В: Дают ли wascores() и envfit() одинаковый результат?
Нет, они не дают одинакового результата, поскольку они делают две совершенно разные вещи. В этом ответе я объяснил, как работает envfit(). wascores() берет координаты точек в пространстве nmds и вычисляет среднее значение для каждого измерения, взвешивая наблюдения по численности вида в каждой точке. Следовательно, оценка вида, возвращаемая wascores(), представляет собой взвешенный центроид в пространстве NMDS для каждого вида, где веса - это численность вида. envfit() соответствует векторам, которые указывают в направлении увеличения численности. Это подразумевает плоскость над ординацией NMDS, где обилие линейно возрастает из любой точки на плоскости, когда вы двигаетесь параллельно стрелке, тогда как wascores() лучше всего рассматривать как оптиму, где обилие уменьшается при удалении от взвешенного центроида, хотя я думаю, что эта аналогия более свободна, чем, скажем, с ординацией CA.
Вопрос об оптимальности или нет, является проблемой, если вы передали стандартизированные данные; Как показывает ответ, на который вы ссылаетесь, это будет означать отрицательный вес, который не работает. Обычно никто не стандартизирует численность видов - есть преобразования, которые мы применяем, такие как преобразование в пропорции, квадрат root или логарифмические преобразования, нормализация данных к интервалу 0-1 - но они не дадут вам отрицательных чисел, так что вы; менее вероятно, что вы столкнетесь с этой проблемой.
envfit() в NMDS - не обязательно хорошая вещь, поскольку мы не ожидаем, что численность будет варьироваться линейно в пространстве ординации. wascores() лучше, поскольку они подразумевают нелинейное изобилие, но они немного хаки sh в NMDS. ordisurf() является лучшим вариантом в целом, так как он добавляет ГАМ (гладкую) поверхность вместо плоскости, подразумеваемой векторами, но вы не можете показать более одной или нескольких поверхностей в ординации, тогда как вы можете добавить столько баллы или стрелки вида WA по вашему желанию.
Основная проблема c здесь заключается в предположении, что envfit() и wascores() должны давать те же результаты. Нет оснований предполагать, что, поскольку это принципиально разные подходы к вычислению «баллов по видам» для NMDS, каждый из которых имеет свои предположения, а также преимущества и недостатки.