我正在使用metaNMDS来探索我正在使用的多变量数据集。我已经将数据集限制为具有6个级别的兴趣因子。排序是在bray-curtis不相似的矩阵上运行，不进行自动变换，具有2维（或轴），并且设置为最多运行300次迭代。省略号基于95％的置信度并使用SE。
NMDS在大约10-15次迭代中得到解决，并且具有较差的应力值（15-18）。当我使用ordiellipse绘制数据以可视化哪些级别可能不同时，我会惊讶于数据在置信椭圆中的实际数量。有人可以解释一下吗？这仅仅是圣职任命的一件神器，不能很好地适应数据;没有在二维中捕获数据集中固有的变化？
有什么想法？我的声誉不够高，无法发布情节图片，但如果我遇到一些障碍，我可以发一张。
答案 0 :(得分：1)
您正在为均值（组质心）绘制置信椭圆，它会告诉您有关您重复数据收集时可能会看到的均值（质心）的采样分布的信息。倍。换句话说，考虑到您收集的数据样本，您正在考虑人口平均值（质心）估计的不确定性。
另一种置信椭圆基于标准偏差。这是衡量数据传播的一个指标（不是均值），因此如果你切换到那种类型，你的置信省略号应该没有那么令人惊讶的覆盖范围。
请注意，这与人们在讨论描述性统计中的标准偏差和均值的标准误差时所产生的误解相同。