User Tools

Site Tools


cs:direct_ordination:solution_ex2

Řešení cvičení na rozklad variance

Nejdříve načteme data:

ohrazeni.spe <- read.csv2 ('http://www.davidzeleny.net/anadat-r/data-download/ohrazeni-spe.csv', row.names = 1, dec = '.')
ohrazeni.env <- read.csv2 ('http://www.davidzeleny.net/anadat-r/data-download/ohrazeni-env.csv', dec = '.')

Z původních dat vyštípneme jenom řádky (vzorky) z třetího roku pozorování, a z druhových dat odstraníme první sloupeček (molicaer):

spe <- sqrt (ohrazeni.spe[ohrazeni.env$YEAR == 3,-1])
env <- ohrazeni.env[ohrazeni.env$YEAR == 3,]
library (vegan)

Který z faktorů má největší vliv na vegetaci po odčerpání vlivu ostatních?

rda.mow.cond <- rda (spe ~ MOWING + Condition (FERTIL + REMOV), data = env)
rda.fer.cond <- rda (spe ~ FERTIL + Condition (MOWING + REMOV), data = env)
rda.rem.cond <- rda (spe ~ REMOV + Condition (MOWING + FERTIL), data = env)
 
RsquareAdj (rda.mow.cond)
#$r.squared
#[1] 0.09939733
 
#$adj.r.squared
#[1] 0.07165358
 
RsquareAdj (rda.fer.cond)
#$r.squared
#[1] 0.1878872
 
#$adj.r.squared
#[1] 0.168571
 
RsquareAdj (rda.rem.cond)
#$r.squared
#[1] 0.03322556
 
#$adj.r.squared
#[1] -0.0008202652

A test jednotlivých vlivů:

anova (rda.mow.cond)
#Permutation test for rda under reduced model
 
#Model: rda(formula = spe ~ MOWING + Condition(FERTIL + REMOV), data = env)
#         Df    Var      F N.Perm Pr(>F)   
#Model     1  5.599 2.9256    199  0.005 **
#Residual 20 38.273                      
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 
anova (rda.fer.cond)
#Permutation test for rda under reduced model
 
#Model: rda(formula = spe ~ FERTIL + Condition(MOWING + REMOV), data = env)
#         Df    Var      F N.Perm Pr(>F)   
#Model     1 10.583 5.5302    199  0.005 **
#Residual 20 38.273                        
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 
anova (rda.rem.cond)
#Permutation test for rda under reduced model
 
#Model: rda(formula = spe ~ FERTIL + Condition(MOWING + REMOV), data = env)
#         Df    Var      F N.Perm Pr(>F)   
#Model     1 10.583 5.5302    199  0.005 **
#Residual 20 38.273                        
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Největší vliv na vegetaci má tedy hnojení (R2adj = 16.9% vysvětlené variability, p < 0.005), druhé je kosení (R2adj = 7.2%, p < 0.005). Naopak odstranění dominanty nemělo výrazný vliv - jeho adjustovaný R2 je dokonce záporný, což značí že proměnná vysvětlí míň variability než by vysvětlila proměnná náhodná, a test je neprůkazný (p = 0.51).

Použití funkce varpart:

varpart.ohr <- varpart (spe, ~MOWING, ~ FERTIL, ~ REMOV, data = env)
plot (varpart.ohr)

cs/direct_ordination/solution_ex2.txt · Last modified: 2017/10/11 20:36 (external edit)