约束排序（RDA和CCA）作为研究解释变量矩阵（通常是环境因子）解释响应变量矩阵（通常是物种数据）主要多元统计方法，广泛应用生态学与环境科学多元数据分析当中。在约束排序分析中，我们可以获得全模型（即包含所有环境因子）的解释率（RDA称为R²，CCA称为解释率），即响应变量总变量（total variation）能够被解释变量解释的比例。在很多的研究中，我们不仅要回答总解释率，也想获得每个解释变量（环境因子）所分配的解释率。理论上，如果解释变量之间存在共线性，不可能获得各个变量准确的解释率，因为解释变量之间存在共同解释部分，而共同解释部分到底是哪个解释变量解释的实际上从数学上无法辨别的，因此我们常用韦恩图来展示独立解释部分和共同解释部分（如下图）。

本程序包采用 Hierarchical Partitioning理论来分解每个解释变量的解释率。请大家本地下载安装并library：

主函数rdaenvpart解释如下：

rdaenvpart(Y,X,pieplot = "tv",type="RDA")

Y是响应变量矩阵

X是解释变量矩阵，目前不能超过13个变量，因为超过13个，组合太多算不过来。超过9个会有四舍五入的误差

pieplot = "tv"或pieplot = "tev"，选择tv是展示每个解释变量占总变化量（total variation）的比例的饼图，选择tev是展示每个解释变量占总被解释变化量（total explained variation）的比例的饼图。

type="RDA"或type="CCA"

理论基础请参考文献：

Chevan, A. and Sutherland, M. 1991. Hierarchical Partitioning. The American Statistician 45:90~96

 案例的结果图如下：

提示：目前是试用版本，请广大使用者试用并提供建议，有建议请发邮件到 lai@ibcas.ac.cn或加我QQ：185756911

包的下载：

原创R包：rdaenvpart（层次分割获取RDA和CCA单解释变量的贡献）

rdaenvpart_0.1.0.tar.gz

需要依赖vegan包和hier.part包。请自行安装！