基于Canoco的CCA数据处理过程解析

"基于Canoco的CCA数据处理过程解析" 本文将详细介绍基于Canoco的CCA数据处理过程，包括数据格式要求、WCanoImp的使用、物种数据的转化、排序的过程等。 数据格式要求 在使用Canoco进行CCA数据处理之前，需要将数据格式化成矩形形式，每行代表一个样方，每列代表一个变量。表格左顶格最好为空，第一列和第一行分别有样方编号和变量的名称。变量名称最好是英文字母、数字、圆点或是连字符，空格也可以。除了第一行和第一列，表格内剩下的填充内容必须是数字或是空着，绝对不能使用字符型数据。定性变量（因子）必须转换为哑变量（0‐1 数据）方可进入 CANOCO分析。 WCanoImp的使用 WCanoImp是一个从Excel表格中读取数据的工具。在Excel表格中将数据组织好，然后选择“复制”按钮，数据便复制到剪贴板中。WCanoImp可以从“开始”菜单中Canoco for windows下拉菜单中打开。在WCanoImp对话框中，有些可选框，例如“Each column is a sample”选项，如果数据结构正好相反，以列代表样方，以行代表变量，必须选中这个选项。最后一个选项是问你是否存为压缩型数据类型，除非你觉得硬盘空间不够大，否则不必选这个选项。 物种数据的转化 物种数据的转化是为了寻找最佳预测响应变量的坐标轴。因此，在排序中对响应变量进行转化，就好比在多重回归中要将很多物种数据转化一个单因变量的形式一样。有点限制的是，在排序中，所有的响应变量应该是做一致的转化，因为响应变量经常是同一属性的数据，具有一致的量纲。在基于单峰模型（加权平均）的排序（见3.2节），所有响应变量的数据不能是负值，这就要求某些带负值的数据必须转化。 对数转化 在CANOCO里面提供了变通的对数转化公式：在对y转化之前，你可设定上面公式中A和C的值，让输出的y`值保证不小于0。在系统中，A和C默认值均为1，这样可以保证本来是0的值，转化后仍为0，而其他的值依然是正的。然而，如果你的原始值很小（比如说处于0‐0.1之间），可以将A的值适当增大，比如说设为10。 排序的过程 排序可以被看作多重回归的扩展，所以整个排序方法可以用简单回归的语言来描述。你可以通过一个或多个预测器（环境因子或排序轴）来预测一个响应变量（比如物种的多度）。比如，在一元线形回归方程中（y=B0+BX+E），你可以问当x变化一个单位时，y的平均值是如何变化的？如果自变量和因变量都没有对数转化，你可以回答这个问题：当x增加一个单位时候，y的增量是B。但在很多情况下，你可能更倾向听到这样的解释，如果变量X增加一个单位，Y的量将增加10%，或是，y增加1.1倍这样的话。