最近我们被客户要求撰写关于生态学冗余分析RDA的研究报告，包括一些图形和统计输出。
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$adj.r.sqd
制作三序图。
par
plot
points
usc <- scores
points
text
成分数据
首先我加载了物种数据。同样，该文件 PAl.csv 必须在工作目录中。为了降低大丰度的重要性，我将 Hellinger 转换应用于物种数据。
sp <- Hellinger(sp)然后我使用所有环境变量作为解释变量进行了冗余分析。
head(suda)
# 获得R^2和调整后的R^2
(sR2 <- RseAdj
(spdj <- RseAdj$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
# 绘制出物种的点数
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
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
# 绘制出物种的点数
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
