我一直在对数据集做一些观察，我在不同的采样点拥有丰富的物种。我在素食主义者中使用metaMDS来做到这一点。使用此功能，您可以（1）直接输入社区数据（行中的站点和列中的物种）并指定您希望它使用的距离类型（即jaccard，brays curtis，euclidean等）和函数调用vegdist这样做。另一方面，你可以（2）给metaMDS一个你已经创建的距离矩阵，可能使用vegdist（与metaMDS函数分开）。我感到困惑的是，如果我做第一个策略，我得到一个答案，当我做第二个（然后将该距离矩阵放入metaMDS函数）时，我得到了一个完全不同的答案（非常不同的压力值，不同的排序坐标） ）。当我要求在第一个策略中创建的距离矩阵时，距离与vegdist函数得到的距离大不相同。我仔细阅读，研究其他东西，当metaMDS调用vegdist函数时，它在多维空间中找到距离，而仅使用vegdist是在一个维度。基本上我要问的是metaMDS如何调用和计算与vegdist的距离（它是在多维空间中进行的吗？），这与仅仅使用vegdist本身有什么不同？希望在理解这些差异时，我可以看出哪个是我的数据集的最佳和最合适的方法。
mrja<-read.table("example.txt")
jac<-vegdist(mrja,method="jaccard")
head(jac)
[1] 0.7910448 0.8721461 0.7157360 0.9075908 0.9335038 0.9104478 ###前六个距离
ordjac1<-metaMDS(jac,k=2)
ordjac1$stress
[1] 0.169781 ordjac1
呼叫： metaMDS（comm = jac，k = 2）
使用monoMDS的全局多维缩放
数据：jac 距离：jaccard
尺寸：2 压力：0.169781 压力类型1，弱关系 没有收敛的解决方案 - 20次尝试后的最佳解决方案 缩放：居中，PC旋转 物种：缺少分数
ordjac2<-metaMDS(mrja,k=2,distance="jaccard")
ordjac2$stress
[1] 0.2367037
head(ordjac2$dist)
[1] 5.259303e-06 2.812693e-05 1.879357e-02 1.216611e-01 3.913638e-02 [6] 7.444730e-02 ###前六个距离
ordjac2
呼叫： metaMDS（comm = mrja，distance =＆＃34; jaccard＆＃34;，k = 2）
使用monoMDS的全局多维缩放
数据：威斯康星州（sqrt（mrja）） 距离：jaccard
尺寸：2 压力：0.2367037 压力类型1，弱关系 没有收敛的解决方案 - 20次尝试后的最佳解决方案 缩放：居中，PC旋转，半转换缩放 物种：基于'wisconsin（sqrt（mrja））
的扩展分数答案 0 :(得分：2)
没有足够的信息，但也许metaMDS执行了一些转换和标准化。这可以在跟踪信息和打印输出中看到。例如，我们有
> metaMDS(varespec)
Square root transformation
Wisconsin double standardization
...
global Multidimensional Scaling using monoMDS
Data: wisconsin(sqrt(varespec))
Distance: bray
告诉你数据首先是squareroot转换然后Wisconsin标准化。你看到这样的事吗？您可以通过在autotransform = FALSE调用中设置参数metaMDS()来关闭这些功能。您可以首先向我们提供此信息。