原文链接:http://tecdat.cn/?p=25564
原文出处:拓端数据部落公众号
冗余分析(redundancy analysis,RDA)是一种回归分析结合主成分分析的排序方法,也是多因变量(multiresponse)回归分析的拓展。从概念上讲,RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析。
本报告对植物生态多样性做了数据分析。
冗余分析 首先,加载数据。
要加载数据,所有文件都必须在工作目录中。
ste <- read.csv("sr.csv")
ev <- read.csv("ev.csv")
as <- read.csv("as.csv")
我对数据做了一些修改。首先,我将
ev
数据的所有定量变量(即除地貌单元外的所有变量)与 as
数据组合成一个名为 enqut
. 然后,我对数据进行了归一化, 允许非常不同单位的变量之间进行比较。最后,我在归一化的定量环境变量中添加了地貌单元列,创建数据框 era
,用于冗余分析。enqut<- cbind(ev[,-5],ap)
enz <- scale
ut <- env[,5]
era<- data.frame
结构数据 我使用环境数据
era
作为解释变量对植被结构进行了冗余分析。我将结果分配给对象 str
。summary(str)
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/f8f2803ae3dc47a1b02719b4655dc670.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/70086315428d438083bb648ac9c696ba.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/4cef253caa66432094a65ae97566e92c.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/a319778584624aa0be931fd8af252f3e.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/70ab620c40dd46fc913d6dd86fa85e9a.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/669c2441d1e2406fa2dd501be9574a90.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/cc0b1563de1546d1be3dd2185a82f67d.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/7ed28784d3c443ba92e301d0423a7cb1.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/cda59b9cc03345e5bf2d130934e6f36a.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/39250c216c93413f9feb69ac264280f8.jpg)
文章图片
然后我得到了这个分析的 R 方和调整后R 方。
RsquareAdj
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/76cc75532ac049a695b8a4832f664e6d.png)
文章图片
RsqeAdj$adj.r.sqd
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/96c37f28ce3f4bd4a29bbd9d51197ec0.png)
文章图片
制作三序图。
par
plot
points
usc <- scores
points
text
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/1e23415051b146bc9df655ccee0a4e2a.jpg)
文章图片
成分数据 首先我加载了物种数据。同样,该文件
PAl.csv
必须在工作目录中。为了降低大丰度的重要性,我将 Hellinger 转换应用于物种数据。sp <- Hellinger(sp)
然后我使用所有环境变量作为解释变量进行了冗余分析。
head(suda)
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/29f56b2588874b32b2f35982329c042a.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/f3d9804c097f45d687261f0c1456269c.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/c9a42def8d3444f9bc5586b0e09017ff.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/e47b586c469f46ddabecab409ef11d0e.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/89b43f281ec2480aba055de67fa1ff10.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/a6702fe09774476c9e77a860ec954766.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/08afa74cce2342b5be37d5313905f27d.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/721685e6978649e5b6531528a0fbe279.png)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/ca117c028dcd40ce9a057069ab0fadf5.png)
文章图片
#获得R^2和调整后的R^2
(sR2 <- RseAdj
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/ee514f6468a04d79aa464a705a4d9137.png)
文章图片
(spdj <- RseAdj$adj.r.sed)
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/91354e779cb3435f8dbae8a852a4dbe9.png)
文章图片
以2型标尺 对物种数据制作 RDA三序图。
# 做好绘图空间
par
plot
# 绘制站点的分数
spc <- scores
points# 绘制出物种的点数
ssc <- scores
points# 绘制定量解释变量的箭头和它们的标签
spesc <- scores
arrows
env.names
text# 绘制地貌单元中心点和它们的标签的绘图点
spsc <- scores
points
text
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/0591c06ffeef46119571c2886f3bf578.jpg)
文章图片
论文图形 这是为论文制作图形的代码。
par
ensc <- scores
arrows
points# 制作绘图空间
par
plot
abline
mtext# 绘制站点的分数
spsc <- scores
points# 绘制出物种的点数
sp.sc <- scores
points# 绘制定量解释变量的箭头和它们的标签
spsc <- scores
arrows
text# 绘制地貌单元中心点和它们的标签的绘图点
unimes
spusc <- scores
points
text
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/01c4e07802174f4c9bb397f4a475f245.jpg)
文章图片
![拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化](https://img.it610.com/image/info8/91c111c744f042bf9b649cca2b823a8f.jpg)
文章图片
最受欢迎的见解
1.matlab偏最小二乘回归(PLSR)和主成分回归(PCR)
2.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析
3.主成分分析(PCA)基本原理及分析实例
4.基于R语言实现LASSO回归分析
5.使用LASSO回归预测股票收益数据分析
6.r语言中对lasso回归,ridge岭回归和elastic-net模型
7.r语言中的偏最小二乘回归pls-da数据分析
8.r语言中的偏最小二乘pls回归算法
9.R语言线性判别分析(LDA),二次判别分析(QDA)和正则判别分析(RDA)
【拓端数据tecdat|拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化】
推荐阅读
- 拓端tecdat|拓端tecdat|Python多项式Logistic逻辑回归进行多类别分类和交叉验证准确度箱线图可视化
- 拓端tecdat|拓端tecdat|R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验
- Java100例教程|UDP网络基础知识简介
- Python爬取分享|使用Python获取国际版淘宝AliExpress的商品信息
- JAVA的自学之路|【Java课程设计】【图形界面程序】【计算器】
- c++|模拟实现string类
- Go语言|Go语言编程笔记1(Hello World)
- JavaWeb|浅谈JVM
- Go语言|【Golang】做算法题可能会用到的知识