场景案例 ·

水生态研究数据分析用 AI 一句话完成 — 非参数与相关分析

水生态/水质监测研究者必看：溶解氧、浮游生物多样性、底栖动物等生物指标数据普遍不正态，用 ChatSRS 一句话完成 Mann-Whitney、Spearman 相关等非参数分析，自动输出 APA 7th 格式学术报告。

水生态研究的统计痛点集中在两点：生物指标数据（Shannon 多样性指数、浮游植物丰度、底栖动物密度等）普遍偏态且方差不齐，参数检验假设难以满足；水质理化参数与生物指标之间的相关结构复杂，Pearson 相关常因异常值失真。这篇文章把水生态最常见的数据分析场景逐一串通，每步给出 ChatSRS 可直接使用的真实指令，以及可抄进论文的 APA 7th 报告句式。

水生态研究数据为什么必须选非参数方法

在水生态与水环境监测研究中，以下场景反复出现：

  • 采样点数量有限（10-30 个），样本量不足以依赖中心极限定理
  • Shannon-Wiener 多样性指数 (H')、Simpson 指数、Margalef 丰富度指数等衍生指标分布严重偏态
  • 浮游植物细胞密度、底栖动物密度的量级跨越数个数量级，方差高度不齐
  • 水质数据往往含有检出限以下的左截尾值（"<LOQ"），不满足正态性
  • 季节采样点之间并非独立同分布，相关结构复杂

在这些场景下，非参数检验（Mann-Whitney U、Kruskal-Wallis H、Wilcoxon 符号秩）和 Spearman / Kendall 秩相关比参数方法更具统计合理性，也更容易通过审稿人的方法论质疑。

chatsrs.com 把这些检验一句话串通，自动输出 APA 7th 格式报告。下面按典型分析场景，从头到尾演示。

水生态研究的典型数据结构

情景 A：多采样站位的水质生物指标比较

站位ID    河段类型      DO(mg/L)    TN(mg/L)    浮游植物丰度    Shannon H'    底栖动物密度
S01       上游清洁段     9.2         0.41        182             2.81          156
S02       上游清洁段     8.7         0.38        195             2.76          142
S03       城镇影响段     6.1         1.82        543             1.34           87
S04       城镇影响段     5.9         2.14        617             1.19           65
S05       工业排放段     4.2         4.73       1841             0.52           21
...

核心分析链：正态性检验 → 非参数多组比较（Kruskal-Wallis）→ 事后 Dunn 检验 → 秩相关（Spearman）→ APA 报告

情景 B：季节性配对监测（同一站位不同季节）

站位ID    季节    叶绿素a(ug/L)    TN    TP    底栖动物丰富度    BMWP得分
S01       春季    12.3             0.62  0.04  8                  87
S01       夏季    38.7             0.91  0.08  5                  61
S01       秋季    21.4             0.75  0.06  7                  74
S01       冬季     6.8             0.55  0.03  9                  92
...

核心分析链：Friedman 检验（配对多季节比较）→ Wilcoxon 符号秩（两季节配对）→ Spearman 纵向相关

全流程分析演示（河流水质生物评价场景）

以"城镇化梯度对河流大型底栖无脊椎动物群落结构的影响"为例：3 类河段（上游清洁段 n = 9、城镇影响段 n = 8、工业排放段 n = 7），检测 Shannon 多样性指数、BMWP 生物评分指数、浮游植物细胞密度等生物指标，以及 DO、TN、TP、NH3-N 等水质参数。

第一步：正态性检验 — 判断是否适合参数方法

打开 chatsrs.com，上传数据后输入：

"对全部生物指标（Shannon H'、BMWP 得分、底栖动物密度、浮游植物丰度）和水质参数（DO、TN、TP、NH3-N）分别做 Shapiro-Wilk 正态性检验和 Levene 方差齐性检验，按河段类型分组，输出 APA 格式汇总表，标注哪些变量需要使用非参数方法。"

ChatSRS 自动输出：

表 1  各指标正态性与方差齐性检验结果

指标               Shapiro-Wilk W    p        Levene F    p        建议方法
Shannon H'         0.847             .031*    5.23        .012*    非参数
BMWP 得分          0.871             .048*    4.87        .018*    非参数
底栖动物密度       0.763            <.001**   9.14       <.001**   非参数
浮游植物丰度       0.712            <.001**  12.36       <.001**   非参数（对数变换后仍不达标）
DO                 0.951             .187     1.82        .183     参数（ANOVA）可用
TN                 0.834             .024*    7.61        .003*    非参数

注：* p < .05，** p < .01。

这一步让你在方法章节有充分依据说明"因数据不满足正态性假设，采用非参数检验"。

第二步：Kruskal-Wallis 检验 — 三类河段生物指标差异

"以河段类型（上游清洁段 / 城镇影响段 / 工业排放段）为分组变量，对 Shannon H'、BMWP 得分、底栖动物密度分别做 Kruskal-Wallis 检验，报告 H 值、自由度、p 值和效应量 eta 平方；若差异显著，做 Dunn 事后多重比较并用 Bonferroni 校正，输出中位数与四分位数描述统计表。"

ChatSRS 输出：

表 2  三类河段生物指标 Kruskal-Wallis 检验结果

指标           H(2)     p         epsilon^2  显著两两比较
Shannon H'     18.43    <.001**   0.78       清洁>城镇(p=.008)；清洁>工业(p<.001)；城镇>工业(p=.031)
BMWP 得分      16.87    <.001**   0.71       清洁>城镇(p=.012)；清洁>工业(p<.001)；城镇>工业(p=.044)
底栖动物密度   14.21    .001**    0.58       清洁>城镇(p=.021)；清洁>工业(p<.001)

注：Dunn 事后检验，Bonferroni 校正。** p < .01。

表 3  各类河段生物指标描述统计（中位数 [四分位距]）

指标                清洁段(n=9)           城镇影响段(n=8)       工业排放段(n=7)
Shannon H'          2.78 [2.61, 2.94]     1.42 [1.18, 1.63]     0.48 [0.31, 0.67]
BMWP 得分           89 [83, 96]            62 [55, 71]            24 [17, 31]
底栖动物密度        148 [131, 167]          82 [69, 98]            19 [12, 28]

第三步：Spearman 相关分析 — 水质参数与生物指标的关系

"计算 DO、TN、TP、NH3-N 与 Shannon H'、BMWP 得分、底栖动物密度、浮游植物丰度之间的 Spearman 等级相关系数矩阵，报告每对变量的 r_s 值和 p 值，用 * / ** 标注显著性水平，输出 APA 格式相关矩阵表，并用热力图标注相关方向与强度。"

ChatSRS 输出：

表 4  水质参数与生物指标 Spearman 相关系数矩阵

              DO        TN          TP          NH3-N
Shannon H'    .81**     -.78**      -.72**      -.75**
BMWP 得分     .76**     -.74**      -.68**      -.71**
底栖动物密度  .69**     -.65**      -.61*       -.63**
浮游植物丰度 -.72**      .81**       .77**       .79**

注：n = 24。* p < .05，** p < .01（双尾检验）。

第四步：Mann-Whitney U 检验 — 两类河段的两两精细比较

当你需要聚焦于"城镇影响段 vs 工业排放段"的具体差异时：

"仅取城镇影响段和工业排放段的数据，对 Shannon H' 做 Mann-Whitney U 检验，报告 U 值、z 统计量、p 值（精确法）、效应量 r = z/√N，以及两组的中位数和四分位距，生成可直接进论文的 APA 报告段落。"

ChatSRS 输出：

Mann-Whitney U 检验：城镇影响段 vs 工业排放段（Shannon H'）

城镇影响段：Mdn = 1.42，IQR = [1.18, 1.63]，n = 8
工业排放段：Mdn = 0.48，IQR = [0.31, 0.67]，n = 7
U = 56，z = 3.07，p = .002（精确双尾）
效应量 r = 0.63（大效应）

第五步：Wilcoxon 符号秩检验 — 同站位季节配对比较

"取同一批站位的春季和夏季叶绿素 a 数据做 Wilcoxon 符号秩检验，报告 W 统计量、z 值、精确 p 值、效应量 r，检验夏季叶绿素 a 是否显著高于春季，输出 APA 格式。"

ChatSRS 自动识别配对结构并输出：

Wilcoxon 符号秩检验：夏季 vs 春季叶绿素 a

夏季：Mdn = 36.4 ug/L，IQR = [28.7, 44.1]
春季：Mdn = 11.8 ug/L，IQR = [9.2, 15.3]
W = 148，z = 3.41，p = .001（精确双尾）
效应量 r = 0.76（大效应）

论文方法 / 结果写法（APA 7th，水生态非参数分析）

方法章节：数据分析策略描述

本研究采用 Shapiro-Wilk 检验和 Levene 检验对全部生物指标及水质参数进行正态性和方差齐性检验。因 Shannon-Wiener 多样性指数（H'）、BMWP 生物评分指数及底栖动物密度均不满足正态性假设（p < .05），采用 Kruskal-Wallis 非参数检验比较三类河段的生物指标差异，事后多重比较采用 Dunn 检验并以 Bonferroni 法校正 I 类错误。季节性配对比较采用 Wilcoxon 符号秩检验。水质参数与生物指标之间的关联采用 Spearman 等级相关系数（r_s）评估。效应量大小参照 Cohen（1988）标准解释：r = 0.10 为小效应，r = 0.30 为中等效应，r = 0.50 以上为大效应。所有统计分析使用 ChatSRS 完成（R 引擎，显著性水平设为 .05）。

结果章节：Kruskal-Wallis 检验报告句式

Kruskal-Wallis 检验结果显示，三类河段的 Shannon-Wiener 多样性指数存在显著差异，H(2) = 18.43，p < .001，epsilon^2 = .78，属于大效应。Dunn 事后检验（Bonferroni 校正）表明，上游清洁段的物种多样性（Mdn = 2.78）显著高于城镇影响段（Mdn = 1.42，p = .008）和工业排放段（Mdn = 0.48，p < .001），城镇影响段亦显著高于工业排放段（p = .031）。上述结果表明，城镇化及工业排污负荷的增加与大型底栖无脊椎动物群落多样性的系统性下降存在显著关联。

结果章节：Spearman 相关报告句式

Spearman 等级相关分析显示，溶解氧（DO）与 Shannon-Wiener 多样性指数之间存在显著正相关，r_s(22) = .81，p < .001；总氮（TN）与多样性指数呈显著负相关，r_s(22) = -.78，p < .001。上述结果表明，有机污染负荷（以 TN、TP、NH3-N 表征）的增加与水生生物多样性的降低密切相关，符合有机污染梯度对底栖群落结构影响的理论预期（参见 Morse et al., 1994）。

结果章节：Mann-Whitney U 检验报告句式

Mann-Whitney U 检验结果显示，城镇影响段 Shannon 多样性指数（Mdn = 1.42，IQR = [1.18, 1.63]）显著高于工业排放段（Mdn = 0.48，IQR = [0.31, 0.67]），U = 56，z = 3.07，p = .002，r = .63，属于大效应，表明点源工业排放较面源城镇污染对底栖群落多样性造成了更为严重的胁迫。

上面四段可以直接进论文 Results 章节，替换为你自己的数值即可。ChatSRS 的"APA 报告"功能自动生成对应段落，无需手动转写数字格式。

常见 FAQ

Q1: 水生态数据要先做正态性检验，还是直接用非参数方法？

建议始终先做正态性检验，原因有两个：

  1. 审稿人会问"为何选用非参数方法"，有 Shapiro-Wilk 检验结果作为依据，回复更有说服力。
  2. 如果数据恰好满足正态性（例如多年年均水质指标），参数检验（t 检验、ANOVA）检验功效更高，能发现较小的差异。

在 ChatSRS 里一句话搞定：描述"请先做 Shapiro-Wilk 检验，如果 p < .05 则自动切换到对应的非参数方法，如果满足正态性则用参数检验，分别输出结果。"

Q2: Spearman 和 Pearson 相关在水生态分析中怎么选？

原则是：

情形推荐方法
数据近似正态、无明显异常值Pearson r
数据偏态（浮游植物丰度、密度等）Spearman r_s
含极端异常值或左截尾数据Spearman r_s 或 Kendall tau
样本量 < 20Kendall tau（更精确）

水质生物指标（多样性指数、密度、丰度）绝大多数情况下选 Spearman 更稳健。告诉 ChatSRS"请用 Spearman 等级相关"即可。

Q3: 非参数检验如何报告效应量？审稿人问 "effect size" 该填什么？

非参数检验效应量对应关系：

检验方法效应量指标计算公式参照值
Mann-Whitney Urz / sqrt(N).10小 / .30中 / .50大
Kruskal-Wallisepsilon^2(H - k + 1) / (n - k).01小 / .06中 / .14大
Wilcoxon 符号秩rz / sqrt(N).10小 / .30中 / .50大
Spearman 相关r_s 本身即效应量—.10小 / .30中 / .50大

ChatSRS 在所有非参数结果中自动附上效应量，无需单独索取。

Q4: 采样站位只有 12 个，非参数方法还有意义吗？

有意义，且非参数方法在小样本下反而更合适。原因：

  • 参数检验在小样本下对正态性假设最敏感，违反时 I 类错误膨胀严重；
  • Spearman 相关在 n >= 6 时已有统计功效，n = 12 完全够用；
  • 小样本时建议使用精确检验（Exact test）而非正态近似，ChatSRS 在 n < 30 时自动切换为精确 p 值。

论文局限性章节中如实说明样本量限制对效应量估计精度的影响即可（报告 95% CI）。

Q5: 水生态论文方法部分如何说明使用 ChatSRS 做统计？

标准写法（可直接复制）：

本研究数据分析采用 ChatSRS 统计平台完成（R 引擎，版本 4.4，R Foundation for Statistical Computing）。非参数检验使用 coin 包（精确检验）和 dunn.test 包（Dunn 事后比较），相关分析使用 stats 包内置函数，效应量计算使用 rstatix 包。

水生态研究数据分析方法速查表

研究问题适用数据特征推荐方法ChatSRS 指令关键词
两类站位生物指标差异不正态、小样本Mann-Whitney U"Mann-Whitney U 检验，效应量 r，APA 报告"
三类及以上站位比较多组、偏态Kruskal-Wallis + Dunn"Kruskal-Wallis 检验，Dunn 事后比较，Bonferroni 校正"
同站位季节前后对比配对、不正态Wilcoxon 符号秩"Wilcoxon 符号秩检验，配对数据，精确 p 值"
理化参数与生物指标关联偏态、异常值Spearman r_s"Spearman 等级相关矩阵，热力图，APA 格式"
多季节重复测量配对、多时间点Friedman 检验"Friedman 检验，Nemenyi 事后比较"
污染梯度与多样性指数连续 x 连续Spearman / Kendall"Kendall tau，小样本精确相关"

相关阅读

本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。