赖江山的博客分享 http://blog.sciencenet.cn/u/laijiangshan 生态、统计与R语言

博文

多元线性回归和约束排序中单个解释变量解释比例获取(代码)

已有 2437 次阅读 2019-10-30 14:20 |系统分类:科研笔记| 回归代码

多元线性回归和约束排序中单个解释变量解释比例获取

                 赖江山

多元回归线性分析(multiply linear regression 和约束排序(constrained ordination)是研究解释变量矩阵(通常是环境因子)解释响应变量(回归分析是单一向量,约束排序是多变量的矩阵)主要统计模型,广泛应用生态学与环境科学数据分析当中。在多元回归分析(multiply linear regression 和约束排序(RDACCA)中,我们可以获得全模型(即包含所有环境因子)的解释率(在线性模型中称为R2),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,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。理论上讲,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很难辨别。在很多研究论文中,经常会看到使用回归或约束排序,不仅给出总的R2,还给出每个解释变量(环境因子)所分配的R2,这个分配R2实际上应该叫做条件效应(Conditional effect),然而条件效应并不是该环境因子真正的单独解释量。但很多文献没有交代每个环境因子的解释率(%)是条件效应,并不是单独解释率,实际上是对条件效应不理解。

本讲座首先厘清多元回归线性分析和约束排序中三种解释率:单独效应(Simple effect);边际效应(Marginal effect)和条件效应(Conditional effect),随后演示R程序包hier.partrdacca.hp包获得单个解释变量解释率。这两个包都是利用层次分割(Hierarchical Partitioning)理论分别分解广义线性模型GLM(包括普通线性回归)和约束排序(RDACCA)获得每个解释变量解释率。

多元线性回归和约束排序中单个解释变量解释比例获取.R

北林讲座.zip




http://blog.sciencenet.cn/blog-267448-1204072.html

上一篇:获取地理信息数据的函数getData {raster}
下一篇:关于adespatial包

4 檀成龙 李学友 张鹰 舒旺

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-7-12 06:00

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部