个体发育

2020-10-16

2020-10-16
个体发育分析

  个体发育,指的是一种生物从其出生到死亡的整个过程中身体出现的形态变化。从幼体到成年,生物的形态变化通常比较明显。在古生物学中研究个体发育,一方面有助于理解不同化石物种的生长变化;另一方面,也有助于在后续研究辅助化石的鉴定。在古生物的个体发育研究中,通常会总结一种生物不同身体部位随年龄增长的变化趋势、这种趋势或是某些器官的增大,或是某些结构数量的增加。由于生物的种类千差万别,因此不同古生物的个体发育过程也存在很大差异,需要根据实际情况选用适宜的衡量标准。

1 数据描述

## Loading required package: xts
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
## 
## Attaching package: 'PerformanceAnalytics'
## The following object is masked from 'package:graphics':
## 
##     legend
## # A tibble: 6 x 6
##   Specimen_No. thecal_height stem_length `minimun N_brac~ circlets_plates~
##          <dbl>         <dbl>       <dbl>            <dbl>            <dbl>
## 1           10         0.828       0.666                6               10
## 2           15         0.625       1.16                 5                7
## 3           16         0.93        0.871                7                6
## 4           23         0.936       0.892                7                7
## 5           25         1.74        1                   12               10
## 6           27         1.73        1.12                11               11
## # ... with 1 more variable: number_part <dbl>
## Classes 'tbl_df', 'tbl' and 'data.frame':    18 obs. of  6 variables:
##  $ Specimen_No.        : num  10 15 16 23 25 27 32 33 39 40 ...
##  $ thecal_height       : num  0.828 0.625 0.93 0.936 1.743 ...
##  $ stem_length         : num  0.666 1.16 0.871 0.892 1 ...
##  $ minimun N_brachioles: num  6 5 7 7 12 11 4 6 7 7 ...
##  $ circlets_plates_No  : num  10 7 6 7 10 11 8 9 7 7 ...
##  $ number_part         : num  7 6 7 6 7 7 6 6 6 6 ...

  数据共有18条记录,6个变量,数据类型都为数值型数据。为描述各变量之间的相关性情况,对数据进行形态相关分析如下:

2 个体变量相关性分析

  选择生物的个体发育指标,得到形态相关的相关性值,可以了解到stem_length和thecal_height相关性为0.8,二者相关性强度较高,其次是thecal_height和minimun N_brachioles的相关性最好。

3 个体发育趋势分析

  利用贝叶斯信息准则(BIC)作出的频率分布图利用贝叶斯信息准则(BIC)作出的频率分布图,探究各变量之间的正太性和核密度分布,如下图所示:

## Classes 'tbl_df', 'tbl' and 'data.frame':    9 obs. of  7 variables:
##  $ X : num  0.2 2.3 3.7 4 5 6 7 8 9.8
##  $ A1: num  -54 -46 -58 -69 -68 -80 -98 -108 -118
##  $ A2: num  -54 -46 -55 -62 -65 -72 -80 -90 -93
##  $ B1: num  -153 -146 NA NA NA NA NA NA NA
##  $ B2: num  -153 -142 -155 -158 -155 -158 -167 -173 -180
##  $ C1: num  -30 -41 -49 NA NA NA NA NA NA
##  $ C2: num  -30 -37 -43 -48 -56 -65 -66 -69 -74

  五组测量变量间的一一对应关系如上所示,说明长度在5到11的呈现右偏分布,0.5到1.5的基本呈现正态分布。

3.3 拟合回归分析

## Warning in summary.lm(fit): essentially perfect fit: summary may be
## unreliable

## Warning in summary.lm(fit): essentially perfect fit: summary may be
## unreliable
## 
## Call:
## lm(formula = y ~ x)
## 
## Residuals:
##         Min          1Q      Median          3Q         Max 
## -2.1436e-15  5.5999e-17  1.0999e-16  1.6914e-16  7.3566e-16 
## 
## Coefficients:
##                Estimate  Std. Error     t value  Pr(>|t|)    
## (Intercept) -1.8396e-01  1.4373e-16 -1.2799e+15 < 2.2e-16 ***
## x            1.3685e+00  3.4129e-16  4.0098e+15 < 2.2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 5.9521e-16 on 16 degrees of freedom
## Multiple R-squared:       1, Adjusted R-squared:       1 
## F-statistic: 1.6078e+31 on 1 and 16 DF,  p-value: < 2.22e-16
## 
## 
## N: 18 , AIC: -1207.1 , BIC:  -1204.4 
## Residual Sum of Squares:  5.6684e-30
## 
## Call:
## lm(formula = y ~ x)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -0.416273 -0.194345 -0.008746  0.136046  0.850577 
## 
## Coefficients:
##              Estimate Std. Error t value  Pr(>|t|)    
## (Intercept) -0.214212   0.070382 -3.0435  0.007742 ** 
## x            1.038171   0.146400  7.0914 2.554e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.29314 on 16 degrees of freedom
## Multiple R-squared:  0.75863,    Adjusted R-squared:  0.74354 
## F-statistic: 50.287 on 1 and 16 DF,  p-value: 2.5539e-06
## 
## 
## N: 18 , AIC: 10.786 , BIC:  13.457 
## Residual Sum of Squares:  1.3749

  通过拟合回归分析得到可决系数值为75.863%,P值远小于0.0001。变量之间的相关系数较好。

4 本章汇总

参数 类别 功能
readxl 函数包 加载readxl包
PerformanceAnalytics 函数包 制作相关性可视化图形
layout 函数 绘制图形分栏布局
text 函数 添加图例的文本标签
lines 函数 绘制线图
par 函数 叠加新图形