Как вы определяете, сколько переменных слишком велико для CCA?

Question

Я использую CCA с некоторыми экологическими данными с ~ 50 сайтами и несколькими сотнями видов. Я знаю, что вы должны быть осторожны, когда количество объяснительных переменных приближается к вашему количеству образцов. У меня 23 пояснительных переменных, поэтому для меня это не проблема, но я также слышал, что использование слишком большого количества объясняющих переменных может начать «не ограничивать» CCA.

Существуют ли какие-либо указания относительно количества объясняющих переменных? До сих пор я только что построил их все, а затем удалил те, которые кажутся излишними (оставляя меня с 8). Могу ли я использовать значения intertia, чтобы помочь информировать/обосновать это?

Благодаря

Answer 1

Это тот же вопрос, как вопрос: «сколько переменных слишком много для регрессионного анализа?». Не «почти одно и то же», но точно такое же: CCA - это ординатация установленных значений линейной регрессии. В самых тяжелых случаях вы можете переодеться. В CCA это очевидно, когда первые собственные значения CCA и (без ограничений) CA почти идентичны, а ординаты выглядят одинаково в первых измерениях (вы можете использовать анализ Procrustes для проверки этого). Крайним случаем было бы то, что остаточные вариации исчезают, но в координации вы фокусируетесь на первых измерениях, и там ограничения могут потеряться намного раньше, чем в более поздних ограниченных осях или в остатках. Что еще более важно: вы должны видеть CCA как своего рода регрессионный анализ и иметь такое же отношение к ограничениям в отношении объяснительных (независимых) переменных в регрессии. Если у вас нет предварительной гипотезы для изучения, у вас есть все проблемы выбора модели регрессионного анализа и проблемы многовариантной ординации, но это нетехнические проблемы, которые следует решать где-то еще, чем в stackoverflow.