基于r的群落學(xué)多元統(tǒng)計分析-文庫吧
2025-04-12 00:26 本頁面
【正文】 分析的主要原理是： 使坐標(biāo)旋轉(zhuǎn)一定的角度后，使第一軸表示數(shù)據(jù)最大的方差，使第二軸表示數(shù)據(jù)第二的方差。而且軸與軸之間是正交的（ orthogonal)。 4 2 0 2 442024 PCA和 RDA都采用函數(shù) rda實(shí)現(xiàn)： 在 vegan包中， rda(formula, data, scale=FALSE, ...) rda(X, Y, Z, scale=FALSE, ...) scores(x, choices, display=c(sites,species), ...) 在 stat包中： prinp(x, ...) 主成分分析 prinp(formula, data = NULL, subset, , ...) =rda(gtsdata) Call: rda(X = gtsdata) Inertia Rank Total Unconstrained 22 Inertia is variance Eigenvalues for unconstrained axes: PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 scores(,choices=c(1:4) ,display=c(si,sp)) summary() 類似 Canoco的 log文件和 .sol文件的信息 plot(,choices=c(1,2),display=c(sp,si)) biplot(,choices=c(1,2),display=c(sp,si)) plot(rda(gtsdata,scale=T)) plot(rda(gtsdata)) !!如果不對數(shù)據(jù)做標(biāo)準(zhǔn)化的話，豐富種的值就非常大，排序時就只能看清豐富種的位置，其它種就擁擠在一起。 ? 如用 x1,x2,x3,x4,x5,x6? 分別表示原先的變量 ， 而用 y1,y2,y3,y4,y5,y6? 表示新的主成分 ， 那么 ， 第一和第二主成分為 1 1 2 3 4 5 62 1 2 3 4 5 6 0 . 8 0 6 0 . 6 7 4 0 . 6 7 5 0 . 8 9 3 0 . 8 2 5 0 . 8 3 60 . 3 5 3 0 . 5 3 1 0 . 5 1 3 0 . 3 0 6 0 . 4 3 5 0 . 4 2 5y x x x x x xy x x x x x x? ? ? ?? ? ? ? ? ?? 這些系數(shù)稱為主成分載荷 （ loading） ， 它表示主成分和相應(yīng)的原先變量的相關(guān)系數(shù) 。 比如 y1表示式中 x1的系數(shù)為 ， 這就是說第一主成分和的 x1變量的相關(guān)系數(shù)為 。 相關(guān)系數(shù) (絕對值 ） 越大 ， 主成分對該變量的代表性也越大 。 負(fù)荷 (loading) =prinp(gtsdata) $loadings =prinp(gtsdenv) $loadings biplot() 第一主成分代表海拔高度，第二主成分代表坡向 對應(yīng)分析 (Correspondence analysis, CA) （加權(quán)平均法） CA在 vegan中也是用 cca函數(shù)來實(shí)現(xiàn)： =cca(gtsdata) summary() Call: cca(X = gtsdata) Inertia Rank Total Unconstrained 21 Inertia is mean squared contingency coefficient Eigenvalues for unconstrained axes: CA1 CA2 CA3 CA4 CA5 CA6 CA7 CA8 26 plot() CANOCO里面 scaling of ordination scores 27 plot(, scaling=1) 用物種數(shù)據(jù)對樣方坐標(biāo)進(jìn)行加權(quán)平均 ,使樣方坐標(biāo)在物種數(shù)據(jù)的中心，因此對樣方感興趣的話，采用這種做圖方法。 plot(, scaling=2) plot(, scaling=3) 用樣方數(shù)據(jù)對物種坐標(biāo)進(jìn)行加權(quán)平均 ,使物種數(shù)據(jù)在樣方數(shù)據(jù)的中心，因此對物種感興趣的話，采用這種做圖方法。 如果一個物種靠近某個樣方，表明該物種可能對該樣方的位置起很大的作用。特別是對于二元數(shù)據(jù)的排序，這個樣方可能就代表該物種。 如圖中， 20號樣方與短柄枹 (QUESER)靠得比較近，表明：短柄枹表征了 20號樣方的特征， 19號樣方與 20號樣方距離近，生態(tài)關(guān)系也較近。 ? 只在少數(shù)樣方出現(xiàn)的物種通常在排序空間的邊緣，表明它們只偶然發(fā)生，或它們只在稀有生境（如米櫧 CASCAR）。 ? 在排序空間中心的物種，可能在取樣區(qū)域是該物種最優(yōu)分布區(qū)，如甜櫧，或有兩個或多個最優(yōu)
高考資料相關(guān)推薦
鄂ICP備17016276號-1