具有 cutree 分组的 ANOSIM
ANOSIM with cutree groupings
我想做的是在一些组合数据中定义分组的 ANOSIM，以查看分组之间是否有显着差异，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 矩阵中拥有物种丰度，并且在创建 hclust() 图并通过查看树状图和设置高度来直观地创建我自己的分组之后。然后我可以通过 cutree() 获得这些可以叠加在 MDS 图等上的分组，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？
例如
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查看它们是否真的不同。
我很确定这只是我无能的编码问题....任何建议将不胜感激。
cutree returns 组作为整数：如果要在 anosim 中使用它们，则必须将它们更改为因子：尝试 anosim(vegdist(dune), factor(c1))。您最好联系当地的统计学家，让他们使用 anosim 使用从这些完全相同的差异创建的集群来分析差异。
我想做的是在一些组合数据中定义分组的 ANOSIM，以查看分组之间是否有显着差异，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 矩阵中拥有物种丰度，并且在创建 hclust() 图并通过查看树状图和设置高度来直观地创建我自己的分组之后。然后我可以通过 cutree() 获得这些可以叠加在 MDS 图等上的分组，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？
例如
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查看它们是否真的不同。
我很确定这只是我无能的编码问题....任何建议将不胜感激。
cutree returns 组作为整数：如果要在 anosim 中使用它们，则必须将它们更改为因子：尝试 anosim(vegdist(dune), factor(c1))。您最好联系当地的统计学家，让他们使用 anosim 使用从这些完全相同的差异创建的集群来分析差异。