我從來沒有見過底漆和素食主義者和底漆之間我不能評論的差異,但我可以解釋我們是如何在素食主義者工作。
如果考慮擬合環境變量的物種分數爲箭頭,則有兩個不同的方面:方向和長度。首先關於箭頭的方向。
一般來說,箭頭不平行於軸線,但它們指向物種或環境變量最快速變化的方向。箭頭的方向可以從線性模型lm(y ~ Ax1 + Ax2)
中找到。如果y
是一個物種,這給出了物種得分的箭頭,並且如果y
是一個環境變量,這給出了一個擬合向量。物種與軸相關意味着兩個獨立的模型lm(y ~ Ax1)
和lm(y ~ Ax2)
。 素食主義者模型定義了一個線性趨勢面,並且該軸模型定義了兩個單獨的線性趨勢面,每個線性趨勢面沿着一個軸具有最陡的梯度。下面的示例示出了線性模型如何與在PCA物種的分數在素食主義者:
library(vegan)
data(varespec)
pc <- rda(varespec)
biplot(pc) # species scores as biplot arrows
plot(envfit(pc ~ Pleuschr + Cladarbu + Cladrang + Cladstel, varespec))
ordisurf(pc ~ Cladstel, varespec, knots = 1, add = TRUE)
的envfit
函數將指向相同的方向物種的分數箭頭和ordisurf
增加線性(knots = 1
)趨勢面到Cladstel
。線性趨勢面的等值線等距並垂直於箭頭。向箭頭投射取樣單位給出了這個二維解中預測的物種丰度。在RDA中物種分數的解釋是相似的,但在那裏你必須記得使用線性組合分數(display="lc"
),而在CCA中,你必須記得使用加權迴歸(envfit
和ordisurf
自動處理,但與lm
或其他非 - 素食主義者您需要明確權重的工具)。
這種方法不容易改變使用秩相關。對於等級,您需要將點(抽樣單位)投影到單變量序列。人們通常在軸上投影(也就是說,他們將軸與物種相關聯)。然而,如果我們找到一條通過原點的線,那麼當採樣單元投影到其上時(如果存在唯一的線或包含線的線段),就會得到最佳的相關性。這與我們尋找線性趨勢面最陡變化方向的方法類似。這很容易用歐幾里德空間完成,就像所有的素食主義者排序空間一樣,但與預測排名不同。
線性趨勢面的假設非常簡單。它是PCA和RDA中物種的模型,它是RDA約束的模型,它顯示了分析如何看待您的數據(請記住"lc"
得分!)。但是,對於其他變量和其他排序方法,更復雜的響應模型通常更加適用。這些可以通過使用ordisurf
與knots
> 1來擬合。
然後關於箭頭的長度或物種得分距離原點的距離。 envfit()
函數找到正確的方向,但它通過相關係數縮放箭頭長度。在PCA和RDA中,我們有幾種可選的縮放選項:請參閱?scores.cca
中的scaling
和correlation
的詳細說明。默認(correlation = FALSE
)縮放使得箭頭與物種丰度的絕對變化成比例。也就是說,豐富的物種可以改變很多,可以有長箭頭,但稀有物種只能改變一點,總是有短箭頭。這是絕對的變化,而不是相對的變化。使用correlation = TRUE
時,箭頭長度與相對變化成正比,並且將與envfit
中使用的相關性的縮放類似。再次,研究手冊的細節(?scores.cca
)。
**如果**你在這裏沒有得到一個答案在合理的時間後,你可以嘗試張貼(與這個問題的鏈接)到'r-sig-ecology @ r-project.org' ... –
我想評論,但是編寫回復需要很長時間......這需要很長的評論。 –
從https://github.com/vegandevs/vegan/issues/254最近的反饋我知道有一些潛在的缺陷和使用物種軸相關性的嚴重併發症 - 因此,爲什麼這不被用於R' vegan'。這聽起來好像排序相關性會受到非排列空間中的非歐幾里得距離所強加的相同複雜性的影響,詳細情況詳見https://stackoverflow.com/questions/46531969/vegan-dbrda-species-scores-are-empty-despite-社區矩陣 - 爲「dbrda」純素物種分數提供。期待PRIMER用戶對相關性的反饋。 –