我使用Bray-Curtis在社区数据和环境矩阵(包含两个级别的因子和6个连续变量)上运行阿多尼斯,我总是采用1 df,但事实并非如此。
另请参见adonis中的示例
data(dune)
data(dune.env)
str(dune.env)
adonis(dune ~ Management*A1, data=dune.env, permutations=99)
尽管A1是一个数字变量,但结果提供了1 df。
答案 0 :(得分:0)
在模型中:
> adonis(dune ~ Management*A1, data=dune.env, permutations=99)
Call:
adonis(formula = dune ~ Management * A1, data = dune.env, permutations = 99)
Permutation: free
Number of permutations: 99
Terms added sequentially (first to last)
Df SumsOfSqs MeanSqs F.Model R2 Pr(>F)
Management 3 1.4686 0.48953 3.2629 0.34161 0.01 **
A1 1 0.4409 0.44089 2.9387 0.10256 0.02 *
Management:A1 3 0.5892 0.19639 1.3090 0.13705 0.21
Residuals 12 1.8004 0.15003 0.41878
Total 19 4.2990 1.00000
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
A1
的 main 效果使用单个自由度,因为它是一个连续变量。 Management
和A1
之间的交互使用了3个额外的自由度,因为每个A1
级别都有一个Management
的附加“效果”。
这都是预料之中的,并且肯定没有在该模型的adonis()
中显示错误。
重要的是,必须确保将因子变量编码为因子,否则,例如,如果将类别编码为整数,则R仍会将那些变量解释为连续/数字。如果强制使用"factor"
类,它将仅将它们解释为因素。检查str(df)
的输出,其中df
是包含预测变量(协变量; ~
右侧的内容)的您的数据框,并确保每个因子变量都属于适当的类别。例如,dune.env
数据是:
> str(dune.env)
'data.frame': 20 obs. of 5 variables:
$ A1 : num 2.8 3.5 4.3 4.2 6.3 4.3 2.8 4.2 3.7 3.3 ...
$ Moisture : Ord.factor w/ 4 levels "1"<"2"<"4"<"5": 1 1 2 2 1 1 1 4 3 2 ...
$ Management: Factor w/ 4 levels "BF","HF","NM",..: 4 1 4 4 2 2 2 2 2 1 ...
$ Use : Ord.factor w/ 3 levels "Hayfield"<"Haypastu"<..: 2 2 2 2 1 2 3 3 1 1 ...
$ Manure : Ord.factor w/ 5 levels "0"<"1"<"2"<"3"<..: 5 3 5 5 3 3 4 4 2 2 ...
表示Management
是一个因子,A1
是数字(它是A1土壤层的厚度),其余变量是有序因子(但仍然存在;它们在R的omdel公式基础结构中正常运行。