R 语言生态统计工具包介绍：rdacca.hp、glmm.hp、gam.hp 与 phylolm.hp

在生态学研究中，变量共线性、非线性关系、多层次数据结构 以及 系统发育依赖性 是常见挑战，这些问题会影响变量重要性的准确评估。针对这些问题，我们开发了四个 R 语言工具包——rdacca.hp、glmm.hp、gam.hp 和 phylolm.hp，分别用于 典范分析（canonical analysis）、广义线性混合模型（GLMM）、广义可加模型（GAM） 以及 系统发育广义线性模型（phylogenetic GLM） 中 解释变量相对贡献 的计算。

这些工具包均采用 平均共享方差（average shared variance） 方法，能够有效避免变量共线性导致的贡献估计偏倚，并为研究者提供更科学、稳定的变量重要性度量。这些方法在生态学、生物多样性、环境科学等多个领域具有广泛应用。

1. rdacca.hp：典范分析（RDA、CCA、dbRDA）中解释变量的重要性评估

rdacca.hp（Relative Decomposition of Adjusted Canonical Coefficient Analysis using Hierarchical Partitioning）专用于 典范排序分析（RDA, CCA, dbRDA），通过 平均共享方差 方法计算各解释变量对模型解释率（R²）的贡献，从而克服变量共线性导致的贡献偏倚问题。

主要特点：

• 适用于 冗余分析（RDA）、典范对应分析（CCA）和基于距离的 RDA（dbRDA），用于定量评估解释变量的相对贡献。

• 采用 校正决定系数（adjusted R²），减少样本量对解释率估计的影响。

• 可用于 群落组成、环境因子作用、生态梯度分析等研究。

• 通过 平均共享方差 方法，使各解释变量贡献之和等于总解释率（total R²），确保分解的合理性。

2. glmm.hp：多元回归、广义线性模型（GLM）和广义混合模型（GLMM）中解释变量的重要性评估

glmm.hp 适用于 普通最小二乘回归（OLS）、广义线性模型（GLM）、广义线性混合模型（GLMM），以及 零膨胀广义混合模型（zero-inflated GLMM），为包含 固定效应和随机效应 的数据分析提供解释变量相对贡献的计算方法。

主要特点：

• 适用于 OLS 回归、GLM、GLMM 和零膨胀GLMM。

• 兼容 二项分布、泊松分布、负二项分布等不同的误差结构。

• 计算解释变量的相对贡献，适用于重复测量、群落生态学、环境因子分析等数据类型。

• 采用 平均共享方差 方法，确保贡献总和等于固定效应解释的总 R²。

3. gam.hp：广义可加模型（GAM）中解释变量的重要性评估

gam.hp 适用于 广义可加模型（GAM），专门用于分析 mgcv 包 gam() 函数输出的校正 R² 和被解释的离差（deviance explained），计算各解释变量的相对贡献。

GAM 通过 平滑函数（smoothing functions） 灵活地拟合变量间的非线性关系，在生态学、环境科学和气候研究中广泛应用。然而，由于 GAM 的非参数特性，传统回归系数或决定系数方法难以准确衡量各解释变量的相对贡献。

gam.hp 采用“平均共享方差”方法计算解释变量相对贡献，克服变量共线性导致的贡献偏倚问题，为研究者提供更科学、稳定的变量重要性度量。

主要特点：

• 仅适用于 mgcv 包的 gam() 函数输出，分析校正 R² 和被解释的离差（deviance explained）。

• 计算 解释变量相对贡献，克服变量共线性问题。

• 适用于 物种生态位建模、环境梯度分析、气候变化影响评估等领域。

• 采用 平均共享方差 方法，使得贡献之和等于 GAM 解释的 R²总量。

4. phylolm.hp：系统发育广义线性模型（phylogenetic GLM）中环境变量和系统发育效应的重要性评估

phylolm.hp 适用于 系统发育广义线性模型（phylogenetic GLM），用于研究 环境因子 与 系统发育效应 在 物种功能性状变异 中的相对贡献。在生态学和进化生物学中，系统发育信号通常影响物种的性状演化，因此在分析物种生态位或性状变异时，需要区分 环境因子效应 与 系统发育约束。

本工具包扩展了 phylolm 和 phyloglm 计算框架，采用 平均共享方差 方法计算 环境因子 和 系统发育关系 在 物种性状 变异中的相对贡献，为系统发育生态学研究提供了新的分析方法。

主要特点：

• 适用于 phylolm和phyloglm进行系统发育回归分析。

• 计算 环境因子 和 系统发育效应对物种性状变异的相对贡献。

• 适用于 系统发育生态学、功能性状研究、进化生物学等领域。

• 采用 平均共享方差 方法，使得系统发育效应和环境因子贡献之和等于模型解释的 R² 总量。

总结

这四个 R 包（rdacca.hp、glmm.hp、gam.hp 和 phylolm.hp）分别适用于 典范分析、多元回归、GLM、GLMM、GAM 和系统发育 GLM，为生态学研究者提供了一套强大的变量相对重要性分析工具。

所有工具包均基于 平均共享方差 方法计算变量相对贡献，能够有效应对 变量共线性、多层次数据结构、非线性关系和系统发育效应 等问题，为生态学、生物多样性、环境科学等领域的研究者提供坚实的数据分析支持。