为更好地给各位新老用户提供一站式科研检测服务，即日起，栢晖隆重推出科研数据处理与作图服务。部分服务项目如下：
一、数据展示与统计分析
小提琴图（violin plots）和箱式图（box plots）
与传统的柱状图相比，基于Origin 2021软件绘制的这两类图可以很好的反应同一组处理下样本的数据分布情况，多用于具有多个重复或采样点的大样本数据，也是目前高水平SCI论文的常见数据展示形式。同时，采用单因素方差分析（one-way ANOVA analysis）检验不同处理间的差异显著性。
（1）小提琴图（violin plots）
（2）箱式图（box plots）
图引自(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、影响因子分析
皮尔森相关系数分析（Pearson correlation coefficient）
也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient) ，是一种线性相关系数，是最常用的一种相关系数。记为r，用来反映两个变量X和Y的线性相关程度，r值介于-1到1之间，绝对值越大表明相关性越强。正负值分别表示变量间正负相关性。
图1
方差分解分析（Variance partitioning）
将所有因素共有的方差分割，然后用于量化每一组因素的独特贡献。
图2
结构方程模型（Structural equation model）
用于评价目标变量与影响因子之间的直接和间接关系。这种方法可以划分一个变量对另一个变量可能产生的直接和间接影响，因此有助于探索自然生态系统中的复杂关系。
图3
随机森林分析（Random forest analysis）
用于分析多个因子对目标变量的相对重要性。
图4
图引自(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.
以上四种分析方法是目前常用的用来解析目标变量与影响（驱动）因子的直接和间接关系的主流分析方法，也是高水平SCI期刊的常见数据分析方法。此外，栢晖将根据您的具体需求，量身打造完美数据分析和图片展示，其他常见数据分析和作图均可实现，欢迎致电：18682730999 / 028-85253068咨询详情。