r - 如何计算素食 rda/cca 对象的物种贡献百分比？

Question

我正在尝试重现该列(FactoMineR::PCA 中的“variable”，vegan::rda 中的“species”)contribution percentages to axes from the FactoMineR包装在 vegan 中。这些贡献被编码在 FactoMiner::PCA 对象中:

library(FactoMineR)
library(vegan)

data(dune)

fm <- FactoMineR::PCA(dune, scale.unit = FALSE, graph = FALSE)

head(round(sort(fm$var$contrib[,1], decreasing = TRUE), 3))
# Lolipere Agrostol Eleopalu Planlanc  Poaprat  Poatriv 
#  17.990   16.020   13.866    7.088    6.861    4.850 

通过查看 FactoMiner::PCA 的代码，我发现贡献的计算方法是轴坐标平方除以轴特征值再乘以 100%:

head(round(sort(100*fm$var$coord[,1]^2/fm$eig[1], decreasing = TRUE), 3))
# Lolipere Agrostol Eleopalu Planlanc  Poaprat  Poatriv 
#  17.990   16.020   13.866    7.088    6.861    4.850 

我无法使用 vegan::rda 对象复制上述计算:

vg <- rda(dune)

head(round(sort(100*scores(vg, choices = 1, display = "sp", 
scaling = 0)[,1]^2/vg$CA$eig[1], decreasing = TRUE), 3))
# Lolipere Agrostol Eleopalu Planlanc  Poaprat  Poatriv 
#   0.726    0.646    0.559    0.286    0.277    0.196

我显然做错了什么，差异可能是由于这两个包计算列坐标的方式不同，因为轴的特征值非常相似(与我的实际数据集相同)，但坐标不是:

# vegan eigenvalue for axis 1
vg$CA$eig[1]
#     PC1 
# 24.79532 

# FactoMineR eigenvalue for axis 1
fm$eig[1]
# [1] 23.55555

# vegan column coordinates for axis 1
head(round(scores(vg, choices = 1, display = "sp", scaling = 0)[,1], 3))
# Achimill Agrostol Airaprae Alopgeni Anthodor Bellpere 
#  -0.176    0.400    0.007    0.155   -0.163   -0.097 

#FactoMineR, column coordinates for axis 1
head(round(fm$var$coord[,1], 3))
# Achimill Agrostol Airaprae Alopgeni Anthodor Bellpere 
#   0.854   -1.943   -0.033   -0.751    0.791    0.472 

# Sum of column coordinates for vegan axis 1 to illustrate the difference
sum(scores(vg, choices = 1, display = "sp", scaling = 0)[,1])
# [1] -0.796912

# Sum of column coordinates for FactoMineR axis 1 to illustrate the difference
sum(fm$var$coord[,1])
# [1] 3.867738

如何使用 vegan rda 计算列/物种对排序轴的贡献百分比 对象？

Answer 1

vegan 中的未缩放分数在(正常)意义上未缩放，即它们的平方和为 1 -- 独立于特征值:

> colSums(scores(vg, choices=1:4,dis="sp", scaling=0)^2)
  PC1 PC2 PC3 PC4 
    1   1   1   1 

我认为这是有记录的。如果您想将这些平方项称为贡献，那对我来说没问题。 cca 也是如此，但是您需要研究加权平方和。此外，站点 (dis = "si") 的未缩放 分数将具有相同的单位平方和:这就是未缩放的概念。如果您缩放物种或地点，那么相同的关系将不再适用于另一组分数。通常，未缩放意味着分数是正交的，因此它们的叉积是单位矩阵(对角线或平方和 1 和非对角线元素 0)。对于 scaled 分数，这些平方和与特征值成正比(但阅读 vegan vignette on design decisions for constant scaling of of分数)。

vegan 函数 goodness 和 inertcomp 可能(也可能不会)为您提供您正在寻找的信息。