2016-03-30 6 views
0

Ich versuche, eine partielle db-RDA mit field.ID zu tanken, um das wiederholte Messzeichen der Samples zu korrigieren. Das Einschließen der Bedingung (Feld.ID) führt jedoch zum Verschwinden der Zentroide des Hauptfaktors von Interesse aus dem Diagramm (linkes Diagramm unten).teilweise distanzbasierte RDA - Zentroide verschwanden aus dem Plot

Das Design: 12 Felder wurden wiederholt für Speziesdaten in zwei aufeinander folgenden Jahren gesammelt. Zusätzlich wurden jedes Jahr 3 Proben aus Referenzfeldern beprobt. Diese drei Felder wurden im zweiten Jahr wegen Nichtverfügbarkeit der ehemaligen Felder geändert. Zusätzlich wurden einige Umweltvariablen beprobt (Stickstoff, Bodenfeuchte, Temperatur). Jedes Feld hat eine Kennung (field.ID). Die Verwendung von field.ID als Bedingung scheint fälschlicherweise den F1-Faktor zu entfernen. Die Verwendung der Sampling-Kampagne (SC) als Bedingung funktioniert jedoch nicht. Ist letzteres der richtige Weg, um wiederholte Messungen in Teil-DB-RDA zu korrigieren?

set.seed (1234)

df.exp <- data.frame(field.ID = factor(c(1:12,13,14,15,1:12,16,17,18)), 
        SC = factor(rep(c(1,2), each=15)), 
        F1 = factor(rep(rep(c("A","B","C","D","E"),each=3),2)), 
        Nitrogen = rnorm(30,mean=0.16, sd=0.07), 
        Temp = rnorm(30,mean=13.5, sd=3.9), 
        Moist = rnorm(30,mean=19.4, sd=5.8)) 

df.rsp <- data.frame(Spec1 = rpois(30, 5), 
        Spec2 = rpois(30,1), 
        Spec3 = rpois(30,4.5), 
        Spec4 = rpois(30,3), 
        Spec5 = rpois(30,7), 
        Spec6 = rpois(30,7), 
        Spec7 = rpois(30,5)) 

data=cbind(df.exp, df.rsp)     



dbRDA <- capscale(df.rsp ~ F1 + Nitrogen + Temp + Moist + Condition(SC), df.exp); ordiplot(dbRDA) 
dbRDA <- capscale(df.rsp ~ F1 + Nitrogen + Temp + Moist + Condition(field.ID), df.exp); ordiplot(dbRDA) 

enter image description here

Antwort

1

Sie teilweise aus Änderung aufgrund ID und dann versuchen Sie Variable aliased zu diesem ID zu erklären, aber es war schon partialled aus. Die Schlüsselzeile in der gedruckten Ausgabe war:

Some constraints were aliased because they were collinear (redundant) 

Und in der Tat, wenn Sie sich für Details fragen, erhalten Sie

> alias(dbRDA, names=TRUE) 
[1] "F1B" "F1C" "F1D" "F1E" 

Die F1? Variablen innerhalb ID konstant waren, die bereits partialled aus, und nichts wurde erklärt.

+0

@ Jari Oksanen Danke für die Beantwortung! Ich hoffte, dass dies genauso funktionieren würde wie Mixed-Effects-Modelle. Ich habe Verdacht geschöpft. ähnlich, aber ich würde sagen, ID ist in Factor1 verschachtelt ...?! Das wäre nicht der Fall, wenn alle IDs in allen Ebenen des Faktors auftauchen, oder? Letzteres halte ich jedoch in feldökologischen Studien mit wiederholten Messungen für selten. Muss ich den Durchschnitt für ID vor dem Ausführen von RDA nehmen, wenn ich wiederholte Messungen habe, dann? – Pharcyde

Verwandte Themen