排序分析

今天一起床收到中国电信发来的短信：5.22是国际生物多样性日。

正好问读者一个问题：生物多样性分为几个层次？

答案在最后~

本文参考《数量生态学》，总结一下排序分析。

排序分析按照不同的模型可以分为两类：

1.基于线性模型所建立的排序方法叫做线性排序（linear ordination），以主分量分析（Principal components analysis，PCA）为主。

PCA后来发展出了主坐标分析（Principal coordinates analysis，PCoA）。PCA只能用欧氏距离，而PCoA可以用各种距离。PCoA是PCA的一般化。

将PCA与环境因子结合起来，又发展出了典范主分量分析（Canonical principal component analysis，CPCA）。PCA 分析的每一步都与环境因子进行回归，再将回归系数结合到下一步排序值的计算之中。

2.基于单峰模型的排序称为非线性排序（nonlinear ordination），以对应分析（Correspondence analysis, CA）为基础而发展而来。非线性排序结果一般优于线性排序结果。

CA分析由于在第二轴会产生马蹄形效应，发展出了降趋势对应分析（Detrended Correspondence Analysis，DCA）来克服这一缺点。DCA效果优于CA。

将CA与多元回归结合，每一步计算结果都与环境因子进行回归，建立了典范对应分析（Canonical Correspondence Analysis, CCA）。但是显然的，CCA也会出现马蹄形效应。因此将CCA与DCA的方法结合，出现了降趋势典范对应分析（Detrended Canonical Correspondence Analysis，DCCA）的新方法。

此外，为了克服PCA和PCoA线性的缺点，还从另一个角度发展出了非线性排序方法:无度量多维标定法（Non—Metric Multi—Dimensional Scaling；NMDS）。PCoA是根据不相似系数的值进行得排序，而NMDS是根据不相似系数大小的顺序进行的排序。

以上方法中的大部分在微生物分析中已经很常见了。

PCA之前介绍过：

R-三种做PCA函数的差异：princomp，prcomp及rda

马蹄形效应也介绍过：

微生物研究中的“双零问题”

CPCA和DCCA除了各自一篇原始的中文文献之外，似乎再没有文章用过。搜了一下也没找到可用的函数或包。

搜R相关的内容可以在这个网站：

https://rdrr.io/

Search for anything R related

参考：

张金屯 数量生态学

END

一个环境工程专业却做生信分析的深井冰博士，深受拖延症的困扰。想给自己一点压力，争取能够不定期分享学到的生信小技能，亦或看文献过程中的一些笔记与小收获，记录生活中的杂七杂八。

目前能力有限，尚不能创造知识，只是知识的搬运工。