R中做零模型

前几天有人问我R里面怎么做零模型。 有现成的函数，picante包的randomizeMatrix直接就搞定了。 我回复之后随便在网上搜了一下，意外发现竟然没有搜到相关的文章。 那就简单写写吧。

1randomizeMatrix(samp, null.model = c("frequency", "richness",
2    "independentswap", "trialswap"), iterations = 1000)    
3#参数：
4samp：群落数据
5null.model：零模型构建方式
6iterations：迭代次数    

frequency：

物种出现频率固定，随机化物种内丰度； richness：

样本内物种丰富度固定，随机化样本内的丰度； independentswap：

同时固定物种出现频率和样本内物种丰富度，根据 (Gotelli 2000) 的独立交换算法（independent swap algorithm）进行随机化； trialswap：同时固定物种出现频率和样本内物种丰富度，根据(Miklos & Podani 2004) 的trial-swap算法进行随机化。

除此之外，在计算PD，MPD，MNTD的效应量时，也需要打乱距离矩阵来构建零模型。方法包括： taxa.labels：

打乱距离矩阵上所有物种的标签。 richness：

固定样本的物种丰富度，随机化样本内部的丰度。 frequency：

固定物种发生率，随机化物种内丰度。 sample.pool：

以相同概率从所有物种池（至少在一个样本中出现的物种的集合）中抽取物种进行随机化。 phylogeny.pool：

以相同概率从所有系统发育池（在距离矩阵中出现）中抽取物种进行随机化。 independentswap：同上 trialswap：同上

swap algorithm： 这种方法从原始矩阵开始，随机选择2 × 2的子矩阵，主对角线上是1，其他是0，反之亦然(即所谓的“棋盘单位”)。 交换0和1产生一个新的矩阵，使行和列总数保持不变，并且这个新矩阵可以进行另一次随机交换，以此类推。 trial‐swap algorithm： 原始的swap algorithm可能产生有偏的分布，trial‐swap是它的修改版本，对矩阵的交换次数进行了限制，使得结果收敛于均匀分布。

当然随机化的算法远不止以上提及的这些。。。

各种随机化方法可能存在两个问题： 1.随机化方法不是真正的随机化，而是伪随机化，产生的分布并不是真正随机的，而是有偏的。 2.对于微生物群落研究，如果方法太过随机化，得到的零模型群落和实际观测群落必然产生很大的偏差，那么所有过程都将是确定性的。如果随机化程度太小，则又和观测群落差别不大，过程将是随机的。如何选择方法非常重要。整个群落构建我感觉都挺坑的。。。