我想要做的是在一些装配数据中定义分组的ANOSIM,以查看分组是否彼此显着不同,与此示例代码的方式类似:
data(dune)
data(dune.env)
dune.dist <- vegdist(dune)
attach(dune.env)
dune.ano <- anosim(dune.dist, Management)
summary(dune.ano)
然而,在我自己的数据中,我在bray-curtis矩阵中创建了物种丰富度,并在创建了hclust()图表并通过查看树形图并设置高度来可视化创建自己的分组。然后我可以通过cutree()得到这些可以叠加在MDS图上的分组等。但我想检查我创建的分组之间相似性的重要性 - 即分组是否显着不同或只是任意分组?
e.g。
data("dune")
dune.dist <- vegdist(dune)
clua <- hclust(dune.dist, "average")
plot(clua)
rect.hclust(clua, h =0.65)
c1 <- cutree(clua, h=0.65)
然后我想使用c1定义的类别作为分组,在给出的示例代码中是管理因素,并通过anosim()测试它们的相似性以确定它们是否实际上是不同的。
我很确定这只是我无能为力的编码问题......任何建议都会受到赞赏。
答案 0 :(得分:0)
cutree
以整数形式返回群组:如果要在anosim
中使用这些因素,则必须将这些更改为因素:尝试anosim(vegdist(dune), factor(c1))
。您最好联系当地的统计人员,使用anosim
来分析使用从这些相同的不同点创建的集群的不相似性。