为什么在运行adonis函数(permanova)时我总是得到df 1?

时间:2018-12-26 12:45:23

标签: vegan df

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。

1 个答案:

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 main 效果使用单个自由度,因为它是一个连续变量。 ManagementA1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。