欢迎光临散文网 会员登陆 & 注册

拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化

2022-03-06 13:16 作者:拓端tecdat  | 我要投稿

原文链接:http://tecdat.cn/?p=25564 

原文出处:拓端数据部落公众号

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。

  1. ste <- read.csv("sr.csv")

  2. ev <- read.csv("ev.csv")

  3. 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。

  1. enqut<- cbind(ev[,-5],ap)

  2. enz <- scale

  3. ut <- env[,5]

  4. 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。


  1. head(suda)


 







  1. #  获得R^2和调整后的R^2

  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. # 做好绘图空间

  2. par

  3. plot

  4. # 绘制站点的分数

  5. spc <- scores

  6. points


  7. # 绘制出物种的点数

  8. ssc <- scores

  9. points


  10. # 绘制定量解释变量的箭头和它们的标签

  11. spesc <- scores

  12. arrows

  13. env.names

  14. text


  15. # 绘制地貌单元中心点和它们的标签的绘图点

  16. spsc <- scores

  17. points

  18. text


论文图形

这是为论文制作图形的代码。



  1. par

  2. ensc <- scores

  3. arrows

  4. points


  5. # 制作绘图空间

  6. par

  7. plot

  8. abline

  9. mtext


  10. # 绘制站点的分数

  11. spsc <- scores

  12. points


  13. # 绘制出物种的点数

  14. sp.sc <- scores

  15. points


  16. # 绘制定量解释变量的箭头和它们的标签

  17. spsc <- scores

  18. arrows

  19. text


  20. # 绘制地貌单元中心点和它们的标签的绘图点

  21. unimes

  22. spusc <- scores

  23. points

  24. text



最受欢迎的见解

1.matlab偏最小二乘回归(PLSR)和主成分回归(PCR)

2.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析

3.主成分分析(PCA)基本原理及分析实例

4.基于R语言实现LASSO回归分析

5.使用LASSO回归预测股票收益数据分析

6.r语言中对lasso回归,ridge岭回归和elastic-net模型

7.r语言中的偏最小二乘回归pls-da数据分析

8.r语言中的偏最小二乘pls回归算法

9.R语言线性判别分析(LDA),二次判别分析(QDA)和正则判别分析(RDA)


拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化的评论 (共 条)

分享到微博请遵守国家法律