【发布时间】:2023-01-31 18:29:51
【问题描述】:
我对我的数据进行了标准的 RDA 分析。我正在努力寻找对一些重要见解的正式分析(即我需要一种方法来在我的论文中报告这些陈述)
-
R2 值 + 每个环境变量的重要性等级或顺序?我可以看到灌木解释了最少的变化,但在其他三个之间,我无法确定哪个更长。另外,有没有办法获得 R2 或
Contribution to RDA model?anova.cca(mite.spe.rda.signif, step = 1000, by = "term")仅提供方差和 p 值。我想了解更多的实力和贡献。基本上我想为我的论文创建一个这样的表格(附在下面) -
考虑位于 Shrub 和 WaterCont 之间的红色 x ~(-0.5,-0.5)。我想估计 Shru 或 WaterCont 是否解释了更多的变化。我如何计算每次加载的距离来支持我的观点?
# Load mite species abundance data data("mite") # Load environmental data data("mite.env") # Hellinger transform the community data mite.spe.hel <- decostand(mite, method = "hellinger") # Standardize quantitative environmental data mite.env$SubsDens <- decostand(mite.env$SubsDens, method = "standardize") mite.env$WatrCont <- decostand(mite.env$WatrCont, method = "standardize") mite.spe.rda.signif <- rda(mite.spe.hel ~ WatrCont + Shrub + Substrate + Topo + SubsDens, data = mite.env) # Find the adjusted R2 of the model with the retained env # variables RsquareAdj(mite.spe.rda.signif)$adj.r.squared anova.cca(mite.spe.rda.signif, step = 1000, by = "term") # Scaling 2 ordiplot(mite.spe.rda.signif, scaling = 2, main = "Mite RDA - Scaling 2")
【问题讨论】:
标签: r regression pca rda