以经纬度为解释变量的变异划分
Variation partitioning using latitude and longitude as explanatory variables
我正在使用 vegan 包中的 varpart 函数。这是我的脚本：
CR_all.fun_var_part <- varpart(all_fungi, ~ age, ~ lat +long, data = Cr_var)
CR_all.fun_var_part
plot(CR_all.fun_var_part, digits=2)
我的响应变量，所有真菌，是我用 hellinger 方法转换的丰度矩阵。
年龄 (X1) 代表我用比例函数缩放的森林的不同年龄。
如果我想使用我的 GPS 坐标作为 X2，我应该如何对待它们？我应该转换它们吗？
varpart 函数的脚本应该如何？
我希望我的问题不是太含糊，感谢大家的帮助。
有~ lat + long等同于拟合线性趋势面。它仅说明线性地理趋势。如果您只对线性趋势感兴趣，这没关系。如果您认为需要更复杂的趋势，那么您需要更复杂的模型：坐标多项式、坐标样条或（像很多人一样）PCNM 变量。坐标变换会改变原始坐标绘制时响应的形状，但很难说如何变换。
可以使用 base 函数 poly(lon, 2) 找到多项式（对于二阶多项式）。 PCNM（邻域矩阵的主坐标）可以在很多包中找到，包括 vegan (pcnm).
这个答案只关注如何做到这一点。我不想认可任何这些做法。
我正在使用 vegan 包中的 varpart 函数。这是我的脚本：
CR_all.fun_var_part <- varpart(all_fungi, ~ age, ~ lat +long, data = Cr_var)
CR_all.fun_var_part
plot(CR_all.fun_var_part, digits=2)
我的响应变量，所有真菌，是我用 hellinger 方法转换的丰度矩阵。 年龄 (X1) 代表我用比例函数缩放的森林的不同年龄。 如果我想使用我的 GPS 坐标作为 X2，我应该如何对待它们？我应该转换它们吗？ varpart 函数的脚本应该如何？ 我希望我的问题不是太含糊，感谢大家的帮助。
有~ lat + long等同于拟合线性趋势面。它仅说明线性地理趋势。如果您只对线性趋势感兴趣，这没关系。如果您认为需要更复杂的趋势，那么您需要更复杂的模型：坐标多项式、坐标样条或（像很多人一样）PCNM 变量。坐标变换会改变原始坐标绘制时响应的形状，但很难说如何变换。
可以使用 base 函数 poly(lon, 2) 找到多项式（对于二阶多项式）。 PCNM（邻域矩阵的主坐标）可以在很多包中找到，包括 vegan (pcnm).
这个答案只关注如何做到这一点。我不想认可任何这些做法。