R语言中的Adonis分析如何理解，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
创新互联公司是专业的宁洱网站建设公司，宁洱接单;提供成都网站设计、成都网站制作,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行宁洱网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!
通常我们在做假设检验的时候，是看一个分组变量（也即因子型变量）对某个数值变量的影响，这时候我们针对数据特征可以选择合适的检验方法，如下所示：
这种统计检验就是分析不同分组数据的差别，分组可以来自实验本身的区组设计，也可以来自聚类分析。当情形变得更复杂些——不同分组不再是单个数据变量，而是一个个数据矩阵的时候，例如微生物群落数据，我们需要更复杂的方法来进行分析，也就是组间差异分析的主要内容。
Anosim分析
，
Anosim
分析的一个缺点就是只能分析一个分组因素的影响，当有两个因素同时影响时可能得出错误结果。今天来介绍另一种非参数差异分析
Adonis
。ADONIS
又称置换多因素方差分析（
permutational MANOVA
，也即
PERMANOVA
）或非参数多因素方差分析（
nonparametric MANOVA
），是一种基于样品距离
(
默认为
distance="bray"
，可以选择其他距离，也可以直接使用距离矩阵进行分析
)
的非参数多元方差分析方法，是
MANOVA
的等同形式。该方法可分析不同分组因素对样品距离的解释度，记组间距离的方差为
SSb
、组内距离的方差为
SSw
，假如数据受分组影响显著，那么
SSb
应远小于
SSw
，因此构造统计量
F
：
其中
n
为样本总数，
m
为组数。假如组间差异不显著，即各组样本均来自同一总体，那么
F≈1
；假如组间差异显著，
F>>1
。与方差分析的
MANOVA
不同的是，
Adonis
使用置换来获得统计量
F
的分布而不是使用标准
F
分布来进行判断，因此是非参数方法。在
R
中
Adonis
分析可以使用
vegan
包中的
adonis()
以及
adonis2()
函数，示例如下：#读取物种和环境因子信息data=read.csv("otu_table.csv", header=TRUE, row.names=1)envir=read.table("environment.txt", header=TRUE)rownames(envir)=envir[,1]env=envir[,-1]#筛选高丰度物种并将物种数据标准化means=apply(data, 1, mean)otu=data[names(means[means>10]),]otu=t(otu)#根据地理距离聚类kms=kmeans(env, centers=3, nstart=22)Position=factor(kms$cluster)#进行Adonis分析library(vegan)adonis=adonis(otu~Position, permutations=999)adonis 
可以看到检验结果也是显著的，而且结果中给出了每部分的R2。
与
Anosim
、
MRPP
不同的是，
Adonis
稳健性大大提高，而且既可以处理因子变量也可以处理连续的数值变量（实质上就是回归）。由于
Adonis
为置换多因素方差分析，所以可以灵活使用方差分析的公式，因此分析效果大大增强。下面我们分析经纬度单独的影响，使用多元双因素方差分析的公式：adonis2=adonis(otu~Latitude*Longitude, env, permutations=999)adonis2
可以看出，经度、纬度以及两者交互对微生物群落均有显著影响。看完上述内容，你们掌握R语言中的Adonis分析如何理解的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
网页标题：R语言中的Adonis分析如何理解
文章转载：
http://jkwzsj.com/article/piioci.html
