在线作图丨数据降维方法⑥——消除趋势对应分析(Detrended correspondence analysis, DCA)

Question 1: What is DCA?
想要理解DCA（Detrended correspondence analysis, 消除趋势对应分析），首先要理解CA（Correspondence analysis，对应分析）。就群落排序而言，对应分析比主成分分析（PCA）更好，更稳健，但是在处理长生态梯度时存在缺陷或者“错误”，这些问题可以通过消除趋势的对应分析（Detrended Correspondence Analysis, DCA）处理。由于在对应分析（Correspondence analysis，CA）中可能会产生“弓形效应（arch effect）”，对排序的精度产生影响，此时去趋势对应分析（Decentred Correspondence Analysis，DCA）也许会是一个较好的选择。
弓形效应如下图的X的点的形状。

×为消除趋势前样品排布；· 为消除趋势后样品排布

由于是为了去除CA第二轴产生的弓形效应的影响，所以其大体和CA是一致的。仅仅在求第二轴的坐标值时，不需要进行正交化，取而代之的是除趋势。即将第一轴分成数个区间，在每一区间内对第二轴的排序值分别进行中心化。用经过除趋势处理的样本的排序值，再进行加权平均求新的特征排序值。跟第一轴的求法一样，不断的迭代。采用一个将第一轴分成一系列区间，在每个区间内将平均数定为零，从而消除了弓形效应。

Qu