使用 envfit (vegan) 计算物种分数

Question

我正在运行 NMDS，并且对 vegan 包中的 envfit() 函数有一些疑问。我已经阅读了这个函数的文档以及关于 SO 和其他关于素食、envfit() 和一般物种分数的许多帖子。

• 我见过envfit() 和wascore() 都用于计算排序技术的物种分数。默认情况下，metaMDS() 使用wascore()。这使用加权平均，我理解。我很难理解envfit()。 envfit() 和 wascore( 产生相同的结果吗？ wascore() 是否更可取，因为它是默认设置？我意识到在某些情况下，wascore() 可能不是一个选项（即负值），如本文所述。 How to get 'species score' for ordination with metaMDS()?

• 鉴于envfit() 和wascore() 似乎都用于物种评分，它们应该会产生相似的结果，对吧？我希望我们可以在这里证明这一点...... 下面显示了使用默认wascore() 使用metaMDS() 确定的物种分数：

data(varespec)
ord <- metaMDS(varespec)
species.scores <- as.data.frame(scores(ord, "species"))
species.scores

wascore() 对我来说很有意义，它使用加权平均。在 McCune 和 Grace (2002) p. 的生态数据分析中对物种得分的加权平均进行了很好的解释。 150.

有人可以帮我分解envfit吗？

species.envfit <- envfit(ord, varespec, choices = c(1,2), permutations = 999)
species.scores.envfit <- as.data.frame(scores(species.envfit, display = "vectors"))
species.scores.envfit

“您在表中看到的值是用于将向量投影到排序中的线性回归的标准化系数。这些是单位长度箭头的方向。” - 来自 @ 的评论987654323@

^有人可以告诉我这里正在运行什么线性模型以及正在提取什么标准化值吗？

species.scores
species.scores.envfit

这些值彼此非常不同。我在这里错过了什么？

这是我的第一个 SO 帖子，请多多包涵。我会在其他一些相关线程上问一个问题，但我是 SO 的渣滓，甚至没有评论的声誉。

谢谢！

Answer 1

问：wascores() 和 envfit() 给出相同的结果吗？

不，它们不会给出相同的结果，因为它们正在做两件完全不同的事情。在这个answer 中，我已经解释了envfit() 的工作原理。 wascores() 获取 nmds 空间中点的坐标并计算每个维度的平均值，通过每个点的物种丰度对观察结果进行加权。因此wascores() 返回的物种分数是每个物种在 NMDS 空间中的加权质心，其中权重是物种的丰度。 envfit() 适合指向丰度增加方向的向量。这意味着在 NMDS 排列上的一个平面，当你平行于箭头移动时，丰度从平面上的任何点线性增加，而wascores() 最好被认为是最优的，当你远离加权质心时，丰度会下降，虽然我认为这个类比比 CA 任命要宽松。

是否是最优的问题，是你传入标准化数据的问题；正如您链接到的答案所示，这意味着负权重不起作用。通常，我们不会标准化物种丰度——我们应用了一些转换，比如转换为比例、平方根或对数转换，将数据标准化为 0-1 区间——但这些不会给你负丰度，所以你；更少可能会遇到这个问题。

NMDS 中的

envfit() 不一定是好事，因为我们不希望丰度在排序空间内线性变化。 wascores() 更好，因为它们暗示非线性丰度，但它们在 NMDS 中有点骇人听闻。 ordisurf() 通常是一个更好的选择，因为它添加了一个 GAM（平滑）曲面而不是向量所暗示的平面，但是您不能在排序上显示多个曲面，而您可以添加尽可能多的曲面种 WA 分数或箭头随心所欲。

这里的基本问题是假设envfit() 和wascores() 应该给出相同的结果。没有理由假设这些是计算 NMDS 的“物种分数”的根本不同方法，并且每种方法都有自己的假设和优缺点。