如何由 BioRender 为您的数据推荐合适的统计检验 如何由 BioRender 为您的数据推荐合适的统计检验

如何由 BioRender 为您的数据推荐合适的统计检验

如何由 BioRender 为您的数据推荐合适的统计检验

选择合适的统计检验是数据分析中最常见的不确定点之一。BioRender Graphing 会自动对您的数据运行诊断检查,并在您运行分析之前推荐最合适的检验,从而免去猜测过程。本文将介绍这一流程的工作原理、执行哪些检查,以及如何解读推荐结果。

推荐系统的工作原理

当您点击 Run analysis 时,BioRender 会在后台对您的数据执行一系列假设检查,然后向您显示分析设置表单。根据这些检查的结果,最合适的检验会在右侧的“Review analysis”面板中标记为 "Recommended"。

推荐面板会显示:

  • 推荐的检验
  • 执行了哪些检查
  • 结果的通俗解释
  • 诊断检验的结果是否会包含在您的分析输出中

示例如下

💡 重要提示:BioRender 的推荐结果是基于统计学依据的起点。最终决定始终由您做出。系统会透明地展示推荐依据,您可以接受推荐、覆盖推荐,或与同事讨论。

BioRender 执行的假设检查

不同的统计检验对数据的结构和分布有不同要求。BioRender 会自动检查其中最重要的要求:

Shapiro-Wilk 正态性检验

许多常见的统计检验(包括 t 检验和 ANOVA)都假设您的数据服从正态分布(钟形曲线)。Shapiro-Wilk 检验会检查您的数据集是否满足这一假设。

结果 BioRender 的推荐
确认服从正态分布(p > 0.05) 参数检验(例如 t 检验、ANOVA、Pearson 相关性检验)
未确认服从正态分布(p ≤ 0.05) 非参数替代检验(例如 Mann-Whitney U 检验、Kruskal-Wallis 检验、Spearman 相关性检验)

对对数转换数据执行 Shapiro-Wilk 检验

如果原始数据未通过正态性检查,BioRender 会自动检验经过对数转换的数据是否服从正态分布。许多生物学测量值(如细胞因子浓度、荧光强度和基因表达)本质上呈对数正态分布,因此第二项检查通常可以让数据“恢复”到参数检验框架中。通过该检查后,BioRender 会推荐 t 检验或 ANOVA 的对数正态版本,即对经过对数转换的数值运行参数检验。相比非参数替代检验,这种方式更可取,因为它能保留更多关于效应量的信息。

Levene 方差齐性检验

参数检验还假设各组之间的方差近似相等。Levene 检验会检查是否满足这一条件。

结果 BioRender 的推荐
确认方差相等 Standard t 检验或 ANOVA
检测到方差不等 Welch 校正——一种针对组间方差不等进行调整的 t 检验或 ANOVA 版本

“Review Analysis”面板中显示的内容

打开分析设置后,推荐结果会显示在“Review analysis”面板中。 

其中包括:

  • 已在下拉菜单中预先选中的推荐检验
  • “Checks we ran”部分,其中列出执行了哪些诊断检验,以及这些检验是否通过
  • “What this analysis does”部分的通俗解释,例如:“您的数据满足非配对 t 检验的假设”或“您的数据不满足 Pearson 相关性检验的正态性假设。建议使用 Spearman 相关性检验作为非参数替代方法。”
  • “When to use”说明,介绍使用推荐检验的适用条件
  • 确认诊断检验结果将包含在您的分析输出中的说明

Shapiro-Wilk 检验和 Levene 检验的结果始终会包含在完整的分析报告中,以便您在方法部分记录这些假设检查。

覆盖推荐结果

您始终可以不使用推荐的检验。如果想使用其他检验,请打开“Review analysis”面板中的下拉菜单,然后选择您偏好的选项。

如果您选择的检验与数据的假设不匹配(例如,在正态性检查未通过时选择参数检验),BioRender 会显示警告,解释为什么推荐的检验仍然更合适,以及覆盖推荐结果需要付出什么代价。这样,您可以获得做出明智决定所需的信息,而不是被直接阻止选择。

如果您的数据结构不满足某些检验的基本要求,这些检验可能会显示为灰色。将鼠标悬停在工具提示上即可了解原因。

💡 这对团队为何重要:当团队中的每个人都使用 BioRender 的引导式分析时,无论个人的统计学知识水平如何,分析都会以一致的方式运行——使用相同的检验、相同的假设检查和相同的逻辑。这可以减少实验室成员之间的差异,并使方法更易于记录和复现。

常见问题

我可以始终相信推荐结果吗? 

推荐结果基于公认的统计学标准,适用于绝大多数常见研究数据集。不过,它们只是一个起点——在做出最终决定时,您始终应考虑所在领域的惯例以及具体的实验设计。

如果我的数据集非常小怎么办? 

对于非常小的样本,Shapiro-Wilk 等正态性检验的检验效能有限(例如,每组 n < 5)。在这种情况下,即使存在非正态性,检验也可能无法检测出来。除了检验结果外,还应结合您的数据是否具有正态性的生物学合理性进行判断。

假设检查结果会显示在我的分析输出中吗? 

会。Shapiro-Wilk 检验和 Levene 检验的结果会包含在每份分析报告中,以便您在方法部分进行报告。

BioRender 使用什么统计引擎? 

所有分析均使用 R(4.5.1 版本)运行。有关所使用软件包和函数的完整列表,请参阅《BioRender Graphing 中的统计分析》(方法学)一文。

需要帮助? 请通过 support@biorender.com 联系我们的支持团队,或点击右下角的 "Chat With Us" 气泡发起在线聊天。

What's new →
Discover more in BioRender
 
 BioRender AI

Draft custom figures in seconds from a text prompt.

Learn more → Browse help articles →
 
 Graphing

Turn raw data into journal-quality graphs in minutes.

Learn more → Browse help articles →

这篇文章有帮助吗?

0 人中有 0 人觉得有帮助