如何访问 vegan 函数 envfit 生成的整个模型的 R 平方值？答案

【问题标题】：How do I access the R squared value for the entire model generated by vegan function envfit?如何访问 vegan 函数 envfit 生成的整个模型的 R 平方值？
【发布时间】：2020-03-03 15:44:36
【问题描述】：

我正在分析一些微生物组数据，方法是使用无约束排序（PCA 或 NMDS），然后使用 vegan 包中的 envfit 函数拟合环境向量。 envfit 的输出包括 envfit 模型中包含的每个向量或因子的 r2 值，但我对所有向量/因子解释的变化总量感兴趣，而不仅仅是独立变量。我认为我不能简单地将分配给每个环境变量的 R2 值相加，因为每个环境变量“解释”的微生物组变异可能存在重叠。但是，似乎没有任何方法可以访问模型的总 r2 值。

使用示例数据集，这是我迄今为止尝试过的：

library(vegan)
library(MASS)

data(varespec, varechem)
library(MASS)
ord <- metaMDS(varespec)
fit <- envfit(ord, varechem, perm = 999)
fit

这显示了每个环境变量的 r2，但是如何提取整个模型的 r2 值？

我尝试过运行 fit$r、attributes(fit)$r 和 Rsquare.Adj(fit)，但这些都返回 NULL。

【问题讨论】：

嗨，你能不能总是在 Stack Overflow 上发布可重现的代码？ 1. 您的 library 呼叫丢失，2. cca() 仅适用于数字列。干杯！
谢谢！这是我的第一篇文章，所以只是学习绳索。我会做出改变。
我还更新了我的问题以包含一个更接近我自己的数据集，并使用 NMDS 而不是 CCA，产生的输出更类似于我的实际分析。
现在这是一个很好的问题，但我不知道 :)
您必须分别考虑每个环境变量。因为它们具有不同的比例，所以您无法计算 R^2，即 1 - SSE / SST。例如，试试这个 summary(lm(cbind(mpg,wt) ~.,data=mtcars))

标签： r vegan

【解决方案1】：

R 平方 = 解释变异 / 总变异，或 r^2 = 1 - SSE/SST。对于两个不同的响应，残差将在不同的尺度上，因此计算两个响应的组合 R^2 没有意义。

例如，在经典的lm中，它们是分开计算的：

> summary(lm(cbind(mpg,wt) ~.,data=mtcars))
Response mpg :

Call:
lm(formula = mpg ~ cyl + disp + hp + drat + qsec + vs + am + 
    gear + carb, data = mtcars)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.6453 -1.2655 -0.4199  1.6320  5.0843 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept) 15.57062   19.81294   0.786   0.4403  
cyl          0.11982    1.10348   0.109   0.9145  
disp        -0.01361    0.01212  -1.122   0.2738  
hp          -0.01122    0.02246  -0.500   0.6223  
drat         1.32726    1.71312   0.775   0.4467  
qsec         0.09428    0.66944   0.141   0.8893  
vs           0.66770    2.22845   0.300   0.7673  
am           2.90074    2.17590   1.333   0.1961  
gear         1.18650    1.56061   0.760   0.4552  
carb        -1.32912    0.63321  -2.099   0.0475 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 2.816 on 22 degrees of freedom
Multiple R-squared:  0.845, Adjusted R-squared:  0.7816 
F-statistic: 13.33 on 9 and 22 DF,  p-value: 5.228e-07


Response wt :

Call:
lm(formula = wt ~ cyl + disp + hp + drat + qsec + vs + am + gear + 
    carb, data = mtcars)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.40769 -0.18831  0.00012  0.15204  0.50382 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) -0.879401   2.098183  -0.419 0.679189    
cyl         -0.062246   0.116858  -0.533 0.599603    
disp         0.007252   0.001284   5.649 1.11e-05 ***
hp          -0.002763   0.002378  -1.162 0.257792    
drat        -0.145385   0.181419  -0.801 0.431483    
qsec         0.195613   0.070893   2.759 0.011445 *  
vs          -0.094189   0.235992  -0.399 0.693653    
am          -0.102418   0.230427  -0.444 0.661045    
gear        -0.142945   0.165268  -0.865 0.396411    
carb         0.304068   0.067056   4.535 0.000163 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.2983 on 22 degrees of freedom
Multiple R-squared:  0.9341,    Adjusted R-squared:  0.9071 
F-statistic: 34.63 on 9 and 22 DF,  p-value: 5.944e-11

对于这个例子，你必须为每个环境变量计算每个 R^2

【讨论】：