PCoA:主坐标轴分析
数值型变量使用各种距离公式,而分类变量看是否相同,比如,
Aabbcc
||
Aaffff
其中,两个相同,4个不同,一组6个,则(6+6-2*2)=8。
PC0A与PCA区别在于PCoA有多种计算距离公式。
NMDS:
两者之差比两者之和,得到similarity得分,按分排序。所以,S是similarity,值越大越相似。
对差距不敏感只有排序,多一个物种或者类群差距都不大,稳健性。
STRESS来衡量转换的好坏,低于0.05比较好。
RDA or RA用矩阵解释矩阵,以前是用矩阵解释向量。Eg:用生化指标(10项)解释身高、体重和血压。
原理是将矩阵转化为向量,最后用向量解释向量,即得到两个RDA1之间的相关系数。
Loading 是每一列的变量,就是每个主成分含有多少轴,score是每一个sample对应的值。即一个主成分中可能有N个轴,就是一个主成分占有N个变量。
用RDA不能解释的部分用PCA解释:
Triplot:y变量,x变量,score值
分成两大类之后,分析各类对变量的影响:
散点图判断两两之间的单调性,如果是单调则使用RDA,非单调使用CCA。
CCA使用卡方分布,其余与RDA相同。
Unimodal是单峰非线性的,如果是双峰或者更复杂关系则不能使用。
Generalized Joint Attribute Modeling:
James S. Clark is Nicholas Professor of the Nicholas School of the Environment and Professor of Statistical Science. Clark’s research focuses on how global change affects populations, communities, and ecosystems.