User Tools

Site Tools


You are not allowed to perform this action
zpradat:direct_ordination:solution_4.1

Řešení cvičení 4.1

DCA:

Analysis 'DCA'
Method: DCA
Total variation is 5.31066

Summary Table:
Statistic				Axis 1	Axis 2	Axis 3	Axis 4
Eigenvalues				0.5365	0.1859	0.1392	0.1182
Explained variation (cumulative)	10.10	13.60	16.22	18.45
Gradient length				3.95	2.27	2.05	2.01

Délka první osy je 3.95, což se blíží 4 S.D. - vybereme unimodální metodu přímé ordinace, tedy CCA.

CCA - forward selection bez Bonferroniho korekce (zahrnuto 6 vysvětlujících proměnných):

Analysis 'CCA - bez Bonferroniho korekce'
Method: CCA
Total variation is 5.31066, explanatory variables account for  17.0%
 (adjusted explained variation is   9.1%)

Summary Table:
Statistic				Axis 1	Axis 2	Axis 3	Axis 4
Eigenvalues				0.4266	0.1310	0.1102	0.0931
Explained variation (cumulative)	8.03	10.50	12.57	14.33
Pseudo-canonical correlation		0.9151	0.7711	0.8702	0.8762
Explained fitted variation (cumulative)	47.35	61.89	74.12	84.45

Analysis 'CCA - bez Bonferroniho korekce'
Forward Selection Results:
Name	Explains %	Contribution %	pseudo-F	P
Ca	6.6		22.4		4.8		0.0005
conduct	2.4		8.3		1.8		0.0005
Corg	2.2		7.3		1.6		0.002
Na	2.1		7.2		1.6		0.0025
NH3	1.9		6.5		1.5		0.0145
Fe	1.8		6.0		1.3		0.0275

CCA - s Bonferroniho korekcí, zahnruty pouze první tři vysvětlující proměnné (Ca, Conduct a Corg)

Analysis 'CCA - s Bonferroniho korekci'
Method: CCA
Total variation is 5.31066, explanatory variables account for  11.2%
 (adjusted explained variation is   7.1%)

Summary Table:
Statistic				Axis 1	Axis 2	Axis 3	Axis 4
Eigenvalues				0.4072	0.1060	0.0798	0.3188
Explained variation (cumulative)	7.67	9.66	11.17	17.17
Pseudo-canonical correlation		0.9010	0.7813	0.8367	0.0000
Explained fitted variation (cumulative)	68.66	86.54	100.00	

Analysis 'CCA - s Bonferroniho korekci'
Forward Selection Results:
Name	Explains %	Contribution %	pseudo-F	P	P(adj)
Ca	6.6		22.4		4.8		0.0001	0.0015
conduct	2.4		8.3		1.8		0.0003	0.0045
Corg	2.2		7.3		1.6		0.0011	0.0165

Nyní vytvoříme ordinační diagram CCA s 20 druhy, které mají nejvyšší fit k vysvětlujícím proměnným. Nejdříve nakreslete biplot s druhy a proměnnými prostředí (Graph > Biplots > Species + Environmental variables) a pak druhy prořeďte volbou Analysis > Plot creation options > Species selection, a zaklikněte show at most 20 best fitting species.

zpradat/direct_ordination/solution_4.1.txt · Last modified: 2013/11/12 14:00 (external edit)