorcontrib><creatorcontrib>Devarajan, Kadambari</creatorcontrib><creatorcontrib>Taggart, Patrick Leo</creatorcontrib><creatorcontrib>Wunderlich, Alison</creatorcontrib><creatorcontrib>Mair, Magdalena M.</creatorcontrib><creatorcontrib>Martínez‐Lanfranco, Juan Andrés</creatorcontrib><creatorcontrib>Lagisz, Malgorzata</creatorcontrib><creatorcontrib>Pottier, Patrice</creatorcontrib><title>Four principles for improved statistical ecology</title><title>Methods in ecology and evolution</title><description>Increasing attention has been drawn to the misuse of statistical methods over recent years, with particular concern about the prevalence of practices such as poor experimental design, cherry picking and inadequate reporting. These failures are largely unintentional and no more common in ecology than in other scientific disciplines, with many of them easily remedied given the right guidance.
Originating from a discussion at the 2020 International Statistical Ecology Conference, we show how ecologists can build their research following four guiding principles for impactful statistical research practices: (1) define a focussed research question, then plan sampling and analysis to answer it; (2) develop a model that accounts for the distribution and dependence of your data; (3) emphasise effect sizes to replace statistical significance with ecological relevance; and (4) report your methods and findings in sufficient detail so that your research is valid and reproducible.
These principles provide a framework for experimental design and reporting that guards against unsound practices. Starting with a well‐defined research question allows researchers to create an efficient study to answer it, and guards against poor research practices that lead to poor estimation of the direction, magnitude, and uncertainty of ecological relationships, and to poor replicability. Correct and appropriate statistical models give sound conclusions. Good reporting practices and a focus on ecological relevance make results impactful and replicable.
Illustrated with two examples—an experiment to study the impact of disturbance on upland wetlands, and an observational study on blue tit colouring—this paper explains the rationale for the selection and use of effective statistical practices and provides practical guidance for ecologists seeking to improve their use of statistical methods.
La atención acerca del uso incorrecto de métodos estadísticos en ecología y áreas relacionadas ha aumentado mucho en los últimos años, con especial énfasis en la incidencia elevada de malas prácticas en el diseño de los estudios, así como también en el reporte inadecuado de los hallazgos, incluyendo resultados parciales o sesgados. Estos fallos son en gran parte involuntarios y, en general, podrían prevenirse con la instrucción adecuada.
Con orígen en un taller de trabajo en el marco de la Conferencia Internacional de Ecología Estadística en 2020, proponemos una serie de cuatro principios orientadores para el desarrollo de investigaciones con base en buenas prácticas estadísticas. Estas pautas son: (1) Definir una pregunta de investigación bien enfocada, para luego planificar el muestreo y el análisis de datos para darle respuesta; (2) Concebir un modelo estadístico que contemple la distribución y las estructuras de dependencia en los datos; (3) Enfatizar la interpretación de los resultados en base a la magnitud de los efectos, y reemplazar la significancia estadística tradicional con la relevancia en términos ecológicos; y (4) Reportar los métodos y los hallazgos con suficiente detalle para que éstos puedan ser reproducibles y la investigación pueda validarse.
Comenzar con una pregunta bien definida permite diseñar un estudio eficiente para su respuesta, en tanto que la ejecución de análisis estadísticos apropiados es fundamental para extraer información sólida y confiable. Por otro lado, la interpretación en base a la relevancia ecológica confiere mayor impacto y utilidad a los hallazgos, y el reporte adecuado de todos los procedimientos genera transparencia y permite replicación del estudio. La implementación de estas prácticas permite evitar fallas comunes que, en consecuencia, llevan a evaluaciones pobres de la magnitud, dirección, e incertidumbre asociada a los efectos ecológicos que se pretenden elucidar. En suma, estos principios proporcionan un marco para el diseño y conducción de estudios en base a buenas prácticas.
Ilustrado con dos ejemplos—un experimento que evalúa el impacto de perturbaciones en humedales de tierras altas, y un estudio observacional acerca de la coloración del Herrerillo Común—este artículo argumenta cómo la incorporación los cuatro principios llevará a la ejecución de prácticas de investigación efectivas, y representa una guía práctica para mejorar el uso y aplicación de métodos estadísticos en Ecología y áreas afines.
Nos últimos anos assistimos a uma cada vez maior chamada de atenção para a utilização inadequada de métodos estatísticos, em particular no que diz respeito a práticas comuns como delineamentos experimentais deficientes, escolha seletiva de resultados ou a inadequada apresentação de resultados. Estas falhas são geralmente não intencionais, e muitas podem ser evitadas com formação adequada.
No seguimento de uma sessão de Discussão na Conferencia Internacional de Ecologia Estatística de 2020, sugerimos que os ecólogos podem estruturar a sua investigação suportados por 4 princípios básicos para desenvolverem práticas de investigação estatística impactantes: (1) Definir uma questão de investigação objetiva, e planear a amostragem e a análise para lhe poder responder; (2) Desenvolver um modelo que incorpora a distribuição e as estruturas de dependência dos dados recolhidos; (3) Focar em tamanhos de efeitos para substituir o foco, da significância estatística, para a relevância ecológica; (4) Reportar os métodos e os resultados com detalhe suficiente para que a investigação seja válida e possível de reproduzir.
Estes princípios fornecem um paradigma para delineamento experimental e formas de comunicação que nos protegem contra práticas duvidosas. Partir de uma questão bem definida ajuda os investigadores a delinear um estudo que a possa responder, e protege contra más práticas comuns que levam a uma estimação inadequada da direção, magnitude das, e incerteza associada às, relações ecológicas de interesse, e consequentes resultados difíceis ou impossíveis de replicar. Modelos estatísticos adequados geram conclusões sólidas. Boas práticas no reportar dos resultados e o foco na relevância ecológica geram resultados impactantes e replicáveis.
Suportado por dois exemplos reais—uma experiência para avaliar o impacto de perturbações em zonas húmidas de terras altas, e um estudo observacional sobre coloração em chapim azul—este artigo apresenta uma estratégia para a seleção e utilização de metodologias estatísticas eficientes e providencia conselhos práticos para ecólogos que pretendam melhorar a sua utilização de análises estatísticas.
In den letzten Jahren wurde zunehmend auf den Missbrauch statistischer Methoden aufmerksam gemacht. Solch Missbrauch beinhaltet Praktiken wie schlechtes Versuchsdesign, Rosinenpickerei und unzureichende Berichterstattung. Diese Fehler sind größtenteils unbeabsichtigt und kommen in der Ökologie nicht häufiger vor als in anderen wissenschaftlichen Disziplinen. Viele von diesen Fehlern können mit der richtigen Anleitung einfach behoben werden.
Ausgehend von einer Diskussion an der International Statistical Ecology Conference 2020 zeigen wir, wie Ökologen ihre Forschung nach vier Leitprinzipien für wirksame statistische Forschungspraktiken aufbauen können: (1) Definiere eine fokussierte Forschungsfrage und plane dann die Stichprobenziehung und Datenanalyse zu ihrer Beantwortung; (2) Entwickle ein Modell, das die Verteilung und Abhängigkeiten der Daten berücksichtigt; (3) Betone die Effektgrößen, um statistische Signifikanz durch ökologische Relevanz zu ersetzen; und (4) Gib die Methoden und Ergebnisse ausreichend detailliert an, damit die Forschungsergebnisse gültig und reproduzierbar sind.
Diese Prinzipien bilden einen Rahmen für die Gestaltung und Berichterstattung von Studien, der gegen unlautere Praktiken Schutz bietet. Eine klar definierten Forschungsfrage ermöglicht es Forschern eine effiziente Studie zur Beantwortung dieser Frage zu erstellen, und schützt vor schlechten Forschungspraktiken. Schlechte Forschungspraktiken führen zu einer schlechten Schätzung der Richtung, des Ausmaßes und der Unsicherheit ökologischer Verhältnisse, und zu schlechter Reproduzierbarkeit. Richtige und geeignete statistische Modelle hingegen liefern fundierte Schlussfolgerungen. Gute Berichterstattungspraktiken und Konzentration auf ökologische Relevanz sorgen für wirkungsvolle Ergebnisse, die reproduzierbar sind.
Wir illustrieren das Rahmenwerk mit zwei Beispielen: einem Experiment zur Untersuchung der Auswirkungen von Störungen auf Feuchtgebiete und eine Beobachtungsstudie zur Blaumeisenfärbung. Dieser Artikel erklärt die Gründe für die Auswahl und Verwendung effektiver statistischer Verfahren und liefert eine praktische Anleitung für Ökologen, die ihre Verwendung statistischer Methoden verbessern möchten.
W ostatnich latach coraz więcej uwagi przywiązuje się do błędnego wykorzystania metod statystycznych, ze szczególnym naciskiem na stosowanie tak wątpliwych technik, jak niewłaściwe planowanie eksperymentów, selektywne raportowanie wyników czy brak transparentności w publikowaniu wyników analiz. Problemy te nie wynikają z reguły z intencjonalnych działań, a ich występowanie w badaniach ekologicznych nie różni się zbytnio od innych dziedzin. Wiele z nich można łatwo wyeliminować stosując się do pewnych podstawowych zasad.
Na podstawie dyskusji zapoczątkowanej w 2020 podczas Międzynarodowej Konferencji Ekologii Statystycznej (ISEC) formułujemy zestaw czterech rekomendacji, które mogą pomóc ekologom raportować wyniki analiz statystycznych w bardziej transparentny i poprawny sposób. Proponowane cztery zasady to: (1) Najpierw zaprojektuj dobrze zdefiniowane pytanie badawcze, dopiero potem zaplanuj strategię próbkowania i analizy zebranych danych; (2) Stwórz model statystyczny biorący pod uwagę rozkład twoich danych i obecne w nich zależności; (3) Połóż silniejszy nacisk na wielkości efektów, a nie istotność statystyczną—pozwoli to lepiej uwypuklić ekologiczne znaczenie badań; (4) Raportuj swoje wyniki w sposób pozwa</description><issn>2041-210X</issn><issn>2041-210X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2024</creationdate><recordtype>article</recordtype><recordid>eNqVTssKwjAQXETBoj17zQ-0btKCehaLH-DBWwgxlUhqym4V-ve2IuLVucwwMA-AlcRcDlgrLGWmJJ5zWaoNTiD5OtMfPYeU-YYDiu0OVZkAVvFBoiV_t74NjkUdSfimpfh0F8Gd6Tx33pognI0hXvslzGoT2KUfXsC6Opz2x8xSZCZX66GsMdRriXr8psd1Pa7r97fi_8QLN_NAAQ</recordid><startdate>202402</startdate><enddate>202402</enddate><creator>Popovic, Gordana</creator><creator>Mason, Tanya Jane</creator><creator>Drobniak, Szymon Marian</creator><creator>Marques, Tiago André</creator><creator>Potts, Joanne</creator><creator>Joo, Rocío</creator><creator>Altwegg, Res</creator><creator>Burns, Carolyn Claire Isabelle</creator><creator>McCarthy, Michael Andrew</creator><creator>Johnston, Alison</creator><creator>Nakagawa, Shinichi</creator><creator>McMillan, Louise</creator><creator>Devarajan, Kadambari</creator><creator>Taggart, Patrick Leo</creator><creator>Wunderlich, Alison</creator><creator>Mair, Magdalena M.</creator><creator>Martínez‐Lanfranco, Juan Andrés</creator><creator>Lagisz, Malgorzata</creator><creator>Pottier, Patrice</creator><scope>AAYXX</scope><scope>CITATION</scope><orcidid>https://orcid.org/0000-0001-8101-6247</orcidid><orcidid>https://orcid.org/0000-0003-1039-7980</orcidid><orcidid>https://orcid.org/0000-0002-3993-6127</orcidid><orcidid>https://orcid.org/0000-0003-0319-4210</orcidid><orcidid>https://orcid.org/0000-0002-9222-5404</orcidid><orcidid>https://orcid.org/0000-0003-2752-5539</orcidid><orcidid>https://orcid.org/0000-0001-8221-013X</orcidid><orcidid>https://orcid.org/0000-0002-4797-5644</orcidid><orcidid>https://orcid.org/0000-0002-1692-1168</orcidid><orcidid>https://orcid.org/0000-0002-2581-1972</orcidid><orcidid>https://orcid.org/0000-0002-7765-5182</orcidid><orcidid>https://orcid.org/0000-0002-0536-8563</orcidid><orcidid>https://orcid.org/0000-0002-1376-1058</orcidid><orcidid>https://orcid.org/0000-0003-0074-6067</orcidid><orcidid>https://orcid.org/0000-0001-9523-0463</orcidid><orcidid>https://orcid.org/0000-0002-4083-6561</orcidid><orcidid>https://orcid.org/0000-0001-9222-8536</orcidid><orcidid>https://orcid.org/0000-0003-2106-6597</orcidid></search><sort><creationdate>202402</creationdate><title>Four principles for improved statistical ecology</title><author>Popovic, Gordana ; Mason, Tanya Jane ; Drobniak, Szymon Marian ; Marques, Tiago André ; Potts, Joanne ; Joo, Rocío ; Altwegg, Res ; Burns, Carolyn Claire Isabelle ; McCarthy, Michael Andrew ; Johnston, Alison ; Nakagawa, Shinichi ; McMillan, Louise ; Devarajan, Kadambari ; Taggart, Patrick Leo ; Wunderlich, Alison ; Mair, Magdalena M. ; Martínez‐Lanfranco, Juan Andrés ; Lagisz, Malgorzata ; Pottier, Patrice</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-crossref_primary_10_1111_2041_210X_142703</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2024</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Popovic, Gordana</creatorcontrib><creatorcontrib>Mason, Tanya Jane</creatorcontrib><creatorcontrib>Drobniak, Szymon Marian</creatorcontrib><creatorcontrib>Marques, Tiago André</creatorcontrib><creatorcontrib>Potts, Joanne</creatorcontrib><creatorcontrib>Joo, Rocío</creatorcontrib><creatorcontrib>Altwegg, Res</creatorcontrib><creatorcontrib>Burns, Carolyn Claire Isabelle</creatorcontrib><creatorcontrib>McCarthy, Michael Andrew</creatorcontrib><creatorcontrib>Johnston, Alison</creatorcontrib><creatorcontrib>Nakagawa, Shinichi</creatorcontrib><creatorcontrib>McMillan, Louise</creatorcontrib><creatorcontrib>Devarajan, Kadambari</creatorcontrib><creatorcontrib>Taggart, Patrick Leo</creatorcontrib><creatorcontrib>Wunderlich, Alison</creatorcontrib><creatorcontrib>Mair, Magdalena M.</creatorcontrib><creatorcontrib>Martínez‐Lanfranco, Juan Andrés</creatorcontrib><creatorcontrib>Lagisz, Malgorzata</creatorcontrib><creatorcontrib>Pottier, Patrice</creatorcontrib><collection>CrossRef</collection><jtitle>Methods in ecology and evolution</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Popovic, Gordana</au><au>Mason, Tanya Jane</au><au>Drobniak, Szymon Marian</au><au>Marques, Tiago André</au><au>Potts, Joanne</au><au>Joo, Rocío</au><au>Altwegg, Res</au><au>Burns, Carolyn Claire Isabelle</au><au>McCarthy, Michael Andrew</au><au>Johnston, Alison</au><au>Nakagawa, Shinichi</au><au>McMillan, Louise</au><au>Devarajan, Kadambari</au><au>Taggart, Patrick Leo</au><au>Wunderlich, Alison</au><au>Mair, Magdalena M.</au><au>Martínez‐Lanfranco, Juan Andrés</au><au>Lagisz, Malgorzata</au><au>Pottier, Patrice</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Four principles for improved statistical ecology</atitle><jtitle>Methods in ecology and evolution</jtitle><date>2024-02</date><risdate>2024</risdate><volume>15</volume><issue>2</issue><spage>266</spage><epage>281</epage><pages>266-281</pages><issn>2041-210X</issn><eissn>2041-210X</eissn><abstract>Increasing attention has been drawn to the misuse of statistical methods over recent years, with particular concern about the prevalence of practices such as poor experimental design, cherry picking and inadequate reporting. These failures are largely unintentional and no more common in ecology than in other scientific disciplines, with many of them easily remedied given the right guidance.
Originating from a discussion at the 2020 International Statistical Ecology Conference, we show how ecologists can build their research following four guiding principles for impactful statistical research practices: (1) define a focussed research question, then plan sampling and analysis to answer it; (2) develop a model that accounts for the distribution and dependence of your data; (3) emphasise effect sizes to replace statistical significance with ecological relevance; and (4) report your methods and findings in sufficient detail so that your research is valid and reproducible.
These principles provide a framework for experimental design and reporting that guards against unsound practices. Starting with a well‐defined research question allows researchers to create an efficient study to answer it, and guards against poor research practices that lead to poor estimation of the direction, magnitude, and uncertainty of ecological relationships, and to poor replicability. Correct and appropriate statistical models give sound conclusions. Good reporting practices and a focus on ecological relevance make results impactful and replicable.
Illustrated with two examples—an experiment to study the impact of disturbance on upland wetlands, and an observational study on blue tit colouring—this paper explains the rationale for the selection and use of effective statistical practices and provides practical guidance for ecologists seeking to improve their use of statistical methods.
La atención acerca del uso incorrecto de métodos estadísticos en ecología y áreas relacionadas ha aumentado mucho en los últimos años, con especial énfasis en la incidencia elevada de malas prácticas en el diseño de los estudios, así como también en el reporte inadecuado de los hallazgos, incluyendo resultados parciales o sesgados. Estos fallos son en gran parte involuntarios y, en general, podrían prevenirse con la instrucción adecuada.
Con orígen en un taller de trabajo en el marco de la Conferencia Internacional de Ecología Estadística en 2020, proponemos una serie de cuatro principios orientadores para el desarrollo de investigaciones con base en buenas prácticas estadísticas. Estas pautas son: (1) Definir una pregunta de investigación bien enfocada, para luego planificar el muestreo y el análisis de datos para darle respuesta; (2) Concebir un modelo estadístico que contemple la distribución y las estructuras de dependencia en los datos; (3) Enfatizar la interpretación de los resultados en base a la magnitud de los efectos, y reemplazar la significancia estadística tradicional con la relevancia en términos ecológicos; y (4) Reportar los métodos y los hallazgos con suficiente detalle para que éstos puedan ser reproducibles y la investigación pueda validarse.
Comenzar con una pregunta bien definida permite diseñar un estudio eficiente para su respuesta, en tanto que la ejecución de análisis estadísticos apropiados es fundamental para extraer información sólida y confiable. Por otro lado, la interpretación en base a la relevancia ecológica confiere mayor impacto y utilidad a los hallazgos, y el reporte adecuado de todos los procedimientos genera transparencia y permite replicación del estudio. La implementación de estas prácticas permite evitar fallas comunes que, en consecuencia, llevan a evaluaciones pobres de la magnitud, dirección, e incertidumbre asociada a los efectos ecológicos que se pretenden elucidar. En suma, estos principios proporcionan un marco para el diseño y conducción de estudios en base a buenas prácticas.
Ilustrado con dos ejemplos—un experimento que evalúa el impacto de perturbaciones en humedales de tierras altas, y un estudio observacional acerca de la coloración del Herrerillo Común—este artículo argumenta cómo la incorporación los cuatro principios llevará a la ejecución de prácticas de investigación efectivas, y representa una guía práctica para mejorar el uso y aplicación de métodos estadísticos en Ecología y áreas afines.
Nos últimos anos assistimos a uma cada vez maior chamada de atenção para a utilização inadequada de métodos estatísticos, em particular no que diz respeito a práticas comuns como delineamentos experimentais deficientes, escolha seletiva de resultados ou a inadequada apresentação de resultados. Estas falhas são geralmente não intencionais, e muitas podem ser evitadas com formação adequada.
No seguimento de uma sessão de Discussão na Conferencia Internacional de Ecologia Estatística de 2020, sugerimos que os ecólogos podem estruturar a sua investigação suportados por 4 princípios básicos para desenvolverem práticas de investigação estatística impactantes: (1) Definir uma questão de investigação objetiva, e planear a amostragem e a análise para lhe poder responder; (2) Desenvolver um modelo que incorpora a distribuição e as estruturas de dependência dos dados recolhidos; (3) Focar em tamanhos de efeitos para substituir o foco, da significância estatística, para a relevância ecológica; (4) Reportar os métodos e os resultados com detalhe suficiente para que a investigação seja válida e possível de reproduzir.
Estes princípios fornecem um paradigma para delineamento experimental e formas de comunicação que nos protegem contra práticas duvidosas. Partir de uma questão bem definida ajuda os investigadores a delinear um estudo que a possa responder, e protege contra más práticas comuns que levam a uma estimação inadequada da direção, magnitude das, e incerteza associada às, relações ecológicas de interesse, e consequentes resultados difíceis ou impossíveis de replicar. Modelos estatísticos adequados geram conclusões sólidas. Boas práticas no reportar dos resultados e o foco na relevância ecológica geram resultados impactantes e replicáveis.
Suportado por dois exemplos reais—uma experiência para avaliar o impacto de perturbações em zonas húmidas de terras altas, e um estudo observacional sobre coloração em chapim azul—este artigo apresenta uma estratégia para a seleção e utilização de metodologias estatísticas eficientes e providencia conselhos práticos para ecólogos que pretendam melhorar a sua utilização de análises estatísticas.
In den letzten Jahren wurde zunehmend auf den Missbrauch statistischer Methoden aufmerksam gemacht. Solch Missbrauch beinhaltet Praktiken wie schlechtes Versuchsdesign, Rosinenpickerei und unzureichende Berichterstattung. Diese Fehler sind größtenteils unbeabsichtigt und kommen in der Ökologie nicht häufiger vor als in anderen wissenschaftlichen Disziplinen. Viele von diesen Fehlern können mit der richtigen Anleitung einfach behoben werden.
Ausgehend von einer Diskussion an der International Statistical Ecology Conference 2020 zeigen wir, wie Ökologen ihre Forschung nach vier Leitprinzipien für wirksame statistische Forschungspraktiken aufbauen können: (1) Definiere eine fokussierte Forschungsfrage und plane dann die Stichprobenziehung und Datenanalyse zu ihrer Beantwortung; (2) Entwickle ein Modell, das die Verteilung und Abhängigkeiten der Daten berücksichtigt; (3) Betone die Effektgrößen, um statistische Signifikanz durch ökologische Relevanz zu ersetzen; und (4) Gib die Methoden und Ergebnisse ausreichend detailliert an, damit die Forschungsergebnisse gültig und reproduzierbar sind.
Diese Prinzipien bilden einen Rahmen für die Gestaltung und Berichterstattung von Studien, der gegen unlautere Praktiken Schutz bietet. Eine klar definierten Forschungsfrage ermöglicht es Forschern eine effiziente Studie zur Beantwortung dieser Frage zu erstellen, und schützt vor schlechten Forschungspraktiken. Schlechte Forschungspraktiken führen zu einer schlechten Schätzung der Richtung, des Ausmaßes und der Unsicherheit ökologischer Verhältnisse, und zu schlechter Reproduzierbarkeit. Richtige und geeignete statistische Modelle hingegen liefern fundierte Schlussfolgerungen. Gute Berichterstattungspraktiken und Konzentration auf ökologische Relevanz sorgen für wirkungsvolle Ergebnisse, die reproduzierbar sind.
Wir illustrieren das Rahmenwerk mit zwei Beispielen: einem Experiment zur Untersuchung der Auswirkungen von Störungen auf Feuchtgebiete und eine Beobachtungsstudie zur Blaumeisenfärbung. Dieser Artikel erklärt die Gründe für die Auswahl und Verwendung effektiver statistischer Verfahren und liefert eine praktische Anleitung für Ökologen, die ihre Verwendung statistischer Methoden verbessern möchten.
W ostatnich latach coraz więcej uwagi przywiązuje się do błędnego wykorzystania metod statystycznych, ze szczególnym naciskiem na stosowanie tak wątpliwych technik, jak niewłaściwe planowanie eksperymentów, selektywne raportowanie wyników czy brak transparentności w publikowaniu wyników analiz. Problemy te nie wynikają z reguły z intencjonalnych działań, a ich występowanie w badaniach ekologicznych nie różni się zbytnio od innych dziedzin. Wiele z nich można łatwo wyeliminować stosując się do pewnych podstawowych zasad.
Na podstawie dyskusji zapoczątkowanej w 2020 podczas Międzynarodowej Konferencji Ekologii Statystycznej (ISEC) formułujemy zestaw czterech rekomendacji, które mogą pomóc ekologom raportować wyniki analiz statystycznych w bardziej transparentny i poprawny sposób. Proponowane cztery zasady to: (1) Najpierw zaprojektuj dobrze zdefiniowane pytanie badawcze, dopiero potem zaplanuj strategię próbkowania i analizy zebranych danych; (2) Stwórz model statystyczny biorący pod uwagę rozkład twoich danych i obecne w nich zależności; (3) Połóż silniejszy nacisk na wielkości efektów, a nie istotność statystyczną—pozwoli to lepiej uwypuklić ekologiczne znaczenie badań; (4) Raportuj swoje wyniki w sposób pozwa</abstract><doi>10.1111/2041-210X.14270</doi><orcidid>https://orcid.org/0000-0001-8101-6247</orcidid><orcidid>https://orcid.org/0000-0003-1039-7980</orcidid><orcidid>https://orcid.org/0000-0002-3993-6127</orcidid><orcidid>https://orcid.org/0000-0003-0319-4210</orcidid><orcidid>https://orcid.org/0000-0002-9222-5404</orcidid><orcidid>https://orcid.org/0000-0003-2752-5539</orcidid><orcidid>https://orcid.org/0000-0001-8221-013X</orcidid><orcidid>https://orcid.org/0000-0002-4797-5644</orcidid><orcidid>https://orcid.org/0000-0002-1692-1168</orcidid><orcidid>https://orcid.org/0000-0002-2581-1972</orcidid><orcidid>https://orcid.org/0000-0002-7765-5182</orcidid><orcidid>https://orcid.org/0000-0002-0536-8563</orcidid><orcidid>https://orcid.org/0000-0002-1376-1058</orcidid><orcidid>https://orcid.org/0000-0003-0074-6067</orcidid><orcidid>https://orcid.org/0000-0001-9523-0463</orcidid><orcidid>https://orcid.org/0000-0002-4083-6561</orcidid><orcidid>https://orcid.org/0000-0001-9222-8536</orcidid><orcidid>https://orcid.org/0000-0003-2106-6597</orcidid></addata></record> |
fulltext | fulltext |
identifier | ISSN: 2041-210X |
ispartof | Methods in ecology and evolution, 2024-02, Vol.15 (2), p.266-281 |
issn | 2041-210X 2041-210X |
language | eng |
recordid | cdi_crossref_primary_10_1111_2041_210X_14270 |
source | DOAJ Directory of Open Access Journals; Wiley Online Library Journals Frontfile Complete; Wiley Online Library Open Access |
title | Four principles for improved statistical ecology |
url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-24T03%3A22%3A45IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-crossref&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Four%20principles%20for%20improved%20statistical%20ecology&rft.jtitle=Methods%20in%20ecology%20and%20evolution&rft.au=Popovic,%20Gordana&rft.date=2024-02&rft.volume=15&rft.issue=2&rft.spage=266&rft.epage=281&rft.pages=266-281&rft.issn=2041-210X&rft.eissn=2041-210X&rft_id=info:doi/10.1111/2041-210X.14270&rft_dat=%3Ccrossref%3E10_1111_2041_210X_14270%3C/crossref%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true |