R语言|冗余分析（RDA）到底如何应用？如何在R语言中实现？

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