研究者提出了一种评价典型分析中解释变量相对重要性的新方法

来源：植物研究所，2022年1月21日08:16

典型分析是生态多元统计的核心分析方法，主要用于量化环境因素(解释变量)对多物种生物群落(响应变量)的决定性影响。由于涉及的参数较多，在典型分析中如何评价多重共线性解释变量的相对重要性是一个尚未解决的问题。前面的分析使用了简单效应，边际效应

典型分析是生态多元统计的核心分析方法，主要用于量化环境因素(解释变量)对多物种生物群落(响应变量)的决定性影响。由于涉及的参数较多，在典型分析中如何评价多重共线性解释变量的相对重要性是一个尚未解决的问题。在以往的分析中，简单效应、边际效应或条件效应被用作相对重要性的评价指标，但多重共线性对这些指标的影响可能导致评价不准确。

近日，中国科学院植物研究所马克平课题组等。将统计学中的“层次划分”理论应用于典范分析，建立了层次划分与变异分解之间的数学联系。他们认为，单个解释变量指定的解释率可以通过平均分配通常解释的成分和边际效应的总和来获得，而共线解释变量在典型分析中的相对重要性可以通过比较单个变量的解释率来评估。同时，研究人员开发了基于R语言平台的rdacca.hp包来实现上述方法，并利用已发表的欧洲豆瓣河鱼类分布和10个环境因子的经典案例数据来进行方法的贯彻和rdacca.hp包的使用演示，方便国内外同行对结果进行重复和核对。

业内专家认为，这一研究和配套的R包为多元模型的解释和模型筛选做出了非常有价值的贡献，理清了各种判断指标之间的关系，解决了长期困扰典型分析的一个难题。

相关成果发表在生态学期刊《生态学与进化中的方法》上，支持论文的rdacca.hp包发表在R语言官方网站上。这项研究得到了科技部和中国科学院的支持。(100yiyao.com)

版权声明

本网站标注“来源：百医网”或“来源：bioon”的文字、图片、音视频资料均属于百医网网站版权所有。未经授权，任何媒体、网站或个人不得转载，否则将承担责任。获得书面授权转载时，必须注明“来源：百医网”。其他来源的文章均为转载。本网站所有转载都是为了传递更多信息。转载不代表本网站的立场。不想被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户在随时阅读、评论、分享百医网APP。请扫描二维码下载-