冗余分析(redundancy analysis,RDA)是一种回归分析结合主成分分析的排序方法,也是多因变量(multiresponse)回归分析的拓展。从概念上讲,RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析。
本报告对植物生态多样性数据(查看文末了解数据获取方式)做了分析。
冗余分析
首先,加载数据。
要加载数据,所有文件都必须在工作目录中。
ste <- read.csv("sr.csv") ev <- read.csv("ev.csv") as <- read.csv("as.csv")
我对数据做了一些修改。首先,我将 ev
数据的所有定量变量(即除地貌单元外的所有变量)与 as
数据组合成一个名为 enqut
. 然后,我对数据进行了归一化, 允许非常不同单位的变量之间进行比较。最后,我在归一化的定量环境变量中添加了地貌单元列,创建数据框 era
,用于冗余分析。
enqut<- cbind(ev\[,-5\],ap) enz <- scale ut <- env\[,5\] era<- data.frame
结构数据
我使用环境数据era
作为解释变量对植被结构进行了冗余分析。我将结果分配给对象 str
。
summary(str)
然后我得到了这个分析的 R 方和调整后R 方。
RsquareAdj
RsqeAdj$adj.r.sqd
制作三序图。
par plot points usc <- scores points text
成分数据
首先我加载了物种数据。同样,该文件 PAl.csv
必须在工作目录中。为了降低大丰度的重要性,我将 Hellinger 转换应用于物种数据。
sp <- Hellinger(sp)
然后我使用所有环境变量作为解释变量进行了冗余分析。
head(suda)
# 获得R^2和调整后的R^2 (sR2 <- RseAdj (spdj <- RseAdj$adj.r.sed) 以2型标尺 对物种数据制作 RDA三序图。 # 做好绘图空间 par plot # 绘制站点的分数 spc <- scores points # 绘制出物种的分数 ssc <- scores points # 绘制定量解释变量的箭头和它们的标签 spesc <- scores arrows env.names text # 绘制地貌单元中心点和它们的标签的绘图点 spsc <- scores points text
01
02
03
04
论文图形
这是为论文制作图形的代码。
par ensc <- scores arrows points # 制作绘图空间 par plot abline mtext # 绘制站点的分数 spsc <- scores points # 绘制出物种的分数 sp.sc <- scores points # 绘制定量解释变量的箭头和它们的标签 spsc <- scores arrows text # 绘制地貌单元中心点和它们的标签的绘图点 unimes spusc <- scores points text