全文下載鏈接：http://tecdat.cn/?p=25564

冗余分析（redundancy analysis，RDA）是一種回歸分析結(jié)合主成分分析的排序方法，也是多因變量（multiresponse）回歸分析的拓展。從概念上講，RDA是因變量矩陣與解釋變量之間多元多重線性回歸的擬合值矩陣的PCA分析（點擊文末“閱讀原文”獲取完整代碼數(shù)據(jù)）。

相關視頻

拓端

，贊9

本報告對植物生態(tài)多樣性數(shù)據(jù)做了分析。

冗余分析

首先，加載數(shù)據(jù)。

要加載數(shù)據(jù)，所有文件都必須在工作目錄中。

ste?<-?read.csv("sr.csv")
ev?<-?read.csv("ev.csv")
as?<-?read.csv("as.csv")

我對數(shù)據(jù)做了一些修改。首先，我將?ev?數(shù)據(jù)的所有定量變量（即除地貌單元外的所有變量）與?as?數(shù)據(jù)組合成一個名為?enqut. 然后，我對數(shù)據(jù)進行了歸一化，?允許非常不同單位的變量之間進行比較。最后，我在歸一化的定量環(huán)境變量中添加了地貌單元列，創(chuàng)建數(shù)據(jù)框?era，用于冗余分析。

enqut<-?cbind(ev\[,-5\],ap)
enz?<-?scale
ut?<-?env\[,5\]
era<-?data.frame

結(jié)構(gòu)數(shù)據(jù)

我使用環(huán)境數(shù)據(jù)era?作為解釋變量對植被結(jié)構(gòu)進行了冗余分析。我將結(jié)果分配給對象?str。

summary(str)

然后我得到了這個分析的 R 方和調(diào)整后R 方。

RsquareAdj

RsqeAdj$adj.r.sqd

制作三序圖。

par
plot
points
usc?<-?scores
points
text

成分數(shù)據(jù)

首先我加載了物種數(shù)據(jù)。同樣，該文件?PAl.csv?必須在工作目錄中。為了降低大豐度的重要性，我將 Hellinger 轉(zhuǎn)換應用于物種數(shù)據(jù)。

sp?<-?Hellinger(sp)

然后我使用所有環(huán)境變量作為解釋變量進行了冗余分析。

head(suda)

#??獲得R^2和調(diào)整后的R^2
(sR2?<-?RseAdj

(spdj?<-?RseAdj$adj.r.sed)

以2型標尺 對物種數(shù)據(jù)制作 RDA三序圖。

#?做好繪圖空間
par
plot
#?繪制站點的分數(shù)
spc?<-?scores
points

#?繪制出物種的分數(shù)
ssc?<-?scores
points

#?繪制定量解釋變量的箭頭和它們的標簽
spesc?<-?scores
arrows
env.names?
text

#?繪制地貌單元中心點和它們的標簽的繪圖點
spsc?<-?scores
points
text

點擊標題查閱往期內(nèi)容

生態(tài)學建模：增強回歸樹（BRT）預測短鰭鰻生存分布和影響因素

左右滑動查看更多

01

02

03

04

論文圖形

這是為論文制作圖形的代碼。

par
ensc?<-?scores
arrows
points

#?制作繪圖空間
par
plot
abline
mtext

#?繪制站點的分數(shù)
spsc?<-?scores
points

#?繪制出物種的分數(shù)
sp.sc?<-?scores
points

#?繪制定量解釋變量的箭頭和它們的標簽
spsc?<-?scores
arrows
text

#?繪制地貌單元中心點和它們的標簽的繪圖點
unimes?
spusc?<-?scores
points
text

本文摘選《R語言數(shù)量生態(tài)學冗余分析RDA分析植物多樣性物種數(shù)據(jù)結(jié)果可視化》，點擊“閱讀原文”獲取全文完整資料。

本文中的植物數(shù)據(jù)分享到會員群，掃描下面二維碼即可加群！

點擊標題查閱往期內(nèi)容

主成分分析PCA譜分解、奇異值分解SVD預測分析運動員表現(xiàn)數(shù)據(jù)和降維可視化
用回歸和主成分分析PCA 回歸交叉驗證分析預測城市犯罪率數(shù)據(jù)
PCA(主成分分析)，CA(對應分析)夫妻職業(yè)差異和馬賽克圖可視化用回歸和主成分分析PCA 回歸交叉驗證分析預測城市犯罪率數(shù)據(jù)
R語言k-means聚類、層次聚類、主成分（PCA）降維及可視化分析鳶尾花iris數(shù)據(jù)集
R語言有限混合模型(FMM,finite mixture model)EM算法聚類分析間歇泉噴發(fā)時間
R語言用溫度對城市層次聚類、kmean聚類、主成分分析和Voronoi圖可視化Python用稀疏、高斯隨機投影和主成分分析PCA對MNIST手寫數(shù)字數(shù)據(jù)進行降維可視化
R語言主成分分析（PCA）葡萄酒可視化：主成分得分散點圖和載荷圖
R語言用主成分PCA、?邏輯回歸、決策樹、隨機森林分析心臟病數(shù)據(jù)并高維可視化
R語言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析案例報告python主題建?？梢暬疞DA和T-SNE交互式可視化
python主題LDA建模和t-SNE可視化
R語言高維數(shù)據(jù)的主成分pca、t-SNE算法降維與可視化分析案例報告
維度規(guī)約（降維）算法在WEKA中應用
使用Python和Keras進行主成分分析、神經(jīng)網(wǎng)絡構(gòu)建圖像重建
R語言中的嶺回歸、套索回歸、主成分回歸：線性模型選擇和正則化