基于R语言piecewiseSEM程序包，通过理论讲解和实际操作相结合的方式，由浅入深地系统介绍结构方程模型的建立、拟合、评估、筛选和结果展示的全过程。我们筛选大量经典案例，这些案例来主流期刊，具有很大的参考和借鉴价值。训练内容包括R语言入门、结构方程模型原理简介、piecewise包简介及应用案例、非正态分布变量分析、嵌套/分层/多水平数据分析、重复测量和时间数据分析、空间自相关数据分析、系统发育数据分析、复合变量分析、分类变量、非线性数据及数据分组分析。

基于R语言piecewiseSEM结构方程模型在生态环境领域应用

本教程适合R语言和结构方程模型的初学者，也适合对结构方程模型有高阶应用需求的研究生和科研人员，内容的设置是基于多年来与学员沟通和交流，使大家能够利用piecewiseSEM解决构建结构方程模型过程中的众多困扰。

专题1 R/Rstudio简介及入门

(1)R及Rstudio介绍：背景、软件及程序包安装、基本设置等

(2)R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等

(3)R语言数据文件读取、整理（清洗）、结果存储等（含tidverse）

(4)R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储

专题2 结构方程模型（SEM）介绍

(1)SEM的定义、生态学领域应用及历史回顾

(2)SEM的基本结构

(3)SEM的估计方法

(4)SEM的路径规则

(5)SEM路径参数的含义

(6)SEM分析样本量及模型可识别规则

(7)SEM构建基本流程

专题3 piecewise包简介及应用案例

(1)结构方程模型在生态学研究中的应用介绍及要点回顾

(2)piecewiseSEM结构方程模型基本原理

(3)piecewiseSEM结构方程模型构建应用案例

专题4 piecewiseSEM非正态分布变量分析

(1)非正态分布数据VS非正态分布变量

(2)piecewiseSEM处理非正态变量的注意事项

(3)piecewiseSEM处理二项分布和泊松分布案例

专题5 piecewiseSEM嵌套/分层/多水平数据分析

(1)嵌套/多水平/分层数据概述

(2)piecewiseSEM与混合/多水平/分层模型的结合

(3)均衡和不均衡结构嵌套/多水平/分层数据结构方程实例

专题6 piecewiseSEM处理重复测量和时间数据

(1)时间重复测量数据特点简介

(2)时间/重复测量数据的自相关问题

(3)piecewiseSEM处理时间自相关问题实例

专题7 piecewiseSEM处理空间自相关数据

(1)数据空间自相关概述  

(2)piecewiseSEM处理空间自相关数据基本原理

(3)piecewiseSEM处理空间自相关问题实例

专题8 piecewiseSEM处理系统发育数据

(1)系统发育相关问题介绍              

(2)系统发育相关数据纳入结构方程模型实现途径

(3)piecewiseSEM系统发育相关数据纳入结构方程实例

专题9 piecewiseSEM复合变量（composite）分析

(1)复合变量的定义及在生态学领域应用情景分析

(2)piecewiseSEM复合变量分析实现途径

(3)piecewiseSEM复合变量分析案例

专题10 piecewiseSEM处理分类变量

(1)分类变量介绍

(2)分类变量路径系数含义及表达方式

(3)外生变量为分类变量分析案例

专题11 piecewiseSEM非线性关系数据分析

(1)非线性数据简介

(2)piecewiseSEM处理非线性数据途径及案例

(3)piecewiseSEM处理变量间交互作用关系方式及案例

专题12 piecewiseSEM数据分组（multigroup）分析

(1)分组数据vs分类变量vs交互作用

(2)数据分组分析实现途径

(3)二分组及多分组模型分析及结果表达

(4)分组分析案例

注：请提前自备电脑及安装所需软件

R语言贝叶斯方法在生态环境领域中的高阶技术应用

本教程包括回归及结构方程模型概述及数据探索；R和Rstudio简介及入门和作图基础；R语言数据清洗-tidyverse包；贝叶斯回归与混合效应模型；贝叶斯空间自相关、时间自相关及系统发育相关数据分析；贝叶斯非线性数据分析;贝叶斯结构方程模型及统计结果作图等。

不仅适合R语言和生态环境数据统计分析初学者，也适合有高阶应用需求的研究生和科研人员。通过大量实例讲解，使大家能应对科研工作中复杂数据局面，选择合适模型，提高数据分析能力。

专题一：预习

1.1 复杂数据回归（混合效应）模型的选择策略

1）科学研究中数据及其复杂性

2）回归分析历史、理论基础

3）回归分析基本假设和常见问题

4）复杂数据回归模型选择策略

1.2 结构方程模型（SEM）生态领域应用简介

1)SEM的定义、生态学领域应用及历史回顾

2)SEM的基本结构

3)SEM的估计方法

4)SEM的路径规则

5)SEM路径参数的含义

6)SEM分析样本量及模型可识别规则

7)SEM构建基本流程

1.3 如何通过数据探索避免常见统计问题

1)数据缺失（missing value）

2)零值（zero trouble）

3)奇异值/离群值（outliers）

4)异质性（heterogeneity）

5)数据分布正态性（normality）

6)响应变量与预测变量间关系（relationships）

7)交互作用项（interaction）

8)共线性（collinearity）

9)样本独立性（independence）

专题二：R和Rstudio简介及入门和作图 

1）R及Rstudio介绍：背景、软件及程序包安装、基本设置等

2）R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等

3）R语言数据文件读取、整理、结果存储等

4）R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储

专题三：R语言数据清洗-tidyverse包应用 

1）tidyvese简介：tidyr、dplyr、readr、%>%等

2）文件操作：不同格式文件读取、多文件同时读取等

3）数据筛选：行筛选、列筛选、条件筛选（字符操作）等

4）数据生成：数据合并、数据拆分、新数据生成（字符操作）等

5）长宽数据转换、空值（NA）等填充及删除、分组、排序及汇总等

专题四：贝叶斯回归模型-回归、方差及协防差分析

1）贝叶斯统计简介

2）贝叶斯回归分析建模、模型诊断、交叉验证、预测和作图

3）贝叶斯回归分析多预测变量：回归、方差、协方差及交互作用

4）贝叶斯回归模型的过度拟合、共线性、分类变量等

专题五：贝叶斯混合效应模型-数据分层和嵌套

1）混合效应模型基本原理

2） 贝叶斯效混合应模型建模步骤及实现

3） 贝叶斯的预测和模型诊断

4）贝叶斯混合效应模型的多重比较

5）贝叶斯混合效应模型的方差分解

专题六：贝叶斯计数数据分析

1）贝叶斯0，1数据分析：二项分布及伯努利分布

2） 贝叶斯泊松分布数据分析

3）贝叶斯过度离散数据分析

4）贝叶斯零膨胀数据分析

5）贝叶斯截断数据分析

专题七：贝叶斯相关数据分析：时间、空间、系统发育相关数据

1）贝叶斯回归模型方差异质性问题及解决途径

2）贝叶斯时间自相关分析：线性及混合效应模型及时间自相关+方差异质性

3）贝叶斯空间自相关分析：空间距离矩阵、空间邻接关系及矩阵

4）贝叶斯系统发育相关分析

专题八：贝叶斯非线性关系数据分析：广义可加（混合）模型（BGAM/BGAMM）和非线性（混合）(BNLM/BNLMM)模型

1）“线性”回归的含义及非线性关系的判定

2）贝叶斯广义可加（混合效应）（GAM/GAMM）模型

3）贝叶斯非线性（混合效应）（NLM/NLMM）模型

专题九：贝叶斯结构方程模型（BSEM）

(1) R语言贝叶斯SEM实现程序包blavaan和brms介绍

(2) 案例1：气候及生态位重叠程度对田鼠物种丰富度影响：模型比较、直接和间接效应计算（blavaan&brms）

(3) 案例2：火烧后对植被恢复影响因素-模型拟合、模型比较和评估（brms）

(4) 案例3：生物地理历史因素对北半球森林的初级生产力的影响（brms）

专题十：超越贝叶斯统计：因果推断

1）因果推断概述-因果关系之梯

2） 因果推断实现（DAG）

3） 贝叶斯回归VS贝叶斯网络-揭开因果迷雾

专题十一：贝叶斯统计结果作图

1）贝叶斯分析结果数据提取和作图准备

2）贝叶斯回归模型结果图：散点图、预测图、箱线图、柱状图、提琴图、密度图及峰峦图等

3）贝叶斯结构方程模型结果图表达

理论方面，针对Meta分析效应量的选取与计算、异质性检验、数据结构、固定效应和随机效应模型、数据信息的获取与偏倚分析、数据填补等知识进行系统的梳理。实践方面，结合具体案例，针对MetaWin软件的功能逐一介绍，并对结果如何导出和解读进行全面讲解。掌握生态环境领域相关问题Meta分析的基本思路与基本步骤，且通过一步步讲解与上机操作，具备解决实际问题的能力。

Meta分析在生态环境领域里的应用

Meta分析简介

1、Meta分析简介 2、现状及发展趋势 3、基本思路 4、常用软件

Meta分析案例——步骤①

1、Meta分析选题 2、文献资料的搜集与初筛 3、数据库的建立 4、数据整合

Meta分析基础理论

1、效应值的选取、计算与转换 2、合并效应值的计算及异质性检验 3、非结构化数据、分组数据、连续数据 4、随机效应模型

Meta分析案例——步骤②

1、效应值的选取与计算 2、合并效应值的计算 3、参数模型与非参数模型 4、分组分析与Meta回归（单变量、双变量） 5、累积/递减Meta分析 6、模型比较（Model Building） 7、结果解读

文献偏倚与抽样检验

1、图形分析法 2、秩相关检验法 3、失安全数 4、偏倚结果的矫正——“Trim and Fill”

图形绘制

1、森林图 2、漏斗图 3、加权直方图及高斯拟合 4、正态分位数图

注：请提前自备电脑及安装所需软件

R语言在生态环境领域中的应用

R语言作为新兴的统计软件，以开源、自由、免费等特点风靡全球。生态环境领域研究内容广泛，数据常多样而复杂。利用R语言进行多元统计分析，从复杂的现象中发现规律、探索机制正是R的优势。为此，本教程以鱼类、昆虫、水文、地形等多样化的生态环境数据为例，在R语言的基本操作介绍基础上，利用vegan、ade4、adespatial、stats、cluster、dendextend等多个程序包分析数据的分布、相关性、回归、聚类、排序、空间结构和群落多样性等内容，解读其结果及生态学意义，并将数据分析和作图展现集成于一体，引导读者能够系统运用R语言在生态环境领域进行多方位分析与探索。

专题一  R语言基本操作及语法

1、R的获取和安装 2、R的数据类型 3、R的函数 4、R包的载入及使用

专题二 探索性数据分析

案例一：不同物种的多度分析

案例二：不同物种在样方中的空间分布

案例三：水文、地形等环境数据地图

专题三 相关性分析

1、不同变量之间的相关性分析

2、不同物种之间的差异及距离矩阵

3、图解关联矩阵

专题四 回归分析

1、用lm()拟合回归模型

2、一元及多元线性回归

3、多项式回归

4、回归诊断

5、选择最佳的回归模型

专题五 聚类分析

案例：样方之间的不同类型聚类及比较 （单连接、完全连接、平均聚合聚类(UPGMA)、Ward最小方差聚类等）

专题六 排序分析

1、主成分分析(PCA) 2、对应分析(CA) 3、主坐标分析(PCoA) 4、非度量多维尺度分析(NMDS)

专题七  数据空间分析

1、空间结构和空间分析概述 2、多元趋势面分析 3、基于特征根的空间变量和空间建模 4、多尺度排序（MSO）

专题八 生物多样性分析

1、生物群落的稀疏度分析 2、生物群落的alpha、beta和gamma多样性 3、群落功能多样性、功能组成和谱系多样性 

注：请提前自备电脑及安装所需软件

MATLAB在生态环境数据处理与分析中的应用

系统地学习MATLAB编程可视化与绘图-及在生态环境中的数据处理应用，更快地掌握各种数据处理分析以案例实操的形式呈现讲解，更快熟悉数据处理及其分析方法，希望通过本次课程能进一步提高科研工作者对于人工智能及其MATLAB实现方法有更高的认识及实践应用。

专题一、MATLAB编程入门

要点：介绍、案例演示、软件界面、语法基础、基本运算等

专题二、MATLAB编程入门

要点：脚本编写、函数调用、循环控制、代码调试、文件读写等

专题三、MATLAB可视化与绘图

要点：交互式绘图、编程绘图、时序数据、三维数据、动画制作等

专题四、时间序列数据处理与案例分析

要点：时间尺度、平滑插值、统计分析、参数拟合等

案例：野外站时间序列长期观测数据分析等

专题五、图像视频数据处理与案例分析

要点：文件类型、特征提取、图像分类、图像匹配、视频处理等

案例：野外植被物候相机观测数据分析等

专题六、地图矢量数据处理与案例分析

要点：地理空间数据、地图投影与变换、地图可视化等

案例：植被斑块动态观测数据分析等

专题七、遥感影像数据处理与案例分析

要点：非成像光谱、无人机航拍、卫星遥感影像等

案例：植被高光谱数据处理、无人机/卫星影像处理等

专题八、三维点云数据处理与案例分析

要点：点云文件读写、可视化分析、点云数据处理等

案例：无人机激光雷达点云数据处理与分析等

专题九、生态环境数值模型与案例分析

要点：生态环境系统过程模型、微分方程构建与求解等

注：请提前自备电脑及安装所需软件

关 注【科研充电吧】公 众 号，获取海量教程和资源