Correlation between occurrences of taxa is a fundamental concept in the analysis of presence-absence data. Such correlations can result from ecologically relevant processes, such as existence and evolution of species communities. Correlations are typically quantified by some sort of similarity index based on co-occurrence counts. We argue that the individual values of a similarity index are not useful as such: rather, we have to be able to estimate the statistical significance of the index value. Secondly, we argue that before computing the correlations one has to carefully select what is the underlying base set of locations for which the co-occurrence counts, similarity indices, and their significance is computed. We demonstrate base set selection with synthetic examples and conclude with an analysis of real data from a large database of fossil land mammals.

Resumen en Español

Correlaciones y concurrencia de taxones: el papel de las restricciones temporales, geográficas y taxonómicas.

La correlación entre las coincidencias de taxones es un concepto fundamental en el análisis de datos sobre presencia-ausencia. Tales correlaciones pueden ser resultados de procesos ecológicos importantes, como la existencia y la evolución de comunidades de especies. Las correlaciones se miden típicamente por algún índice de semejanza basado en el recuento de concurrencias. Argumentamos que los valores aislados de un índice de semejanza no son útiles como tales:  más bien tenemos que poder estimar la significación estadística del valor del índice. Además argumentamos que antes de calcular las correlaciones hay que seleccionar cuidadosamente el conjunto básico de lugares para los que computan las coincidencias, los índices de semejanza y su significado.  Demostramos la selección del conjunto básico con ejemplos sintéticos y concluimos con un análisis de datos reales procedentes de un gran banco de datos sobre mamíferos terrestres fósiles.

PALABRAS CLAVE: correlación, concurrencia, base de datos, índices de semejanza, significación estadística.

Traducción: Elvira Martín Suárez

Résumé en Français

Corrélations et co-occurrences de taxa: le rôle des restrictions temporelles, géographiques et taxonomiques

Aleksi Kallio, Kai Puolamäki, Mikael Fortelius and Heikki Mannila

La corrélation entre les occurrences de taxa est un concept fondamental pour les analyses de données en présence-absence. De telles corrélations peuvent provenir de processus écologiques, tels que l’existence et l’évolution des communautés d’espèces. Les corrélations sont généralement quantifiées à l’aide d’indexes de similarités basés sur des comptages de co-occurrences. Nous affirmons que les valeurs individuelles des indices de similarité ne sont pas utiles en tant que tel : plutôt, nous devons être capable d’estimer la significativité statistique des valeurs des indices. Par ailleurs, nous affirmons qu’il est nécessaire, avant de calculer les corrélations, de sélectionner avec précaution la série de localités servant de base au comptage des co-occurrences, au calcule des indices de similarité et de leur significativité. Nous effectuons notre démonstration à partir d’une série de base de données synthétique et nous concluons avec une analyse de données réelles provenant d’une importante base de donnée de mammifères terrestres fossiles.

Mots clés: corrélation; co-occurrence; série de base; indice de similarité; significativité statistique

Translator: Olivier Maridet

Deutsche Zusammenfassung

Korrelation und gleichzeitiges Auftreten von Taxa: die Rolle von zeitlichen, geographischen und taxonomischen Einschränkungen

Korrelation zwischen Vorkommen von Taxa ist ein grundlegendes Konzept bei der Analyse von Vorhandensein-Nichtvorhandensein Daten. Derartige Korrelationen können aus ökologisch relevanten Prozessen wie Existenz und Evolution von Artengemeinschaften resultieren. Korrelationen sind üblicherweise durch eine Art von Ähnlichkeitsindex quantifiziert, die auf Zählungen gleichzeitigen Auftretens gestützt sind. Wir argumentieren, dass die individuellen Werte eines Ähnlichkeitsindex als solche nicht sinnvoll sind: wir sollten eher die statistische Signifikanz des Indexwertes schätzen. Zweitens vertreten wir die Auffassung dass man vor der Korrelationsberechnung sorgfältig auswählen sollte, was der zugrunde liegende Basissatz von Standorten ist, für welche die Zählungen von gleichzeitigem Auftreten, Ähnlichkeitsindex und ihre Signifikanz berechnet wurden. Wir zeigen Basissatz-Selektion an künstlichen Beispielen und schließen mit einer Analyse von reellen Daten aus einer großen Datenbank von fossilen Landsäugetieren.

Schlüsselwörter: Korrelation; gleichzeitiges Auftreten; Basissatz; Ähnlichkeitsindex; statistische Signifikanz

Translator: Eva Gebauer

Translator: Ashraf M.T. Elewa

Polski Abstrakt

KORELACJE I WSPÓŁWYSTĘPOWANIE TAKSONÓW: ZNACZENIE OGRANICZEŃ CZASOWYCH, GEOGRAFICZNYCH ORAZ TAKSONOMICZNYCH

Korelacja miejsc występowania taksonów jest podstawą przy badaniu danych dotyczących obecności lub braku organizmów kopalnych. Tego typu korelacje mogą być wynikiem znaczących pod względem ekologicznym procesów, takich jak istnienie i ewolucja populacji danego gatunku. Korelacje są zwykle dokonywane na podstawie pewnych wskaźników podobieństw bazujących na wynikach obliczeń określających współwystępowanie. W artykule podważamy znaczenie indywidualnych wartości wskaźników podobieństwa: są one niewystarczające i powinniśmy raczej móc określić statystyczne znaczenie wartości danego wskaźnika. Po drugie, rozważamy fakt, iż przed skomputeryzowaniem procesu korelacji badacz musiał dokładnie określić lokalizacje (zespół bazowy), dla których zliczane było współwystępowanie, wskaźniki podobieństw oraz znaczenie. Pokazujemy określanie lokalizacji na podstawie syntetycznych przykładów i wniosków otrzymanych na podstawie analizy dużej liczby prawdziwych danych dotyczących kopalnych ssaków lądowych.

Słowa kluczowe: korelacja, współwystępowanie, zespół bazowy, wskaźnik podobieństwa, znaczenie statystyczne

Translators: Dawid Mazurek and Robert Bronowicz

Riassunto in Italiano

Correlazioni e compresenza di taxa: il ruolo delle limitazioni temporali, geografiche e tassonomiche

La correlazione fra le presenze dei taxa è un concetto fondamentale per l’analisi di dati di presenza-assenza. Tale correlazione può essere risultato di processi ecologici legati all’evoluzione delle comunità viventi. Di solito le correlazioni si effettuano sulla base di qualche tipo di indice di similarità basato su calcoli di compresenza. Riteniamo che i singoli valori di un indice di similarità non possano essere utilizzati come tali, ma che sia piuttosto necessario stimare la significatività statistica dell’index value. Riteniamo inoltre che prima di ricavare le correlazioni, sia necessario selezionare attentamente un base set di località su cui si stanno effettuando calcoli di compresenza, indici di similarità e relativa significatività. Proponiamo esempi per la selezione di un base set e concludiamo con un’analisi di dati reali basata su un esteso database di mammiferi terrestri fossili.

PAROLE CHIAVE: correlazione; compresenza; base set; indice di similarità; significatività statistica

Translator: Chiara Angelone