之前文章中我們講到過冗余分析（redundancy analysis, RDA），今天我們來講另一種分析——典范對應分析（canonical correspondence analysis, CCA），這是一種基于對應分析（correspondence analysis, CA）發(fā)展而來的排序方法，又稱多元直接梯度分析，是研究兩組變量之間相關(guān)關(guān)系的一種多元統(tǒng)計方法，它能夠揭示出兩組變量之間的內(nèi)在聯(lián)系。

講到這兒也許很多同學會有疑問：我怎么知道自己到底是選擇RDA分析還是CCA分析？其實RDA 和CCA 模型的選擇原則很簡單，RDA分析一般是基于線性模型的，而CCA分析是基于單峰模型的。當拿到數(shù)據(jù)之后呢，我們可以先對數(shù)據(jù)做DCA（detrendedcorrespondence analysis） 分析，然后我們根據(jù)DCA分析結(jié)果中DCA1的Axis Lengths值的大小進行選擇，如果該值大于4.0就選CCA；如果該值在3.0-4.0 之間，選RDA 和CCA都可以；如果該值小于3.0，選擇RDA就行。

1、加載包

2、加載數(shù)據(jù)

3、CCA分析

4、R2及P值校正、約束軸置換檢驗

1）R2值校正

2）約束軸的置換檢驗及P值校正

5、提取作圖數(shù)據(jù)

6、繪圖

1）散點圖繪制

2）添加環(huán)境因子數(shù)據(jù)

7、環(huán)境因子與群落結(jié)構(gòu)差異性分析

1）顯著性計算

2）繪圖

3）合并圖形

4）AI美化

參考：

1）https://copyfuture.com/blogs-details/20200723174028438au5ftbuawf9sdyo

2）https://zhuanlan.zhihu.com/p/399810564?ivk_sa=1024320u

源碼及作圖數(shù)據(jù)可在后臺回復“CCA”獲?。。。?/strong>? ? ? ? ? ? ? ? ? ? ??? ? ? ? ??