2月21日，Wiley发邮件通知我说2022在Methods in Ecology and Evolution（MEE）第4期的论文（Lai et al. 2022a）成为该刊2021-2022年的Top cited paper（图1）。这个邮件还是其他作者告知我才知道的，因为发给我的email被邮件系统自动识别为垃圾邮件，直到2月25日才从垃圾箱捡回来。
我好奇从Web of Science查了一下，MEE在2021和2022两年总共发论文449篇（图2），我们的论文SCI引用次数达到90次排第一名，排第二名的是2021年第9期发表的一篇关于“物种分布模型工具”的文章，引用是74次。2022年MEE共发表230篇，我们的引用远远超过排第二名的2022年第3期发表的一篇关于生态网络的文章，引用为10次（图3）。另外从WOS导出的数据获得2022年发表的这230篇论文到目前总被引用286次，我们单篇就占了31.5%（90次），这个比例的确让人瞠目结舌。MEE高级编辑乔慧捷博士发来消息说，前几天MEE编委开会，编辑报告了我们的文章让整个刊物来自中国的引用数量急剧上升。这是个可喜的现象。因为相比英国生态学会其他几个旗舰刊物，MEE并没有被中国的作者所熟悉，不仅引用的数量少，投稿和发文量也很少。例如，MEE自2010年创刊到2020年期间，中国大陆的作为第一作者的文章屈指可数，大概占文章总数的1%，虽然近几年数量有所增加，但比例也还是偏低，跟我们庞大生态研究群体极不匹配。希望我们这篇文章能够起到抛砖引玉的作用，鼓励国内的更多的学者、特别是年轻的学者更多投入研究方法学的研究，并积极向MEE投稿，努力填补我们在此领域的短板。
MEE的文章（Lai et al. 2022a）是解决典范分析中具有多重共线性的解释变量的相对重要性评估的难题。我们贡献是将统计学中“层次分割”的理论应用于典范分析，并将层次分割与变差分解建立起数学联系，认为可以通过平均分配共享方差与边际效应之和获得单个解释变量所分配的解释率，通过比较单个变量解释率来评估典范分析中（包括多元回归）共线性的解释变量相对重要性，同时开发了基于R语言平台的rdacca.hp包来实现上述方法。国际同行认为该论文和配套的R包为多变量模型的解读和模型筛选做出了非常有价值的贡献，厘清了各种判断指标之间的关系，解决了长期困扰典范分析的一个难题。最近，我们又发表了相关的两篇文章。一篇是将MEE文章中提出“平均共享方差”方案推广到广义混合线性模型（GLMM，包括普通的LMM），并开发glmm.hp包用于分解GLMM中由固定因子（预测变量）解释的marginal R2，目前该文已经发表在2022第6期的Journal of Plant Ecology上（Lai et al. 2022b）（图4），目前该文也被引用了6次。另外一篇中文的文章是介绍rdacca.hp包原理和案例，以及分析截至2022年8月31日使用rdacca.hp分析数据的93篇SCI论文的领域（图5），目前已经发表在2023年第1期的《植物生态学报》上（刘尧等，2023）。
最后需要强调的是，如果大家使用rdacca.hp做不限解释变量数量（组）的变差分解或层次分割，请记得引用MEE的文章（Lai et al. 2022a）。目前，vegan包里面做“variation partitioning”的函数var.part（目前最大只能分解4组，超过了就得用rdacca.hp了）在帮助文件中也已经将我们MEE的文章列为“variation partitioning”理论基础的参考文献，所以凡是使用VP方法和var.part函数的地方均可以引用Lai et al. (2022a)作为参考文献。如果是中文的文章，建议直接引用《植物生态学报》的文章（刘尧等，2023），以方便国内的读者更容易理解rdacca.hp的原理。如果是广义混合线性模型（包括普通的混合线性模型），请使用glmm.hp包，并引用JPE的文章（Lai et al. 2022b）。
1.Jiangshan Lai*, Yi Zou, Jinlong Zhang, Pedro R. Peres-Neto. 2022a. Generalizing hierarchical and variation partitioning in multiple regression and canonical analyses using the rdacca.hp R package. Methods in Ecology and Evolution,13:782-788
2. Jiangshan Lai*, Yi Zou, Shuang Zhang, Xiaoguang Zhang. Lingfeng Mao.2022b. glmm.hp: an R package for computing individual effect of predictors in generalized linear mixed models. Journal of Plant Ecology 15(6)：1302-1307.
