我有我的响应变量，即未来陆地哺乳动物物种暴露于极端事件的范围的比例。更清楚地说，它是从历史时期到未来绿色气体排放情景的范围暴露比例（DPRE）的差异（它是对范围暴露百分比增加/减少水平的衡量）：这意味着我的响应变量去从 -1 到 1（其中 +1 表示该范围将经历 +100% 的暴露比例增加：从历史时期的 0% 到未来情景的 100%）。
如前所述，我正在分析所有陆地哺乳动物（5311 种，跨越不同情景和两个时间段，近期（2021-2040 年的平均值）和远期（2081-2100 年的平均值）的这些差异。所以，我的解释变量是：
- 3种绿色气体排放情景（代表性浓度途径：RCP2.6、RCP4.5和RCP8.5）；
- 时间段（近期和远期）：NF 和 FF；
- 种：5311人。
我在统计方面不是那么专家，所以我不确定我收到了两个建议中的哪一个：
- 弗里德曼测试以物种为块（但我应该以某种方式做一个嵌套模型，以 RCP 作为组，嵌套在 TimePeriods 内；或者一种双向弗里德曼，以 RCP 和 TimePeriod 作为两个不同的因素）。
- 具有 RCP*TimePeriod 作为固定效应和 (TimePeriod | Species ) 作为随机效应的线性混合模型。
我运行 t-test，所有分布结果都不正常，这就是为什么我被建议使用 Friendman 而不是 ANOVA；我运行了成对的 Wilcoxon 秩和检验，在这种情况下，我发现所有 RCP 与 NF 和 FF 的显着差异。我不得不说我运行 3 个 Wilcoxon，每个 RCP 一个，所以也许第三种选择是创建 3 个不同的模型，每个 RCP 一个，但这也会偏离弗里德曼测试的“重复测量”的标准分析.
最后考虑：我必须运行另一个模型，其中Response变量是Subrange Exposed 的比例差异。在这种情况下，保留了其他解释变量，但在这种情况下，分析不是全局的，而是考虑了 14 个 IUCN Biomes 中可能存在的差异。因此，每项分析都是针对 NF 和 FF 以及所有生物群落的 RCP 进行的。在这种情况下，我应该创建并运行 14（生物群落）x 3（RCP）x 2（时间段）= 84 个模型吗？还是一种双嵌套（时间段和生物群系）模型？
如有必要，我可以提供大型数据框。