10

vegan パッケージを使用して R で正規対応分析を実行しましたが、出力を理解するのが非常に難しいと思います。トリプロットは理解できますが、要約 (cca) から取得したすべての数値は私を混乱させます (私は序列法について学び始めたばかりなので) X (この場合は環境変数) と、このモデルで重要な独立変数はどれですか?

私の出力は次のようになります。

Partitioning of mean squared contingency coefficient:
              Inertia Proportion
Total           4.151     1.0000
Constrained     1.705     0.4109
Unconstrained   2.445     0.5891

Eigenvalues, and their contribution to the mean squared contingency coefficient 

Importance of components:
                        CCA1   CCA2    CCA3    CCA4    CCA5    CCA6      CCA7
Eigenvalue            0.6587 0.4680 0.34881 0.17690 0.03021 0.02257 0.0002014
Proportion Explained  0.1587 0.1127 0.08404 0.04262 0.00728 0.00544 0.0000500
Cumulative Proportion 0.1587 0.2714 0.35548 0.39810 0.40538 0.41081 0.4108600

                         CA1    CA2     CA3     CA4     CA5     CA6     CA7
Eigenvalue            0.7434 0.6008 0.36668 0.33403 0.28447 0.09554 0.02041
Proportion Explained  0.1791 0.1447 0.08834 0.08047 0.06853 0.02302 0.00492
Cumulative Proportion 0.5900 0.7347 0.82306 0.90353 0.97206 0.99508 1.00000

Accumulated constrained eigenvalues

Importance of components:
                        CCA1   CCA2   CCA3   CCA4    CCA5    CCA6      CCA7
Eigenvalue            0.6587 0.4680 0.3488 0.1769 0.03021 0.02257 0.0002014
Proportion Explained  0.3863 0.2744 0.2045 0.1037 0.01772 0.01323 0.0001200
Cumulative Proportion 0.3863 0.6607 0.8652 0.9689 0.98665 0.99988 1.0000000

Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions

Species scores

                 CCA1     CCA2    CCA3      CCA4      CCA5       CCA6
S.marinoi     -0.3890  0.39759  0.1080 -0.005704 -0.005372 -0.0002441
C.tripos       1.8428  0.23999 -0.1661 -1.337082  0.636225 -0.5204045
P.alata        1.6892  0.17910 -0.3119  0.997590  0.142028  0.0601177
P.seriata      1.4365 -0.15112 -0.8646  0.915351 -1.455675 -1.4054078
D.confervacea  0.2098 -1.23522  0.5317 -0.089496 -0.034250  0.0278820
C.decipiens    2.2896  0.65801 -1.0315 -1.246933 -0.428691  0.3649382
P.farcimen    -1.2897 -1.19148 -2.3562  0.032558  0.104148 -0.0068910
C.furca        1.4439 -0.02836 -0.9459  0.301348 -0.975261  0.4861669

Biplot scores for constraining variables

                CCA1    CCA2     CCA3     CCA4     CCA5     CCA6
Temperature  0.88651  0.1043 -0.07283 -0.30912 -0.22541  0.24771
Salinity     0.32228 -0.3490  0.30471  0.05140 -0.32600  0.44408
O2          -0.81650  0.4665 -0.07151  0.03457  0.20399 -0.20298
Phosphate    0.22667 -0.8415  0.41741 -0.17725 -0.06941 -0.06605
TotP        -0.33506 -0.6371  0.38858 -0.05094 -0.24700 -0.25107
Nitrate      0.15520 -0.3674  0.38238 -0.07154 -0.41349 -0.56582
TotN        -0.23253 -0.3958  0.16550 -0.25979 -0.39029 -0.68259
Silica       0.04449 -0.8382  0.15934 -0.22951 -0.35540 -0.25650

これらすべての数値のうち、私の分析にとって重要なのはどれですか? /アンナ

4

2 に答える 2

15

によってどのくらいの変動が説明されXますか?

CCA では、分散は通常の意味での分散ではありません。これを「平均二乗分割係数」または「慣性」と表現します。Y の「変動」が X によってどの程度説明されるかを確認するために必要なすべての情報は、以下に再現する出力のセクションに含まれています。

Partitioning of mean squared contingency coefficient:
              Inertia Proportion
Total           4.151     1.0000
Constrained     1.705     0.4109
Unconstrained   2.445     0.5891

この例では、総慣性 4.151 があり、X 変数 (これらは「制約」) は合計 1.705 ビットの慣性を説明します。これは約 41% であり、約 59% が説明されていません。

固有値を参照する次のセクションでは、説明された慣性と説明された比率の両方の観点から、どの軸が CCA の説明的な「力」(Constrained上の表の部分) と説明されていない「分散」(上の表のUnconstrained部分) に大きく寄与するかを確認できます。上の表。

次のセクションには、叙階スコアが含まれています。これらは、トリプロット内の点の座標と考えてください。何らかの理由で上記の出力にサイト スコアを表示していますが、通常はそこに表示されます。これらはスケーリングされていることに注意してください-デフォルトではこれを使用していますscaling = 2-そのため、サイトポイントは種スコアIIRCなどの加重平均になります.

「バイプロット」スコアは、矢印の頭またはラベルの位置です。プロットがどのように描かれているかを正確に忘れています。

これらすべての数値のうち、私の分析にとって重要なのはどれですか?

それらはすべて重要です。トリプロットが重要で解釈可能であると考える場合、それは によって報告された情報に完全に基づいていsummary()ます。データについて特定の質問がある場合、特定のセクションだけが最も重要である可能性があります。

ただし、StackOverflow は、そのような統計的な質問をする場所ではありません。

于 2014-03-20T15:34:44.093 に答える