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 tecdat|r语言|开发语言|拓端tec

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

文章图片

文章图片

然后我得到了这个分析的 R 方和调整后R 方。

RsquareAdj

文章图片

RsqeAdj$adj.r.sqd

文章图片

制作三序图。

par plot points usc <- scores points text

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)

文章图片

#获得R^2和调整后的R^2 (sR2 <- RseAdj

文章图片

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

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

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

文章图片

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】