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做了数据分析。
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$adj.r.sqd
制作三序图。
1. par
2. plot
3. points
4. usc <- scores
5. points
6. text
成分数据
首先我加载了物种数据。同样,该文件 PAl.csv
必须在工作目录中。为了降低大丰度的重要性,我将 Hellinger 转换应用于物种数据。
sp <- Hellinger(sp)
然后我使用所有环境变量作为解释变量进行了冗余分析。
- head(suda)
- # 获得R^2和调整后的R^2
- (sR2 <- RseAdj
(spdj <- RseAdj$adj.r.sed)
以2型标尺 对物种数据制作 RDA三序图。
1.
2.
3.
4. # 做好绘图空间
5. par
6. plot
7. # 绘制站点的分数
8. spc <- scores
9. points
10.
11. # 绘制出物种的点数
12. ssc <- scores
13. points
14.
15. # 绘制定量解释变量的箭头和它们的标签
16. spesc <- scores
17. arrows
18. env.names
19. text
20.
21. # 绘制地貌单元中心点和它们的标签的绘图点
22. spsc <- scores
23. points
24. text
论文图形
这是为论文制作图形的代码。
1.
2.
3. par
4. ensc <- scores
5. arrows
6. points
7.
8. # 制作绘图空间
9. par
10. plot
11. abline
12. mtext
13.
14. # 绘制站点的分数
15. spsc <- scores
16. points
17.
18. # 绘制出物种的点数
19. sp.sc <- scores
20. points
21.
22. # 绘制定量解释变量的箭头和它们的标签
23. spsc <- scores
24. arrows
25. text
26.
27. # 绘制地貌单元中心点和它们的标签的绘图点
28. unimes
29. spusc <- scores
30. points
31. text