為更好地給各位新老用戶提供一站式科研檢測服務，即日起，栢暉隆重推出科研數據處理與作圖服務。部分服務項目如下：
一、數據展示與統計分析
小提琴圖（violin plots）和箱式圖（box plots）
與傳統的柱狀圖相比，基于Origin 2021軟件繪制的這兩類圖可以很好的反應同一組處理下樣本的數據分布情況，多用于具有多個重復或采樣點的大樣本數據，也是目前高水平SCI論文的常見數據展示形式。同時，采用單因素方差分析（one-way ANOVA analysis）檢驗不同處理間的差異顯著性。
（1）小提琴圖（violin plots）
（2）箱式圖（box plots）
圖引自(1) Zhang et al., 2021. Aridity and NPP constrain contribution of microbial necromass to soil organic carbon in the Qinghai-Tibet alpine grasslands. Soil Biology and Biochemistry.
(2) He et al., 2021. Depth-dependent drivers of soil microbial necromass carbon across Tibetan alpine grasslands. Global Change Biology.
二、影響因子分析
皮爾森相關系數分析（Pearson correlation coefficient）
? ? ? 也稱皮爾森積矩相關系數(Pearson product-moment correlation coefficient) ，是一種線性相關系數，是最常用的一種相關系數。記為r，用來反映兩個變量X和Y的線性相關程度，r值介于-1到1之間，絕對值越大表明相關性越強。正負值分別表示變量間正負相關性。
圖1
方差分解分析（Variance partitioning）
? ? ? 將所有因素共有的方差分割，然后用于量化每一組因素的獨特貢獻。
圖2
結構方程模型（Structural equation model）
? ? ? 用于評價目標變量與影響因子之間的直接和間接關系。這種方法可以劃分一個變量對另一個變量可能產生的直接和間接影響，因此有助于探索自然生態系統中的復雜關系。
圖3
隨機森林分析（Random forest analysis）
? ? ? 用于分析多個因子對目標變量的相對重要性。
圖4
圖引自(1)?Chen?et al., 2020. Regulation of priming effect by soil organic matter?stability over a broad geographic scale. Narure Communications.
(2) Chen?et al., 2021. Soil carbon persistence governed by plant input and mineral?protection at regional and global scales.?Ecology Letters.
(3) Jeewani et al., 2021. Abiotic and biotic regulation on carbon mineralization and stabilization in?paddy soils along iron oxide gradients. Soil Biology and Biochemistry.
以上四種分析方法是目前常用的用來解析目標變量與影響（驅動）因子的直接和間接關系的主流分析方法，也是高水平SCI期刊的常見數據分析方法。此外，栢暉將根據您的具體需求，量身打造完美數據分析和圖片展示，其他常見數據分析和作圖均可實現，歡迎致電：18682730999 / 028-85253068咨詢詳情。