在R中使用PCA比较相异度量

Question

我想比较几个不同度量(即Bray-Curtis，Jaccard，Gower)的行为。我见过使用主成分双线图来实现这一点(即参见Legendre和Caceres，2013 )：

​

​

有什么建议吗？下面提供了示例数据：

# Load the required packages
library(ade4)
library(vegan)
library(FD)

#Load data
data(dune)

# Calculate a series of dissimilarity measures for the data
dune.bc <- vegdist(dune, method="bray")
dune.mh <- vegdist(dune, method="manhattan")
dune.eu <- vegdist(dune, method="euclidean")
dune.cn <- vegdist(dune, method="canberra")
dune.k <- vegdist(dune, method="kulczynski")
dune.j <- vegdist(dune, method="jaccard")
dune.g <- vegdist(dune, method="gower")
dune.m <- vegdist(dune, method="morisita")
dune.h <- vegdist(dune, method="horn")
dune.mf <- vegdist(dune, method="mountford")
dune.r <- vegdist(dune, method="raup")
dune.bi <- vegdist(dune, method="binomial")
dune.c <- vegdist(dune, method="chao")

#Compare the behaviour of the dissimilarity measures using a PCA plot
# Suggestions on how proceed with this step would be greatly appreciated!

Answer 1

嗯，这不是作者所做的。如果你读过那篇论文，你会发现PCA双线图是每个相异系数的属性矩阵之一，而不是k个相异矩阵的PCA。基本上，他们通过PCA分析了论文中的表2(减去最右侧的列，标记为*D*max)。

我不知道一种比较相异矩阵的方法，除了通过普罗克斯特旋转和相关的抗争排列测试，或者曼特尔测试:参见procrustes()，protest()和mantel()

您可以查看具有梯度值的系数的rankindex()作为另一种比较。

Answer 2

听起来你想做的是第二阶段分析？

取几个相异矩阵，在它们之间生成成对的秩相关，这就是相异矩阵的相异矩阵。在那里，您可以使用NMDS将它们全部绘制出来。一般来说，你会发现类似的计算(如欧几里达族，bray-curtis族等)。紧密地分组在一起。

查看:通过第二阶段社区分析探索交互。(2006) clarke，somerfield，airoldi和warwick

在这里，他们做你建议的，或想要的:关于生态研究的相似性度量，包括分类差异和剥蚀组合的zer调整的Bray-Curtis系数。(2006) Clarke，Somerfield和Chapman。