RDA或者CCA[1]是基于对应分析发展而来的一种排序方法,将对应分析与多元回归分析相结合,每一步计算均与环境因子进行回归,又称多元直接梯度分析。此分析是主要用来反映菌群与环境因子之间关系。RDA是基于线性模型,CCA是基于单峰模型。分析可以检测环境因子、样本、菌群三者之间的关系或者两两之间的关系。
1. RDA或CCA模型的选择原则:先用Species Table数据做DCA分析,看分析结果中Axis lengths的**轴的大小,如果大于4.0,就应该选CCA,如果3.0-4.0之间,选RDA和CCA均可,如果小于3.0,RDA的结果要好于CCA。
2.通过bioenv函数判断环境因子与样本群落分布差异的**Pearson相关系数,通过**相关系数得到环境因子子集。
3.将样本物种分布表与环境因子或环境因子子集分别做CCA或者RDA分析。
4.通过类似于ANOVA的permutest分析来判断CCA或者RDA分析的显著性。
输入:
1、Species Table文件,由分析模块"Summary the representation of taxonomic groups"生成。
2、样本环境因子信息文件,示例:
!!注:输入的环境因子个数必须大于等于2,并且小于样本个数。
Sample Temperature Salinity DO pH
1410X 20.30 18.10 8.39 8.80
1501X 11.00 21.10 11.27 8.12
150