Анализ PRC с парными наблюдениями в vegan

Question

Это сообщение является копией сообщения, которое я написал в R-Forge. Я хотел бы вычислить анализ кривых основных ответов на мои данные. У меня есть несколько пар участков, где олени просматривают растительность на острове Антики, Квебек. В течение 4 лет проводятся повторные наблюдения за каждым сюжетом. На каждом участке есть участок внутри шкафа (без оленя, называемый «взрывозащита»), а другой участок находится за пределами корпуса (с оленем, называемым «контроль»). Я хотел бы учесть парное наблюдение в каждом из шкафов и в каждом из них в анализе КНР. Я хотел бы добавить другой термин условия в PRC (как в частичном RDA), чтобы рассмотреть парные наблюдения или извлечь значение из частичного RDA, вычисленного с помощью формулы КНР, и построить его так, как это делается в КНР.

Более того, я хотел бы протестировать с помощью тестов перестановок значение различия между двумя обработками. Моя гипотеза заключается в том, чтобы определить, отличается ли состав растительности в результате разложения, чем в контроле на протяжении многих лет. Итак, я хотел бы знать, есть ли разница между двумя процедурами, и если есть, то сколько лет.

Кто-нибудь знает, как это сделать?

Так вот код моего PRC (без учета парных наблюдений во внимание):

levels (treat) 
[1] "controle" "exclosure" 

levels (years) 
[1] "0" "3" "5" "8" 

prc.out <- prc(data.prc.spe.hell, treat, years) 
    species <- colSums(data.prc.spe.hell) 
    plot(prc.out, select = species > 5) 

ctrl <- how(plots = Plots(strata = site,type = "free"), 
      within = Within(type = "series"), nperm = 99) 
anova(prc.out, permutations = ctrl, first=TRUE) 

Here is the result.

Большое спасибо за вашу помощь!

Answer 1

Возможно, у меня есть ответ на первую часть вашего вопроса: «Я хотел бы добавить другой термин условия для КНР (например, в частичном RDA) для рассмотрения парных наблюдений».

В настоящее время я работаю над подобным случаем, и это то, с чем я столкнулся: поскольку кривые главных ответов (КНР) являются особым случаем RDA и цель состоит в том, чтобы сделать своего рода «частичную КНР», Я прочитал R-документацию функции rda(), и это то, что я нашел: «Если поставляется матрица Z, ее эффекты удаляются из матрицы сообщества, а остаточная матрица передается на следующий этап».

Так что, если я хорошо понимаю, когда вы выполняете частичное RDA с X, Y, Z (X = матрица сообщества, Y = матрица ограничения, Z = матрица кондиционирования), первое, что делает эта функция, - удалить эффект Z с помощью невязок матрицы RDA Х ~ Z.

Если это верно, то это легко сделать этот шаг в одиночку, а затем использовать остаточную матрицу в вашей КНР:

library(vegan) 
rda.out = rda(X ~ Z) # equivalent of "rda.out = rda(X ~ Condition(Z))" 
rda.res = residuals(rda.out) 
prc.out = prc(rda.res, treatment, time) 

Если вы закодировали фиктивную переменную для эффекта спаривания, я думаю, что она должна быть как .factor() и NOT as.numeric().

Я не специалист по статистике, но он выглядит правильно. Хотя это выглядит просто, я был бы признателен, если бы кто-то мог подтвердить мой ответ.

Cheers