冗余分析(RDA)排序分析应用的例子
冗余分析(The Redundant analysis,RDA),属于一种约束排序分析。与PCA、PCoA、CA及NMDS等非约束排序方法不同的是:RDA分析涉及到两个矩阵间的降维排序分析,受RDA排序算法创始人的影响,RDA分析一般需要提供名为“群落物种”和“环境变量”矩阵数据。RDA的优势是结合了主成分分析(PCA)和回归分析对变量间的关系进行降维排序,将高维变量投影到二维坐标上。至于约束排序与非约束排序的区别,直白点说约束排序有两个不同类型的矩阵(比如物种数据和环境因素数据),而非约束排序则只有单个矩阵。
冗余分析也有不同的分类,比如:
1、基于转化的RDA分析(tb-RDA)。这种是针对于物种或环境因子数据的量纲差异巨大情况下,需要将物种或环境因子数据进行一定转化;另一种是针对物种数据零值较多的情况,特别是微生物测序的OTU数据,这种情况下需要提前执行Hellinger转换。数据转换后RDA的计算方式保持不变。
2、偏RDA分析。这是针对将解释变量(如环境因子矩阵)细分为两个变量矩阵A和B,进行RDA分析是考虑当B对物种数据矩阵有确定影响的情况下,了解A对物种数据变化的影响。例如:气候因素(如海拔、降水、温度等)影响植物物种分布,目的是想知道有气候因素的情况下,土壤理化因子对植物物种的影响大小,这时以气候因素作为协变量,土壤理化因子作为解释变量来探索与植物物种之间关系的RDA分析,即为偏RDA分析。
3、基于样方距离